Por que empresas e trabalhadores não devem ter medo de usar IA em esforços de robótica

O papel que a inteligência artificial desempenhará na robótica será amplamente determinado pelos casos de uso e pela resolução de problemas de privacidade e computacionais.

Os robôs têm o potencial de mudar a forma como as empresas fazem negócios, automatizando muitas tarefas. Quando combinados com a tecnologia de inteligência artificial (IA), os robôs podem se tornar autônomos. Mas a combinação dessas tecnologias levanta muitas questões. Os robôs auxiliados por IA eliminarão empregos ou ajudarão os trabalhadores, tornando-os mais produtivos? Como a IA oferece aos robôs recursos como visão de máquina, também há problemas de privacidade. E depois há o desafio de como trabalhar com os grandes volumes de dados que podem ser usados. Onde você processa esses dados? Na nuvem? Na borda?

Para entender melhor esses problemas, casos de uso e o papel do edge, conversamos com Joe Speed, CTO IoT Solutions and Technology da ADLINK, um fornecedor de soluções de computação de ponta
que suportam a transição para sistemas IoT industriais conectados em todos os setores. Também participou de nossa discussão Nick Fragale, fundador da Rover Robotics, que desenvolve robôs robustos de nível industrial usando ROS, o sistema operacional do robô.

Há preocupações sobre o uso de IA?

RTInsights: Parece que as empresas estão relutantes em usar a IA devido a diferentes medos. Que tipos de preocupações você ouve de usuários em potencial quando se trata da adoção da IA?

Velocidade: A maioria das preocupações que ouço em torno da IA ​​tem a ver com alguns aspectos de privacidade. Você ouve as pessoas levantando preocupações quando fala sobre reconhecimento facial e alguns dos outros aspectos, como IA, aplicados a tópicos como vigilância em massa. As pessoas ficam um pouco nervosas. Não vejo necessariamente tanto medo ou preocupação com a IA nos tipos de espaços em que tendemos a nos concentrar. A maior parte de nossa tecnologia geralmente está dentro, sobre ou perto de algo – como um equipamento, um processo, a célula de trabalho, a instalação. Geralmente é onde nossa IA está sendo usada.

Nesses casos, a aplicação da IA ​​está pegando um processo existente e garantindo que ele funcione de forma confiável. Ajuda com a saúde da máquina e outras coisas. Ele permite que as empresas peguem uma célula de trabalho e a façam funcionar com mais eficiência. E as empresas podem pegar um sistema legado existente, maquinário existente ou um processo e instrumento existente e torná-lo mais seguro.

Em muitos desses aplicativos, não estamos realmente encontrando as preocupações de privacidade relacionadas ao reconhecimento facial e à vigilância em massa. Os sistemas são usados ​​em sua empresa versus sistemas que vigiam as pessoas em público. Em um ambiente de empresa, o uso da IA ​​se concentra em melhorar um processo ou operação, ajudando os trabalhadores a fazer melhor seu trabalho. O que vemos para algumas dessas coisas é que a IA, especificamente o aprendizado de máquina aplicado à visão computacional, está muito em alta. Outro uso muito popular é em torno da fusão de sensores. Nesses casos de uso, o problema é como combino a visão com outros tipos de dados de sensores ou telemetria de equipamentos legados existentes e, em seguida, juntá-los para ter uma melhor compreensão do que está acontecendo.

Fragrância: Eu diria que, do nosso ponto de vista, nossos clientes vieram do espaço acadêmico e de pesquisa e, portanto, estão muito abertos ao uso da IA. A idade média do nosso cliente é provavelmente algo em torno de 30. Agora que vamos entrar no mercado de logística com nosso novo produto, o Rover AMR 100, isso vai mudar. Mas até agora, não vimos nenhuma resistência à implementação da IA.

Como a IA está sendo usada na robótica?

RTInsights: Essa é uma ótima sequência. Obviamente, uma área de interesse com IA é a robótica. Como a IA está sendo usada na robótica?

Velocidade: Uma das maiores áreas é a percepção. Basta pensar em câmeras, embora seja um pouco mais do que isso. Você tem muitas tecnologias diferentes que podem ser usadas para dar a percepção do robô. O óbvio são as câmeras, mas mesmo dentro das câmeras, é uma única câmera, é uma câmera estéreo, é uma câmera com sensor de profundidade 3D, é espectro visível ou infravermelho? Então você também tem algumas outras tecnologias que dão percepção, que você quase pode pensar como visual, mas elas são um pouco diferentes. São coisas como LIDAR. (Light Detection and Ranging é um método de sensoriamento remoto que usa luz laser pulsada para medir distâncias.) Com o LIDAR, basicamente, pense nisso como um radar. A maneira como eu explico isso para minha família é que você sabe o que é radar? Claro. Bem, a mesma coisa, mas lasers em vez de ondas de rádio.

