Por qué las empresas y los trabajadores no deberían tener miedo de usar la IA en los esfuerzos de robótica

El papel que desempeñará la inteligencia artificial en la robótica estará determinado en gran medida por los casos de uso y la resolución de problemas informáticos y de privacidad.

Los robots tienen el potencial de cambiar la forma en que las empresas hacen negocios al automatizar muchas tareas. Cuando se combina con la tecnología de inteligencia artificial (IA), los robots pueden volverse autónomos. Pero la combinación de estas tecnologías plantea muchos problemas. ¿Los robots asistidos por IA eliminarán trabajos o ayudarán a los trabajadores, haciéndolos más productivos? Dado que la IA brinda capacidades a los robots, como la visión artificial, también existen problemas de privacidad. Y luego está el desafío de cómo trabajar con los grandes volúmenes de datos que podrían usarse. ¿Dónde procesas esos datos? ¿En las nubes? ¿En el borde?

Para comprender mejor estos problemas, los casos de uso y el papel del borde, nos sentamos con Joe Speed, CTO de soluciones y tecnología de IoT en ADLINK, un proveedor de soluciones informáticas de vanguardia.
que respaldan la transición a sistemas de IoT industrial conectados en todas las industrias. También participó en nuestra discusión Nick Fragale, fundador de Rover Robotics, que desarrolla robots robustos de grado industrial utilizando ROS, el sistema operativo para robots.

¿Hay preocupaciones sobre el uso de IA?

RTInsights: Parece que las empresas son reacias a usar IA debido a diferentes temores. ¿Qué tipo de inquietudes escucha de los usuarios potenciales cuando se trata de su adopción de IA?

Velocidad: La mayoría de las preocupaciones que escucho sobre la IA tienen que ver con algunos aspectos de la privacidad. Escuchas a la gente expresar su preocupación cuando hablas sobre el reconocimiento facial y algunos de los otros aspectos, como la IA, aplicados a temas como la vigilancia masiva. La gente se pone un poco nerviosa. No veo necesariamente mucho miedo o preocupaciones sobre la IA en los tipos de espacios en los que tendemos a centrarnos. La mayor parte de nuestra tecnología suele estar dentro, sobre o cerca de algo, como un equipo, un proceso, la celda de trabajo, la instalación. Por lo general, ahí es donde se utiliza nuestra IA.

En estos casos, la aplicación de IA toma un proceso existente y garantiza que funcione de manera confiable. Ayuda con la salud de la máquina y otras cosas. Permite a las empresas tomar una celda de trabajo y hacer que funcione de manera más eficiente. Y las empresas pueden tomar un sistema heredado existente, maquinaria existente o un proceso e instrumento existente y hacerlo más seguro.

En muchas de estas aplicaciones, realmente no nos encontramos con las preocupaciones de privacidad relacionadas con el reconocimiento facial y la vigilancia masiva. Los sistemas se utilizan dentro de su empresa frente a los sistemas que vigilarían a las personas en público. En un entorno empresarial, el uso de la IA se centra en mejorar un proceso u operación, ayudando a los trabajadores a hacer mejor su trabajo. Lo que vemos para algunas de estas cosas es que la IA, específicamente el aprendizaje automático aplicado a la visión por computadora, está muy de moda. Otro uso muy popular es la fusión de sensores. En tales casos de uso, el problema es cómo combino la visión con otros tipos de datos de sensores o telemetría de equipos heredados existentes y luego los combino para tener una mejor comprensión de lo que está sucediendo.

Fragale: Diría que desde nuestra perspectiva, nuestros clientes provienen del espacio académico y de investigación, por lo que están muy abiertos a usar IA. La edad promedio de nuestro cliente es probablemente alrededor de los 30 años. Ahora que vamos a ingresar al mercado de la logística con nuestro nuevo producto, el Rover AMR 100, eso cambiará. Pero hasta ahora, no hemos visto ninguna resistencia a implementar la IA.

¿Cómo se utiliza la IA en la robótica?

RTInsights: Ese es un gran paso. Obviamente, un área de interés de la IA es la robótica. ¿Cómo se utiliza la IA en la robótica?

Velocidad: Una de las áreas más importantes es la percepción. Solo piensa en cámaras, aunque es un poco más que eso. Tiene muchas tecnologías diferentes que se pueden usar para dar percepción al robot. La más obvia son las cámaras, pero incluso dentro de las cámaras, ¿es una sola cámara, es una cámara estéreo, es una cámara de detección de profundidad 3D, es de espectro visible o infrarrojo? Luego, también tiene algunas otras tecnologías que brindan percepción, que casi podría pensar que son visuales, pero son un poco diferentes. Son cosas como LIDAR. (Light Detection and Ranging es un método de detección remota que utiliza luz láser pulsada para medir distancias). Con LIDAR, básicamente, piense en ello como un radar. La forma en que se lo explico a mi familia es ¿sabes qué es un radar? Por supuesto. Bueno, lo mismo pero láseres en lugar de ondas de radio.

