Aprovechando la IA para transformar la automatización industrial

Los enfoques más avanzados para sistemas robóticos totalmente inteligentes

La IA (inteligencia artificial) permite la automatización de un número creciente de procesos empresariales y aplicaciones industriales. El alcance y el ritmo de la automatización inteligente dependen directamente de los avances en IA y, como tal, han experimentado saltos gigantescos en los últimos años. Combinada con potente visión artificial 3D, la IA permite a los robots reconocer, localizar y manipular cualquier tipo de objeto y así automatizar tareas que serían demasiado peligrosas, monótonas o exigentes para los humanos.

Pero, ¿qué se entiende por IA en automatización industrial, cómo funciona y qué posibilidades abre a fábricas y empresas que buscan modernidad, innovación y mayor productividad? Primero, echemos un vistazo a los inicios de la IA y su desarrollo gradual.

De las primeras arquitecturas a las redes neuronales convolucionales

El término IA puede representar una serie de capacidades y procesos de máquina – desde estadísticas simples hasta árboles de decisión, pasando por redes neuronales, como las redes neuronales convolucionales, o incluso enfoques más avanzados como el aprendizaje por refuerzo.

La historia del desarrollo de la IA presenció varios enfoques, pero las redes neuronales resultaron ser las más prometedoras e interesantes gracias a su capacidad de generalización.

En los años 90 y principios de los 2000, las redes neuronales recibieron gran atención gracias a las primeras aplicaciones exitosas de reconocimiento de caracteres que incluían la lectura de números escritos a mano en cheques bancarios y códigos postales de cartas. Estas redes neuronales se entrenaron en el llamado conjunto de datos MNIST (que significa Modified National Institute of Standards and Technology), una colección de dígitos escritos a mano del 0 al 9 usada en machine learning y visión artificial para entrenar sistemas de procesamiento de imágenes. El conjunto de datos MNIST sirvió como base para algoritmos de clasificación de referencia y todavía se usa hoy para entrenamiento y pruebas.

Aunque estas redes neuronales clásicas pueden aprender prácticamente cualquier cosa, representan una arquitectura antigua, totalmente conectada y entrenarlas requiere mucho tiempo y esfuerzo. Esto es porque todas las neuronas en una capa están totalmente conectadas a las neuronas de la siguiente capa – lo que significa un enorme número de parámetros para aprender, que aumenta con el tamaño de una imagen. Aunque el rendimiento de los ordenadores mejoró con el tiempo, aún lleva mucho tiempo entrenar el reconocimiento de incluso imágenes pequeñas.

Un punto de inflexión en el desarrollo de la IA fue marcado por la introducción de redes neuronales convolucionales (CNN). Las CNN se usan principalmente para analizar imágenes visuales, incluyendo clasificación de imágenes o reconocimiento de patrones, y forman la base de muchos sistemas modernos de visión artificial. Otro campo principal de aplicación es el procesamiento de lenguaje natural.

Una CNN, muy libremente hablando, está inspirada en el sistema de corteza visual en el cerebro. La idea principal detrás de las CNN no es conectar todas las neuronas entre sí, como en redes totalmente conectadas, sino solo con neuronas vecinas para crear proximidad, ya que las entradas vecinas, como píxeles, llevan información relacionada. Esto significa que las CNN pueden tener varias capas y las neuronas en una capa solo están conectadas a neuronas en la siguiente capa que están espacialmente cerca de ellas. Esto reduce la complejidad, el número de neuronas en la red y, consecuentemente, también el número de parámetros para aprender. Gracias a esto, las CNN son más rápidas de entrenar, necesitan menos muestras y también pueden aplicarse a imágenes más grandes.

El término "convolucional" se refiere al proceso de filtrado a través del cual las CNN detectan patrones. Las capas individuales convolucionan, es decir, combinan, la entrada y pasan el resultado a la siguiente capa.

