Adotando IA na Robótica: Aumentando Produtividade e Mitigando Preocupações com Empregos

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

Robôs têm o potencial de mudar a forma como as empresas fazem negócios automatizando muitas tarefas. Quando combinados com tecnologia de inteligência artificial (IA), robôs podem se tornar autônomos. Mas a combinação dessas tecnologias levanta muitas questões. Robôs assistidos por IA eliminarão empregos ou auxiliarão trabalhadores, tornando-os mais produtivos? À medida que a IA dá aos robôs capacidades como visão computacional, também existem questões de privacidade. E então há o desafio de como trabalhar com os grandes volumes de dados que podem ser usados. Onde processar esses dados? Na nuvem? No edge?

Para obter uma melhor compreensão dessas questões, casos de uso e o papel do edge, nos sentamos com Joe Speed, CTO de Soluções IoT e Tecnologia na ADLINK, provedora de soluções de computação edge de ponta que suportam a transição para sistemas Industrial IoT conectados em todas as indústrias. Também participando de nossa discussão estava Nick Fragale, Fundador da Rover Robotics, que desenvolve robôs robustos de grau industrial usando ROS, o sistema operacional de robôs.

Existem Preocupações Sobre o Uso de IA?

RTInsights: Parece que empresas são relutantes em usar IA devido a diferentes medos. Que tipos de preocupações você ouve de usuários potenciais quando se trata de sua adoção de IA?

Speed: A maioria das preocupações que ouço sobre IA tem a ver com alguns dos aspectos de privacidade. Você ouve pessoas levantarem preocupações quando fala sobre reconhecimento facial, e alguns dos outros aspectos, como IA aplicada a tópicos como vigilância em massa. As pessoas ficam um pouco nervosas. Eu não necessariamente vejo tanto medo ou preocupações sobre IA nos tipos de espaços onde tendemos a focar. A maior parte de nossa tecnologia geralmente está em, sobre ou perto de algo — como equipamento, um processo, a célula de trabalho, a instalação. Geralmente é onde nossa IA está sendo usada.

Nesses casos, a aplicação de IA está pegando um processo existente e garantindo que ele opere de forma confiável. Ajuda com saúde de máquinas e outras coisas. Permite que empresas peguem uma célula de trabalho e a façam funcionar de forma mais eficiente. E empresas podem pegar um sistema legado existente, maquinário existente ou um processo existente, instrumentá-lo e torná-lo mais seguro.

Em muitas dessas aplicações, não estamos realmente encontrando as preocupações de privacidade relacionadas a reconhecimento facial e vigilância em massa. Os sistemas são usados dentro da sua empresa versus sistemas que vigiam pessoas em público. Em um ambiente corporativo, o uso de IA foca em tornar um processo ou operação melhor, ajudando trabalhadores a fazerem seus trabalhos melhor. O que vemos para algumas dessas coisas é que IA, especificamente machine learning aplicado a visão computacional, está muito quente. Outro uso muito popular é em torno de fusão de sensores. Em tais casos de uso, a questão é como combinar visão com outros tipos de dados de sensores ou telemetria de equipamentos legados existentes e então colocar esses juntos para ter uma melhor compreensão do que está acontecendo.

Fragale: Eu diria da nossa perspectiva, nossos clientes vieram do espaço de pesquisa e acadêmico, e por isso são muito abertos ao uso de IA. A idade média do nosso cliente é provavelmente em torno de 30. Agora que vamos entrar no mercado de logística com nosso novo produto, o Rover AMR 100, isso mudará. Mas até agora, não vimos nenhuma resistência à implementação de IA.

Como a IA Está Sendo Usada na Robótica?

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

Speed: Uma das maiores áreas é percepção. Pense apenas em câmeras, embora seja um pouco mais que isso. Você tem muitas tecnologias diferentes que podem ser usadas para dar percepção ao robô. A óbvia é câmeras, mas mesmo dentro de câmeras, é uma câmera única, é uma câmera estéreo, é uma câmera de detecção de profundidade 3D, é espectro visível ou infravermelho? Então você também tem algumas outras tecnologias que dão percepção, que você pode quase pensar como visual, mas 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 LIDAR, basicamente, pense nisso como radar. A forma como explico para minha família é: você sabe o que é radar? Claro. Bem, a mesma coisa mas lasers em vez de ondas de rádio.

Você tem o laser girando. Ele ricocheteia nas coisas. Usando para veículos autônomos, você não vê realmente um carro. Mas o que você vê é uma nuvem de pontos em forma de carro, e também te dá outras coisas por causa do efeito Doppler. Você pode dizer se aquela nuvem de pontos está em movimento. Está vindo em minha direção ou se afastando, a que taxa?

