Aproveitando IA para Transformar a Automação Industrial

As abordagens mais avançadas para sistemas robóticos totalmente inteligentes

IA (inteligência artificial) permite automação de número crescente de processos de negócio e aplicações industriais. O escopo e ritmo da automação inteligente dependem diretamente dos avanços em IA e, como tal, experimentaram saltos gigantescos nos últimos anos. Combinada com poderosa visão 3D de máquina, IA permite que robôs reconheçam, localizem e manipulem qualquer tipo de objeto, automatizando tarefas que seriam perigosas, monótonas ou exigentes demais para humanos.

Mas o que se entende por IA em automação industrial, como funciona e que possibilidades abre para fábricas e empresas que buscam modernidade, inovação e produtividade aumentada? Primeiro, vamos ver os primórdios da IA e seu desenvolvimento gradual.

Das primeiras arquiteturas às redes neurais convolucionais

O termo IA pode representar várias capacidades e processos de máquina — desde estatísticas simples até árvores de decisão, até redes neurais, como redes neurais convolucionais, ou abordagens ainda mais avançadas como aprendizado por reforço.

A história do desenvolvimento da IA testemunhou várias abordagens, mas redes neurais provaram ser as mais promissoras e interessantes graças à sua capacidade de generalizar.

Nos anos 1990 e início dos 2000, redes neurais receberam grande atenção graças às primeiras aplicações bem-sucedidas de reconhecimento de caracteres, incluindo leitura de números manuscritos em cheques bancários e CEPs de cartas. Essas redes neurais foram treinadas no chamado dataset MNIST (sigla para Modified National Institute of Standards and Technology), coleção de dígitos manuscritos de 0 a 9 usada em aprendizado de máquina e visão computacional para treinar sistemas de processamento de imagem. Dataset MNIST serviu como base para benchmarking de algoritmos de classificação e ainda é usado hoje para treino e teste.

Embora essas redes neurais clássicas consigam aprender praticamente qualquer coisa, elas representam uma arquitetura antiga, totalmente conectada e treiná-las requer muito tempo e esforço. Isso porque todos neurônios em uma camada estão totalmente conectados aos neurônios na próxima camada — o que significa enorme número de parâmetros para aprender, crescendo com o tamanho da imagem. Embora desempenho de computadores tenha melhorado, ainda leva muito tempo para treinar reconhecimento de imagens mesmo pequenas.

Um ponto de virada no desenvolvimento da IA foi marcado pela introdução de redes neurais convolucionais (CNNs). CNNs são usadas principalmente para analisar imagens visuais, incluindo classificação de imagens ou reconhecimento de padrões, e formam a espinha dorsal de muitos sistemas modernos de visão de máquina. Outro campo principal de aplicação é processamento de linguagem natural.

Uma CNN, de forma bem simplificada, é inspirada no sistema de córtex visual no cérebro. A ideia principal por trás de CNNs não é conectar todos neurônios uns aos outros, como em redes totalmente conectadas, mas apenas com neurônios vizinhos para criar proximidade, já que entradas vizinhas, como pixels, carregam informação relacionada. Isso significa que CNNs podem ter várias camadas e neurônios em uma camada só estão conectados a neurônios na próxima camada que estão espacialmente próximos a eles. Isso reduz complexidade, número de neurônios na rede e, consequentemente, também número de parâmetros para aprender. Graças a isso, CNNs são mais rápidas para treinar, precisam de menos amostras e também podem ser aplicadas a imagens maiores.

O termo "convolucional" refere-se ao processo de filtragem pelo qual CNNs detectam padrões. As camadas individuais convolvem, ou seja, combinam, a entrada e passam o resultado para a próxima camada.

O progresso no desenvolvimento de CNNs também foi acelerado pelos avanços em unidades de processamento gráfico (GPUs). Seu desempenho e poder de cálculo melhoraram imensamente nos últimos anos, abrindo novas possibilidades para treino de CNNs.