El progreso en el desarrollo de las CNN también se ha acelerado por los avances en unidades de procesamiento gráfico (GPU). Su rendimiento y potencia de cálculo han mejorado inmensamente en los últimos años, abriendo nuevas posibilidades para entrenar CNNs.

Uno de los líderes más reconocidos en el campo de la IA, a menudo llamado el "Padrino de la IA", es Geoffrey Hinton. Tiene un título en psicología experimental e inteligencia artificial. Esta combinación le dio una gran visión sobre cómo entrenar redes neuronales artificiales.

En 2012, su estudiante Alex Krizhevsky marcó otro punto de inflexión en la IA cuando creó una CNN capaz de imitar la forma en que el cerebro humano reconoce objetos. La CNN se llamó AlexNet y por primera vez en la historia permitió a una máquina identificar objetos como una persona.

Este avance popularizó las redes neuronales convolucionales y mostró la enorme gama de aplicaciones donde las CNN podían usarse.

Entrenamiento de una red neuronal convolucional

En el reconocimiento de objetos, es importante que una CNN tenga una propiedad llamada invariancia. Esto significa que es invariante a traducción, punto de vista, tamaño o iluminación para poder interpretar patrones de entrada y clasificar objetos independientemente de dónde y cómo estén colocados en una imagen. Para lograr esto, la CNN necesita entrenarse con una cierta cantidad de ejemplos. Una de las mejores prácticas para aumentar la cantidad de datos relevantes en un conjunto de datos es el aumento de datos (data augmentation).

El aumento es la práctica de modificar los datos de entrada, es decir, la imagen original, para generar varias versiones ligeramente alteradas de ella. Las técnicas de aumento incluyen volteo horizontal o vertical, rotación, escalado, recorte, movimiento de la imagen en dirección X o Y, y otras.

Entrenar una CNN con datos alterados hace que sus neuronas sean inmunes a tales aumentos y evita que aprenda patrones irrelevantes. Un loro volteado seguirá siendo reconocido como un loro.

Lo que resulta muy útil aquí es el llamado aprendizaje por transferencia (transfer learning). Para eliminar la cantidad de datos de entrenamiento, se puede usar una red existente y ya entrenada y aplicar algunos de sus filtros para el reconocimiento de nuevos tipos de objetos. Por ejemplo, una red entrenada para el reconocimiento de perros también puede usarse para el reconocimiento de gatos manteniendo algunos de sus filtros y modificando solo una cierta parte. Esto significa que la red se adaptará al reconocimiento de gatos.

Beneficios de las redes neuronales convolucionales modulares

El gran valor de las CNN reside en su arquitectura y el hecho de que los módulos individuales miran bloques de imagen individuales. Los módulos no necesitan entrenarse simultáneamente y pueden unirse fácilmente. Combinar estos módulos bien entrenados dio lugar a arquitecturas complejas que pueden usarse para segmentación.

En contraste con AlexNet, que solo puede reconocer qué hay en la imagen, estas CNN complejas pueden hacer segmentación de objetos y definir la ubicación del objeto en la imagen.

Esta modularidad permite usar varios canales de entrada, lo que significa que si la CNN se usaba para datos en blanco y negro, también puede usarse para datos de color, y si se usaba para datos de color, puede extenderse con información de profundidad. Añadir información adicional mejora el rendimiento de la CNN, lo que incluye mayor precisión y mejor reconocimiento de objetos y sus posiciones.

Del reconocimiento de objetos a soluciones de automatización inteligente

Basándose en las características y características anteriores de las redes neuronales convolucionales, Photoneo tomó las CNN como base para sus avanzados sistemas de inteligencia robótica y soluciones de automatización.

La CNN de Photoneo trabaja con datos en blanco y negro, datos de color, así como información de profundidad. Los algoritmos están entrenados en un gran conjunto de datos de objetos y si se encuentran con nuevos tipos de artículos, pueden generalizar rápidamente, es decir, reconocer y clasificar objetos que no han "visto" antes.