Você tem o laser girando ao redor. Ele salta das coisas. Usando-o para veículos autônomos, você não vê um carro. Mas o que você vê é uma nuvem de pontos em forma de carro, e também lhe dá outras coisas por causa do efeito Doppler. Você pode dizer se essa nuvem de pontos está em movimento. Está se movendo em minha direção ou se afastando, a que velocidade?

Veja também: Por que a computação de borda pode ajudar a IoT a atingir todo o potencial

Então você também tem ultra-som e radar e algumas outras coisas que você pode não necessariamente pensar hoje. Quando você começar a obter operações autônomas, essas tecnologias abrangentes desempenharão um papel. Como no caso do Rover, você tem um robô de 40 libras e está operando de forma autônoma. Mas se você passar de um robô de 40 libras para 400 libras, 4.000 libras, agora você está na classe de [equipamento] que começa a se tornar perigosa. Como você faz coisas como operar máquinas pesadas com segurança e como fazer isso de maneira mais autônoma ou automatizada sem ferir pessoas ou causar danos à propriedade? Algumas dessas outras tecnologias podem ser usadas.

Por exemplo, você pode usar ultra-som para os tipos de coisas muito próximas, onde você pode não necessariamente ter cobertura da câmera. Na robótica, há dois lugares que vejo a IA se aplicando, e então eles (IA e robótica) acabam se misturando, que é quando você tem uma operação autônoma, especialmente robôs móveis e coisas que se movem.

LIDAR, radar e ultra-som podem ajudar na navegação. Eles podem ser usados ​​para responder a perguntas como:como um sistema robótico ou autônomo sabe onde está, como sabe para onde está indo, como faz isso sem esbarrar em coisas ou pessoas? Então você também tem robôs que realmente interagem com seu ambiente. O exemplo clássico disso seria quando você pensa em um robô industrial, como um braço. Como o braço percebe o que está ao seu redor? Um exemplo disso é a coleta de peças de robótica, onde um braço pega peças de uma lixeira e as coloca em uma coisa que você está montando ou em outra lixeira. Este é um aplicativo muito popular. Então, obviamente, você pode combinar IA e robótica. Você também pode ter robôs móveis com atuadores com garras capazes de interagir com seu ambiente.

Esse é realmente todo o campo do aprendizado de máquina de IA. É aí que vemos isso sendo aplicado.

Fragrância: Nossa perspectiva na Rover Robotics é bastante semelhante à perspectiva de Joe. Mas eu diria que, em geral, a principal coisa para a qual vemos as pessoas usando IA são câmeras, analisando dados de câmeras e especificamente fazendo inspeções. Qualquer empresa que queira continuar monitorando algo pode usar essa tecnologia. O aplicativo pode ser uma empresa de petróleo que deseja monitorar se seus canos estão enferrujando. Eles podem fazer isso agora 24 horas por dia, 7 dias por semana com um robô móvel. Ou você pode ter um depósito onde precisa inspecionar as etiquetas RFID para fazer o inventário. Qualquer coisa que você queira inspecionar em suas instalações, agora você pode fazer com um robô e uma câmera.

Quais indústrias estão usando IA e robótica?

RTInsights: Existem setores específicos, como manufatura, logística, atendimento a idosos ou atendimento ao cliente, onde já estamos vendo a IA e a robótica sendo usadas?

Fragrância: Sim. Eu diria que as maiores indústrias são logística, manufatura e construção. Esses são aqueles em que os robôs já estão usando a IA para fazer coisas. No caso da construção, há muitas empresas tentando recuperar o dinheiro perdido todos os anos por ineficiências. Por exemplo, certificar-se de instalar todas as tubulações e sprinklers corretos e todos os equipamentos de segurança antes de colocar o concreto é muito importante para qualquer projeto de construção. Mas com muitos subcontratados envolvidos, muitas vezes pode haver um problema. Se você tiver um robô percorrendo seu canteiro de obras e procurando coisas assim, coisas críticas no projeto geral de construção, poderá recuperar muito desse custo que normalmente é perdido.