Um dos líderes mais reconhecidos no campo de IA, frequentemente chamado de "Padrinho da IA", é Geoffrey Hinton. Ele tem diploma em psicologia experimental e inteligência artificial. Essa combinação deu-lhe grande insight sobre como treinar redes neurais artificiais.

Em 2012, seu aluno Alex Krizhevsky marcou outro ponto de virada na IA ao criar uma CNN capaz de imitar a forma como o cérebro humano reconhece objetos. A CNN foi chamada AlexNet e pela primeira vez na história permitiu a uma máquina identificar objetos como uma pessoa.

Este avanço popularizou redes neurais convolucionais e mostrou a enorme gama de aplicações onde CNNs poderiam ser usadas.

Treinando uma rede neural convolucional

No reconhecimento de objetos, é importante que uma CNN tenha propriedade chamada invariância. Isso significa que ela é invariante a translação, ponto de vista, tamanho ou iluminação para conseguir interpretar padrões de entrada e classificar objetos independentemente de onde e como estão colocados em uma imagem. Para alcançar isso, CNN precisa ser treinada em certa quantidade de exemplos. Uma das melhores práticas para aumentar quantidade de dados relevantes em um dataset é aumento de dados (data augmentation).

Aumento é a prática de modificar dados de entrada, ou seja, a imagem original, para gerar várias outras versões ligeiramente alteradas. Técnicas de aumento incluem inversão horizontal ou vertical, rotação, escala, corte, deslocamento da imagem nas direções X ou Y, entre outras.

Treinar CNN em dados alterados torna seus neurônios imunes a tais aumentos e impede que aprenda padrões irrelevantes. Um papagaio invertido será, assim, ainda reconhecido como papagaio.

O que vem muito a calhar aqui é o chamado aprendizado por transferência (transfer learning). Para eliminar quantidade de dados de treino, pode-se usar rede existente e já treinada e aplicar alguns de seus filtros para reconhecimento de novos tipos de objetos. Por exemplo, rede treinada para reconhecer cães também pode ser usada para reconhecer gatos mantendo alguns de seus filtros e modificando apenas certa parte. Isso significa que a rede se adaptará ao reconhecimento de gatos.

Benefícios de redes neurais convolucionais modulares

O grande valor das CNNs reside em sua arquitetura e no fato de que módulos individuais analisam blocos únicos de imagem. Os módulos não precisam ser treinados simultaneamente e podem ser facilmente unidos. Combinar esses módulos bem treinados deu origem a arquiteturas complexas que podem ser usadas para segmentação.

Em contraste com a AlexNet, que só reconhece o que está na imagem, essas CNNs complexas fazem segmentação de objetos e definem a localização do objeto na imagem.

Essa modularidade permite usar vários canais de entrada, o que significa que se a CNN era usada para dados preto e branco, também pode ser usada para dados coloridos, e se era usada para dados coloridos, pode ser estendida por informação de profundidade. Adicionar informação extra impulsiona o desempenho da CNN, incluindo maior precisão e melhor reconhecimento de objetos e suas posições.

Do reconhecimento de objetos a soluções de automação inteligente

Com base nos recursos e características acima das redes neurais convolucionais, a Photoneo adotou CNNs como base para seus avançados sistemas de inteligência robótica e soluções de automação.

A CNN da Photoneo trabalha com dados preto e branco, coloridos, bem como informação de profundidade. Os algoritmos são treinados em grande dataset de objetos e, se encontrarem novos tipos de itens, conseguem generalizar rapidamente, ou seja, reconhecer e classificar objetos que não "viraram" antes.

Vamos tomar o conceito de uma caixa, por exemplo. Os algoritmos foram treinados em grande dataset de caixas, então entendem que uma caixa tem certo número de faces, arestas e vértices. Este princípio também funcionará para caixas que os algoritmos não encontraram antes, mesmo amassadas ou danificadas. O maior valor da IA reside no fato de que ela pode generalizar conceitos nos quais foi treinada sem necessidade de novo treinamento.