Tienes el láser girando. Rebota en las cosas. Usándolo para vehículos autónomos, en realidad no ves un automóvil. Pero lo que sí ves es una nube de puntos con forma de coche, y también te da otras cosas debido al efecto Doppler. Puedes saber si esa nube de puntos está en movimiento. ¿Se acerca o se aleja de mí, a qué velocidad?

Véase también: Por qué Edge Computing puede ayudar a IoT a alcanzar todo su potencial

Luego, también tiene ultrasonido y radar y algunas otras cosas en las que quizás no piense necesariamente hoy. Cuando comience a obtener operaciones autónomas, estas tecnologías de rango desempeñarán un papel. Como en el caso de Rover, tienes un robot de 40 libras y funciona de forma autónoma. Pero si tomas eso de ser un robot de 40 libras a 400 libras, 4000 libras, ahora estás en la clase de [equipo] que comienza a volverse peligroso. ¿Cómo hace cosas como operar maquinaria pesada de manera segura y cómo lo hace de una manera más autónoma o automatizada sin lesionar a las personas o causar daños a la propiedad? Se pueden usar algunas de estas otras tecnologías.

Por ejemplo, puede usar el ultrasonido para los tipos de cosas muy cercanas en las que no necesariamente tiene cobertura de cámara. En robótica, hay dos lugares en los que veo que se aplica la IA, y luego (IA y robótica) terminan mezclándose, que es cuando tienes una operación autónoma, especialmente robots móviles y cosas que se mueven.

LIDAR, radar y ultrasonido pueden ayudar a la navegación. Se pueden usar para responder preguntas como:¿Cómo sabe un sistema robótico o autónomo dónde está, cómo sabe adónde va, cómo lo hace sin toparse con cosas o personas? Entonces también tienes robots que realmente interactúan con su entorno. El ejemplo clásico de esto sería cuando piensas en un robot industrial, como un brazo. ¿Cómo percibe el brazo lo que lo rodea? Un ejemplo de esto es la recolección de piezas robóticas, donde un brazo toma piezas de un contenedor y luego las coloca en una cosa que está ensamblando o en otro contenedor. Esta es una aplicación muy popular. Entonces, obviamente, puedes combinar IA y robótica. También puede tener robots móviles con actuadores con pinzas que pueden interactuar con su entorno.

Ese es realmente todo el campo del aprendizaje automático de IA. Ahí es donde vemos que esto se aplica.

Fragale: Nuestra perspectiva en Rover Robotics es bastante similar a la perspectiva de Joe. Pero yo diría que, en general, lo principal para lo que vemos a las personas que usan IA son las cámaras, el análisis de los datos de las cámaras y, específicamente, la realización de inspecciones. Cualquier empresa que desee continuar monitoreando algo puede usar esta tecnología. La aplicación podría ser una compañía petrolera que quiera monitorear si sus tuberías se están oxidando. Ahora pueden hacerlo las 24 horas del día, los 7 días de la semana con un robot móvil. O puede tener una instalación de almacén donde necesite inspeccionar las etiquetas RFID para hacer un inventario. Cualquier cosa que desee inspeccionar en sus instalaciones, ahora puede hacerlo con un robot y una cámara.

¿Qué industrias utilizan IA y robótica?

RTInsights: ¿Hay industrias en particular, como la fabricación, la logística, el cuidado de personas mayores o el servicio de atención al cliente, en las que ya estamos viendo el uso de la IA y la robótica?

Fragale: Sí. Diría que las industrias más grandes son la logística, la fabricación y la construcción. Esos son aquellos en los que los robots ya están usando IA para hacer cosas. En el caso de la construcción, hay muchas empresas que intentan recuperar el dinero que se pierde cada año por las ineficiencias. Por ejemplo, asegurarse de instalar todas las tuberías y rociadores correctos y todo el equipo de seguridad antes de colocar el concreto es muy importante para cualquier proyecto de construcción. Pero con muchos subcontratistas involucrados, a menudo puede haber un problema. Si tiene un robot que recorre su sitio de construcción y busca cosas como esa, cosas que son críticas en el proyecto de construcción en general, entonces puede recuperar gran parte de ese costo que normalmente se pierde.