Velocidade: Sim, definitivamente, a inspeção é grande. Fazemos muitos negócios em torno da inspeção, especificamente inspeção visual. No campo, existem 400.000 câmeras conectadas aos nossos sistemas de visão fazendo isso e outros tipos de casos de uso. Onde fica realmente interessante para mim, porém, é em vez de câmeras fixas em uma linha de montagem, em uma bancada de trabalho ou em um transportador inspecionando as coisas à medida que elas passam, é pegar os dois temas da inspeção visual baseada em IA e da robótica autônoma e combine-os. Pense no robô. Em vez de mercadorias físicas serem trazidas para a câmera, a câmera vai para a coisa que precisa ser inspecionada. Você tem o exemplo de construção com robôs móveis realizando inspeções em roaming no local. Deve haver um duto de ar. Está no lugar? Estamos adiantados ou atrasados?

Outro exemplo é um varejista usando IA e um robô para ver o que está em estoque. O varejista pode então comparar o que um robô observa fisicamente com o que o gerenciamento da loja e a logística do armazém
sistemas dizem que está em estoque. Essa é uma área com a qual estou super empolgado, e estamos todos com robótica aberta.

Hoje em dia, robótica é praticamente escrito R-O-S, que é um sistema operacional de robô. Não é um robô nem um sistema operacional. É uma estrutura de código aberto para o desenvolvimento de robótica. Estamos trabalhando e contribuindo para isso. Então, você junta isso com a visão da IA, novamente, um campo com muita ênfase em torno do código aberto. Como essas coisas são combinadas, será um momento realmente interessante.

Quais são as principais funções assistidas por robótica que estão sendo executadas?

RTInsights: Vamos detalhar quais funções assistidas por robótica estão sendo executadas em todas as áreas de aplicação. O que você vê no mercado?

Velocidade: Com a visão da IA ​​e a robótica, muitas pessoas pensam, isso substituirá um trabalhador? No entanto, existem muitos casos de uso em que a tecnologia ajuda os trabalhadores, em vez de substituí-los. Existe todo um campo de robôs colaborativos, que são robôs trabalhando com pessoas e robôs trabalhando juntos, colaborando em uma tarefa. Por exemplo, veja as coisas que Rover faz. Suponha que você tenha um humano que está fazendo uma função e eles precisam vagar. Digamos que eles precisem se deslocar por uma fazenda para realizar uma tarefa.

E se você tivesse o Rover, por uma questão de argumento, funcionasse como um barril de roda autônomo que segue o trabalhador e está sempre exatamente onde precisa estar com o que o trabalhador precisar. Esses tipos de casos de uso, os de robôs segurando uma peça no lugar enquanto um humano faz uma tarefa, aqueles em que os robôs auxiliam o trabalhador. Eu tenho uma verdadeira paixão e tenho feito muito trabalho em torno da tecnologia assistiva para ajudar os idosos e deficientes. Eu vejo um potencial incrível para essas coisas sentindo e interagindo com as pessoas.

Veja também: Por que a IoT ainda está atrasada em aplicativos de negócios práticos

Fragrância: Eu diria que para nós, você pode categorizar nossos clientes em duas categorias. Ou eles estão carregando coisas com o robô, transportando mercadorias pelo armazém ou carregando mercadorias pela fazenda, ou estão colocando sensores no robô e coletando dados. Essas são, em geral, as duas maiores funções que vemos nossos robôs sendo usados ​​pelas empresas.

Como a computação de borda e a IA se combinam?

RTInsights: Essa é uma pista perfeita para a minha última pergunta. Esses sistemas podem coletar grandes quantidades de dados de muitos sensores e dispositivos IoT. Com todos esses dados sendo gerados e a necessidade de análises rápidas, essa é a tempestade perfeita para usar computação de borda e IA juntos?

Velocidade: Eu definitivamente acho que sim. Nossos amigos da AWS falam sobre 'por que fazer edge'? Eles falam sobre a lei da física. Você consegue obter os dados nos tipos de volumes que são gerados na nuvem? Há muitas coisas dependendo de RF, topologia de rede, outros tipos de coisas. Existe a lei da economia. É economicamente viável? Provavelmente não quando você tem operadoras de celular que fazem coisas como cobrar por byte. Mesmo que você tenha a infraestrutura de rede, a largura de banda para levar todos os dados para a nuvem, é econômico? Depois de colocá-lo na nuvem, dependendo dos tipos de cargas de trabalho, é econômico trabalhar com esse tipo de volume de dados? Há um estudo universitário interessante que comparou e contrastou, por exemplo, fazer coisas como processamento de vídeo e cargas de trabalho de processamento de áudio usando tecnologias da AWS, usá-las na nuvem e usá-las com a borda.