Isso permite que sistemas Photoneo reconheçam itens de várias formas, tamanhos, cores ou materiais — habilidade robótica usada para localização e manipulação de objetos mistos, incluindo itens orgânicos como frutas ou peixes, triagem de encomendas, descarregamento de paletes carregados com caixas, e muitas outras aplicações industriais.

Também pode acontecer que os algoritmos encontrem objetos com características fundamentalmente diferentes daqueles nos quais foram treinados. Isso pode confundir a CNN e causar queda em seu desempenho. O que pode ser feito para resolver isso é ou prevenir esperando objetos exóticos ou ter bom sistema de re-treinamento. No último caso, o desempenho será temporariamente menor, mas a CNN será re-treinada para atingir desempenho total rapidamente.

Caso cliente precise coletar itens incomuns ou produtos não-comerciais como componentes industriais, a CNN pode ser treinada em dataset específico contendo esses itens exóticos.

Quando se trata da realização de projeto de cliente, o cliente recebe a CNN da Photoneo para teste piloto e estudo de viabilidade para garantir que a rede pode ser usada para aquela aplicação específica. Esta CNN pode então ser melhorada e treinada further com imagens da fase piloto do projeto, proporcionando maior variabilidade.

O maior desafio no reconhecimento e coleta de objetos com IA

O maior desafio também pode ser descrito como a última peça do quebra-cabeça que faltava na gama de objetos coletáveis. Esta última peça eram as sacolas.

A dificuldade reside na natureza das sacolas, pois são extremamente deformáveis e cheias de rugas, dobras e outras irregularidades. Apesar dos desafios que sacolas representam para a IA, a Photoneo desenvolveu sistema capaz de reconhecer e coletar sacolas, sejam cheias, meio vazias, coloridas, transparentes ou semi-transparentes. Esta tarefa é frequentemente desafiadora até para o olho humano, que pode achar difícil reconhecer limites entre sacolas colocadas caoticamente em um contêiner, especialmente se transparentes.

No entanto, bom reconhecimento e localização de sacolas são apenas parte da pré-condição para coleta bem-sucedida. A outra parte refere-se ao lado mecânico da aplicação — o gripper do robô. O fato de sacolas serem cheias de dobras e rugas aumenta risco de caírem do gripper. Esse risco pode ser prevenido usando gripper a vácuo apropriado com feedback.

Desenvolvimentos futuros da IA

Apesar dos avanços significativos feitos em IA nos últimos anos, o campo ainda oferece vasto espaço para novas conquistas. Por exemplo, o chamado aprendizado por reforço (reinforcement learning) recebe grande atenção por parecer muito promissor ao sugerir movimentos complexos, por exemplo permitindo que robô ajuste posição de item antes de agarrá-lo.

Aprendizado por reforço não só lida com reconhecimento de objetos, mas também com problemas mecânicos de uma aplicação. Isso significa que não só permite que sistema reconheça itens, mas também avalie etapas individuais de ação do robô baseada em recompensas e punições e "calcule" chance de sucesso ou falha. Em outras palavras, algoritmos de IA são treinados para tomar sequência de decisões que levarão a ações maximizando recompensa total. Exemplo do poder do aprendizado por reforço é dominar e vencer o jogo de tabuleiro Go.

Apesar de seu imenso potencial, aprendizado por reforço está intimamente ligado ao ambiente em que é colocado e às limitações que pode impor. Por exemplo, o gripper implantado e suas funcionalidades e limitações sempre influenciarão desempenho geral do sistema.

IA é o principal motor de tecnologias emergentes e seus desenvolvimentos dependerão muito de vários fatores, incluindo demandas de mercado, expectativas de clientes, competição e muitos outros.