Velocidad: Sí, definitivamente, la inspección es grande. Hacemos un montón de negocios en torno a la inspección, específicamente la inspección visual. En el campo, hay 400 000 cámaras conectadas a nuestros sistemas de visión para este y otros tipos de casos de uso. Sin embargo, donde se vuelve realmente interesante para mí es en lugar de cámaras fijas en una línea de ensamblaje, en un banco de trabajo o en un transportador inspeccionando las cosas a medida que pasan, es tomar los dos temas de la inspección visual basada en IA y la robótica autónoma. y combinarlos. Piensa en el robot. En lugar de traer bienes físicos a la cámara, la cámara va a lo que necesita inspección. Tiene el ejemplo de la construcción con robots móviles que realizan inspecciones deambulando por el sitio. Se supone que debe haber un conducto de aire. ¿Está en su lugar? ¿Estamos adelantados o atrasados?

Otro ejemplo es un minorista que usa IA y un robot para ver qué hay en stock. El minorista podría entonces comparar lo que observa físicamente un robot con lo que la gestión de la tienda y la logística del almacén
los sistemas dicen que está en stock. Esa es un área que me emociona muchísimo, y todos estamos dentro de la robótica abierta.

En estos días, la robótica se escribe R-O-S, que es un sistema operativo de robot. No es ni un robot ni un sistema operativo. Es un marco de código abierto para desarrollar robótica. Estamos trabajando y contribuyendo a eso. Luego, combinas esto con la visión de IA, nuevamente, un campo con mucho énfasis en torno al código abierto. Como estas cosas se combinan, será un momento realmente interesante.

¿Cuáles son las principales funciones asistidas por robótica que se están realizando?

RTInsights: Analicemos qué funciones asistidas por robótica se están realizando en todas las áreas de aplicación. ¿Qué ves en el mercado?

Velocidad: Con la visión de IA y la robótica, mucha gente piensa, ¿esto va a reemplazar a un trabajador? Sin embargo, hay muchos casos de uso en los que la tecnología ayuda a los trabajadores, en lugar de reemplazarlos. Existe todo un campo de robots colaborativos, que son robots que trabajan con personas y robots que trabajan juntos, colaborando en una tarea. Por ejemplo, mira las cosas que hace Rover. Suponga que tiene un humano que está haciendo una función y tiene que deambular. Digamos que necesitan moverse por una granja para realizar una tarea.

¿Qué pasaría si tuviera el Rover, por el bien de la discusión, que funciona como un barril de rueda autónomo que sigue al trabajador y siempre está justo donde debe estar con lo que sea que el trabajador necesite? Ese tipo de casos de uso, los de los robots que sostienen una pieza en su lugar mientras un humano realiza una tarea, aquellos en los que los robots ayudan al trabajador. Tengo una verdadera pasión y he trabajado mucho en torno a la tecnología de asistencia para ayudar a las personas mayores y discapacitadas. Veo un potencial increíble para que estas cosas detecten e interactúen con las personas.

Véase también: Por qué IoT todavía está rezagado en las aplicaciones empresariales prácticas

Fragale: Diría para nosotros, puede categorizar a nuestros clientes en dos categorías. O transportan cosas con el robot, por ejemplo, transportan mercancías por el almacén o transportan mercancías por la granja, o colocan sensores en el robot y recopilan datos. Esas son, en general, las dos funciones más importantes que vemos que utilizan nuestros robots en las empresas.

¿Cómo encajan la computación perimetral y la inteligencia artificial?

RTInsights: Esa es una pista perfecta para mi última pregunta. Dichos sistemas pueden recopilar grandes cantidades de datos de muchos sensores y dispositivos IoT. Con todos esos datos que se generan y la necesidad de un análisis rápido, ¿es esta la tormenta perfecta para usar la informática perimetral y la IA juntas?

Velocidad: Definitivamente lo creo. Nuestros amigos en AWS, hablan de "¿por qué Edge"? Hablan de la ley de la física. ¿Puede obtener los datos en los tipos de volúmenes que se generan en la nube? Hay muchas cosas que dependen de la RF, la topología de la red y otros tipos de cosas. Está la ley de la economía. ¿Es económicamente factible? Probablemente no cuando tienes operadores móviles que hacen cosas como cobrar por byte. Incluso si tiene la infraestructura de red, el ancho de banda para llevar todos los datos a la nube, ¿es económico? Una vez que lo lleva a la nube, dependiendo de los tipos de cargas de trabajo, ¿es económico trabajar con ese tipo de volúmenes de datos? Hay un estudio universitario interesante que comparó y contrastó, por ejemplo, hacer cosas como el procesamiento de video y las cargas de trabajo de procesamiento de audio usando tecnologías de AWS, usándolas en la nube y usándolas con el perímetro.