Eles analisaram coisas como o AWS IoT Greengrass, que faz análise de aprendizado de máquina usando modelos desenvolvidos na nuvem. O que eles (os pesquisadores da universidade) descobriram é basicamente que a economia é oito vezes melhor fazendo essas cargas de trabalho no limite. Mas para mim, ainda mais importante do que a economia é a latência. Muitas vezes, você move essas coisas para o limite porque precisa que aconteça naquele momento, para ser muito rápido no momento. Se eu levar o vídeo para a nuvem e fizer análises e depois trazer uma decisão de volta, pode ser tarde demais, muito lento. Uma pessoa foi ferida, um equipamento foi quebrado ou o prédio foi incendiado. Esse é um exemplo de uso do edge.

Então você também entra nessas questões da lei da terra. Acreditamos no desenvolvimento dos modelos, treinando os modelos na nuvem. Desenvolver um modelo é computacionalmente caro e fazê-lo em um
pequeno equipamento na borda se, por exemplo, isso levasse um dia, você pudesse criar esse mesmo modelo na nuvem e fazê-lo em uma hora. Mas ao analisar os dados em si, você precisa pensar em alguns dos problemas de privacidade sobre os quais estava falando antes. Como você lida com segurança com informações de identificação pessoal ou faz o reconhecimento facial? Na fábrica, você sabe quem é o trabalhador.

No entanto, com todos esses dados brutos, pode haver alguns problemas de sensibilidade. Pode haver questões legais, sociais ou culturais em torno de levar esses dados do local de trabalho para outro lugar. É aí que você entra nessas questões da lei da terra. Trabalhando no limite, ele atende perfeitamente a muitos desses tipos de necessidades.

Fragrância: A explosão de dados que precisam ser analisados ​​rapidamente é, de fato, a tempestade perfeita para o uso de edge computing. Vemos muitos clientes entusiasmados com a computação em nuvem, especialmente com a robótica. Eles acham que, se eu puder transmitir Netflix em 4K ou transmitir todos esses dados de vídeo para frente e para trás, será fácil transmitir dados de imagem para a nuvem e depois processar lá, onde você tem muito mais recursos. Mas acho que o que muitas vezes passa despercebido é que, se você é um robô e está em roaming, agora precisa alternar entre diferentes pontos de acesso. Vemos muitos clientes empolgados com a computação em nuvem se depararem com esse obstáculo, e é algo que eles ficam presos por meses e depois mudam para a computação de borda. Mesmo em um depósito, se você estiver tentando integrar seus robôs em um depósito, estará pulando de um ponto de acesso para outro e perderá a conexão com frequência.

Veja também: Centro de computação de borda

Então você precisa dizer ao seu cliente:“Ei, você precisa atualizar para roteadores melhores porque seu novo roteador não é compatível com 80211.AC”. Então eles perguntam:“O que diabos esses números significam?” Então você diz:“Ok, esqueça. Vamos colocar mais computação no robô para que possamos fazer essas tarefas.” Esse problema só piora quando você se muda para fora. Com robôs críticos para a segurança circulando do lado de fora, como Joe disse, você não pode enviar as imagens para a nuvem e depois voltar para o robô para decidir se deve parar ou não antes de atravessar a rua. Ele simplesmente não funciona para aplicações críticas de segurança. A latência é muito grande para isso.

Velocidade: A nuvem é muito importante em tudo isso, mas não necessariamente do jeito que muita gente pensa. Se eu puder fazer análises e aprendizado de máquina na borda, não preciso enviar grandes quantidades de dados para a nuvem. Isso elimina problemas de latência. Se estou em uma plataforma de petróleo no Alasca, vejo um urso, em vez de enviar um vídeo do urso, o que você faz é enviar informações - há um urso. Qual é o evento particular ou inferência que você encontrou? A gente vê muito isso. Basta pensar em termos, em vez de transmitir dados para a nuvem, transmitir informações, transmitir a saída da análise.

Você também deve colocar esses sistemas juntos para serem confiáveis. Isso é algo com o qual eu costumava lidar ao trabalhar em um carro conectado e tópicos de análise aumentada em nuvem e segurança automotiva. Você precisa pensar nisso como algo que geralmente está conectado, muitas vezes conectado, ocasionalmente conectado. Como você coloca esses sistemas juntos para trabalhar com basicamente uma suposição de que você terá uma rede não confiável? Se você conseguir fazê-lo funcionar corretamente nesse ambiente, basicamente ficará bem. Mas você deve ter conectividade sempre impecável com latências dentro de um determinado SLA, ou terá problemas no mundo real.