Veja também: Por Que a Computação Edge Pode Ajudar IoT a Alcançar Seu Potencial Total

Então você também tem ultrassom e radar e algumas outras coisas que você não necessariamente pensaria hoje. Quando você começa a ter operações autônomas, essas tecnologias de alcance desempenharão um papel. Como no caso da Rover, você tem um robô de 40 libras, e ele está operando autonomamente. Mas se você pegar isso de ser um robô de 40 libras para ser 400 libras, 4.000 libras, agora você está na classe de [equipamento] que começa a se tornar perigoso. Como você faz coisas como operar máquinas pesadas com segurança, e como você faz isso de forma mais autônoma ou automatizada sem ferir pessoas ou causar danos à propriedade? Algumas dessas outras tecnologias podem ser usadas.

Por exemplo, você pode usar ultrassom para coisas muito próximas onde você pode não necessariamente ter cobertura de câmera. Na robótica, há dois lugares onde vejo 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 ultrassom podem auxiliar navegação. Eles podem ser usados para responder perguntas como: Como um sistema robótico ou autônomo sabe onde está, como sabe para onde vai, como faz isso sem colidir com 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 robótica de coleta de peças, onde um braço pega peças de uma caixa e as coloca na coisa que você está montando ou em outra caixa. Esta é uma aplicação muito popular. Então você pode obviamente combinar IA e robótica. Você também pode ter robôs móveis com atuadores com garras que são capazes de interagir com seu ambiente.

Essa é realmente toda a área de machine learning de IA. É onde vemos isso sendo aplicado.

Fragale: Nossa perspectiva na Rover Robotics é bem similar à do Joe. Mas eu diria, em grande parte, a coisa número um que vemos pessoas usando IA é para câmeras, analisando dados de câmera, e especificamente fazendo inspeções. Qualquer empresa que queira continuar monitorando algo pode usar esta tecnologia. A aplicação poderia ser uma empresa de petróleo querendo monitorar se seus canos estão enferrujando. Eles podem fazer isso agora 24/7 com um robô móvel. Ou você pode ter uma instalação de armazém onde precisa inspecionar tags RFID para fazer inventário. Qualquer coisa que você queira inspecionar na sua instalação, agora você pode fazer com um robô e uma câmera.

Quais Indústrias Estão Usando IA e Robótica?

RTInsights: Existem indústrias particulares, como manufatura, logística, cuidados com idosos ou atendimento ao cliente, onde já estamos vendo IA e robótica sendo usadas?

Fragale: Sim. Eu diria que as maiores indústrias são logística, manufatura e construção. São aquelas onde robôs já estão usando IA para fazer coisas. No caso de construção, há muitas empresas tentando recuperar o dinheiro perdido todo ano por ineficiências. Por exemplo, garantir que você instale todos os canos 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 tem um robô andando pelo seu canteiro de obras e procurando coisas como essas, coisas que são críticas no projeto de construção geral, então você pode recuperar muito daquele custo que tipicamente é perdido.

Speed: Sim, definitivamente, inspeção é uma grande. Fazemos muito negócio em torno de inspeção, especificamente inspeção visual. No campo, há 400.000 câmeras conectadas aos nossos sistemas de visão fazendo isso e outros tipos de casos de uso. Onde fica realmente interessante para mim é em vez de câmeras fixas em uma linha de montagem, em uma bancada de trabalho, ou em uma esteira inspecionando coisas conforme passam, é pegar os dois temas de inspeção visual baseada em IA e robótica autônoma e combinar esses. Pense no robô. Em vez de bens físicos sendo trazidos para a câmera, a câmera vai até a coisa que precisa de inspeção. Você tem o exemplo de construção com robôs móveis realizando inspeções percorrendo o local. Deveria haver um duto de ar. Está no lugar? Estamos adiantados ou atrasados no cronograma?

Outro exemplo é um varejista usando IA e um robô para olhar o que está em estoque. O varejista poderia então comparar o que um robô fisicamente observa com o que a gerência da loja e sistemas de logística de armazém dizem que está em estoque. Essa é uma área que sou super apaixonado, e estamos totalmente envolvidos com robótica aberta.

Hoje em dia, robótica é praticamente soletrada R-O-S, que é um sistema operacional de robô. Não é nem um robô nem um sistema operacional. É um framework open-source para desenvolver robótica. Estamos trabalhando com e contribuindo para isso. Então, você junta isso com visão de IA, novamente, um campo com muita ênfase em torno do open source. À medida que essas coisas são combinadas, vai ser um tempo realmente interessante.

Quais São as Principais Funções Assistidas por Robôs Sendo Realizadas?

RTInsights: Vamos aprofundar em quais funções assistidas por robôs estão sendo realizadas em todas as áreas de aplicação. O que você vê no mercado?

Speed: Com visão de IA e robótica, muitas pessoas pensam, isso vai substituir um trabalhador? No entanto, há muitos casos de uso onde a tecnologia ajuda 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 a Rover faz. Suponha que você tenha um humano fazendo uma função e eles têm que se mover. Digamos que precisem se mover por uma fazenda para realizar uma tarefa.