Observaron cosas como AWS IoT Greengrass, que realiza análisis de aprendizaje automático utilizando modelos desarrollados en la nube. Lo que se les ocurrió a ellos (los investigadores de la universidad) es básicamente que la economía es ocho veces mejor al hacer estas cargas de trabajo en el perímetro. Pero para mí, aún más importante que la economía es la latencia. Muchas veces, llevas estas cosas al límite porque necesitas que sucedan en ese momento, para ser muy rápido en el momento. Si llevo el video a la nube y hago análisis y luego vuelvo a tomar una decisión, puede ser demasiado tarde, demasiado lento. Una persona resultó lesionada, se rompió una pieza del equipo o se incendió el edificio. Ese es un ejemplo del uso de edge.

Entonces también te metes en estos temas de la ley de la tierra. Creemos en el desarrollo de los modelos, entrenando los modelos en la nube. Desarrollar un modelo es computacionalmente costoso y hacerlo en un
pequeña pieza de equipo en el borde si, por ejemplo, eso tomó un día, podría girar ese mismo modelo en la nube y tenerlo listo en una hora. Pero al analizar los datos en sí, debe pensar en algunos de los problemas de privacidad de los que estaba hablando antes. ¿Cómo maneja de forma segura los datos con información de identificación personal o hace reconocimiento facial? En la fábrica, sabes quién es el trabajador.

Sin embargo, con todos esos datos sin procesar, puede haber algunos problemas de sensibilidad. Puede haber problemas legales, sociales o culturales relacionados con llevar esos datos del lugar de trabajo a otro lugar. Ahí es donde te metes en estos temas de la ley de la tierra. Trabajando en el borde, satisface perfectamente muchos de estos tipos de necesidades.

Fragale: La explosión de datos que deben analizarse rápidamente es, de hecho, la tormenta perfecta para usar la computación perimetral. Vemos muchos clientes que están entusiasmados con la computación en la nube, especialmente con la robótica. Piensan que, si puedo transmitir Netflix a 4K o puedo transmitir todos estos datos de video de un lado a otro, será fácil transmitir datos de imágenes a la nube y luego procesarlos allí, donde tienes muchos más recursos. Pero creo que lo que a menudo se pasa por alto es que si eres un robot y estás deambulando, ahora tienes que rebotar entre diferentes puntos de acceso. Vemos que muchos clientes que están entusiasmados con la computación en la nube se topan con ese obstáculo, y es algo en lo que se obsesionan durante meses, y luego cambian a la computación perimetral. Incluso en un almacén, si intenta integrar sus robots en un almacén, saltará de un punto de acceso a otro y perderá la conexión con frecuencia.

Véase también: Centro de computación perimetral

Entonces se enfrenta a decirle a su cliente:"Oye, necesitas actualizar a mejores enrutadores porque tu nuevo enrutador no es compatible con 80211.AC". Luego preguntan:"¿Qué diablos significan esos números?" Entonces dices:“Está bien, olvídalo. Pondremos más cómputo en el robot para que podamos hacer estas tareas”. Ese problema solo empeora cuando te mudas al exterior. Con los robots críticos para la seguridad deambulando por el exterior, como dijo Joe, no se pueden enviar las imágenes a la nube y luego al robot para tomar la decisión de detenerse o no antes de cruzar la calle. Simplemente no funciona para aplicaciones críticas para la seguridad. La latencia es demasiado grande para eso.

Velocidad: La nube es muy importante en todo esto, pero no necesariamente en la forma en que mucha gente piensa. Si puedo realizar análisis y aprendizaje automático en el perímetro, no necesito enviar grandes cantidades de datos a la nube. Esto elimina los problemas de latencia. Si estoy en una plataforma petrolera en Alaska, veo un oso, en lugar de enviar un video del oso, lo que haces es enviar información:hay un oso. ¿Cuál es el evento particular o la inferencia que encontraste? Vemos mucho de eso. Solo piense en términos en lugar de transmitir datos a la nube, transmita información, transmita el resultado de los análisis.

También debe combinar estos sistemas para que sean confiables. Esto es algo con lo que solía lidiar cuando trabajaba en un automóvil conectado y en temas de análisis aumentado en la nube y seguridad automotriz. Debe pensar en ello como algo que generalmente está conectado, a menudo conectado, ocasionalmente conectado. ¿Cómo se combinan estos sistemas para que funcionen básicamente con la suposición de que se va a tener una red poco confiable? Si puede hacer que funcione correctamente en ese entorno, básicamente estará bien. Pero debe tener una conectividad siempre impecable con latencias dentro de un determinado SLA, o se encontrará con problemas en el mundo real.