E se você tivesse o Rover, para o bem do argumento, funcionar como uma carriola autônoma que segue o trabalhador e está sempre exatamente onde precisa estar com o que o trabalhador precisa. Esses tipos de casos de uso, os de robôs segurando uma peça no lugar enquanto um humano faz uma tarefa, aqueles onde os robôs auxiliam o trabalhador. Eu tenho uma verdadeira paixão por e fiz muito trabalho em torno de tecnologia assistiva para ajudar idosos e deficientes. Vejo potencial incrível para essas coisas sensando e interagindo com as pessoas.

Veja também: Por Que IoT Ainda Fica Atrás em Aplicações Práticas de Negócios

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

Como Edge Computing e IA Se Encaixam?

RTInsights: Essa é uma introdução perfeita para minha última pergunta. Tais sistemas podem coletar grandes quantidades de dados de muitos sensores e dispositivos IoT. Com todos esses dados sendo gerados, e a necessidade de análise rápida, esta é a tempestade perfeita para usar edge computing e IA juntos?

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

Eles olharam coisas como AWS IoT Greengrass, que faz análise de machine learning usando modelos desenvolvidos na nuvem. O que eles (os pesquisadores universitários) chegaram é basicamente que a economia é oito vezes melhor fazendo essas cargas de trabalho no edge. Mas para mim, ainda mais importante que a economia é a latência. Muitas vezes, você move essas coisas para o edge porque precisa que aconteça agora, para ser muito rápido no momento. Se eu levar o vídeo para a nuvem e fazer análises e então trazer uma decisão de volta, pode ser tarde demais, muito lento. Uma pessoa se feriu, um equipamento quebrou, ou o prédio queimou. Esse é um exemplo de uso do edge.

Então você também entra nessas questões da lei da terra. Acreditamos em desenvolver os modelos, treinar os modelos na nuvem. Desenvolver um modelo é computacionalmente caro e fazê-lo em um pequeno equipamento no edge se, por exemplo, isso levasse um dia, você poderia subir aquele mesmo modelo na nuvem e tê-lo feito em uma hora. Mas ao analisar os dados em si, você precisa pensar sobre alguns dos problemas de privacidade que você estava falando antes. Como você lida de forma segura com dados com informações de identificação pessoal ou faz reconhecimento facial? Na fábrica, você sabe quem é o trabalhador.

No entanto, com todos aqueles dados brutos, pode haver alguns problemas de sensibilidade. Pode haver questões legais, sociais ou culturais em torno de tirar aqueles dados do local de trabalho para outro lugar. É aí que você entra nessas questões da lei da terra. Trabalhar no edge, isso satisfaz de forma limpa muitas dessas necessidades.

Fragale: A explosão em dados que precisam ser analisados rapidamente é, de fato, a tempestade perfeita para usar edge computing. Vemos muitos clientes que estão entusiasmados com computação em nuvem, especialmente com robótica. Eles pensam que, se eu posso transmitir Netflix em 4K ou posso transmitir todos esses dados de vídeo de ida e volta, será fácil transmitir dados de imagem para a nuvem e então fazer processamento lá, onde você tem muito mais recursos. Mas acho que o que frequentemente é esquecido é que se você é um robô e está andando por aí, agora você está tendo que pular entre diferentes pontos de acesso. Vemos muitos clientes que estão entusiasmados com computação em nuvem esbarrarem nesse obstáculo, e é algo em que eles ficam presos por meses, e então mudam para edge computing. Mesmo em um armazém, se você está tentando integrar seus robôs em um armazém, você estará pulando de um ponto de acesso para outro, e perderá conexão frequentemente.

Veja também: Centro de Computação Edge

Então você se depara com 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 aqueles 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 vai para fora. Com robôs críticos de segurança andando lá fora, como Joe disse, você não pode ter as imagens sendo enviadas para a nuvem e então de volta para o robô para tomar a decisão de parar ou não antes de atravessar a rua. Simplesmente não funciona para aplicações críticas de segurança. A latência é grande demais para isso.

Speed: A nuvem é muito importante em tudo isso, mas não necessariamente da forma que muitas pessoas pensam. Se eu posso fazer as análises e machine learning no edge, eu não preciso enviar grandes quantidades de dados para a nuvem. Isso elimina problemas de latência. Se estou em um local de plataforma de petróleo no Alasca, vejo um urso, em vez de enviar vídeo do urso, o que você faz é enviar informação — Há um urso. Qual é o evento ou inferência particular que você encontrou? Vemos muito disso. Pense em termos de, em vez de transmitir dados para a nuvem, transmita informação, transmita a saída das análises.

Você também deve montar esses sistemas para serem confiáveis. Isso é algo com que eu lidei quando trabalhava em carro conectado e tópicos de análise aumentada na nuvem e segurança automotiva. Você precisa pensar nisso como algo que geralmente está conectado, frequentemente conectado, ocasionalmente conectado. Como você monta esses sistemas para trabalhar com basicamente a suposição de que você vai ter uma rede não confiável? Se você conseguir fazer funcionar direito naquele ambiente, você basicamente estará bem. Mas você deve ter conectividade sempre impecável com latências dentro de um certo SLA, ou você vai ter problemas no mundo real.