Tomemos el concepto de una caja, por ejemplo. Los algoritmos fueron entrenados en un gran conjunto de datos de cajas para que entiendan que una caja tiene un cierto número de caras, aristas y vértices. Este principio también funcionará para cajas con las que los algoritmos no se han encontrado antes, incluso las aplastadas o dañadas. El mayor valor de la IA reside en el hecho de que puede generalizar conceptos en los que fue entrenada sin necesidad de reentrenamiento adicional.

Esto permite a los sistemas de Photoneo reconocer artículos de diversas formas, tamaños, colores o materiales – una capacidad robótica usada para la localización y manipulación de objetos mixtos, incluyendo artículos orgánicos como frutas o pescados, clasificación de paquetes, descarga de palets cargados con cajas, y muchas otras aplicaciones industriales.

También puede ocurrir que los algoritmos se encuentren con objetos con características fundamentalmente diferentes a aquellas en las que fueron entrenados. Esto podría confundir a la CNN y causar una disminución en su rendimiento. Lo que se puede hacer para resolver este problema es prevenirlo esperando objetos exóticos o tener un buen sistema de reentrenamiento. En este último caso, el rendimiento será temporalmente menor pero la CNN se reentrenará para alcanzar el rendimiento completo bastante rápido.

En caso de que un cliente necesite recoger artículos inusuales o productos no comerciales como componentes industriales, la CNN puede entrenarse en un conjunto de datos específico que contenga estos artículos exóticos.

Cuando se trata de la realización de un proyecto de cliente, el cliente recibe la CNN de Photoneo para pruebas piloto y un estudio de factibilidad para asegurar que la red puede usarse para esa aplicación en particular. Esta CNN puede luego mejorarse y entrenarse más con imágenes de la fase piloto del proyecto, lo que proporcionará mayor variabilidad.

El mayor desafío en el reconocimiento y recogida de objetos impulsados por IA

El mayor desafío también podría describirse como la última pieza del rompecabezas que faltaba en el rango de objetos recogibles. Esta última pieza eran las bolsas.

La dificultad radica en la naturaleza de las bolsas, ya que son extremadamente deformables y llenas de arrugas, pliegues y otras irregularidades. A pesar de los desafíos que las bolsas plantean a la IA, Photoneo desarrolló un sistema capaz de reconocer y recoger bolsas, ya sean llenas, medio vacías, de color, transparentes o semitransparentes. Esta tarea a menudo es un reto incluso para el ojo humano, que puede encontrar difícil reconocer los límites entre bolsas colocadas caóticamente en un contenedor, especialmente si son transparentes.

Sin embargo, el buen reconocimiento y localización de bolsas son solo parte de la precondición para una recogida exitosa de objetos. La otra parte se refiere al lado mecánico de una aplicación – el gripper del robot. El hecho de que las bolsas estén llenas de pliegues y arrugas aumenta el riesgo de que se caigan del gripper. Este riesgo puede prevenirse usando un gripper de vacío apropiado con retroalimentación.

Desarrollos futuros de la IA

A pesar de los avances significativos logrados en IA en los últimos años, el campo aún ofrece un vasto espacio para nuevos logros. Por ejemplo, el llamado aprendizaje por refuerzo (reinforcement learning) recibe gran atención ya que parece muy prometedor sugiriendo movimientos complejos, por ejemplo permitiendo a un robot ajustar la posición de un artículo antes de agarrarlo.

El aprendizaje por refuerzo no solo puede lidiar con el reconocimiento de objetos sino también con problemas mecánicos de una aplicación. Esto significa que no solo permite a un sistema reconocer artículos sino también evaluar los pasos individuales de una acción del robot basándose en recompensas y castigos y "calcular" la probabilidad de éxito o fracaso. En otras palabras, los algoritmos de IA se entrenan para tomar una secuencia de decisiones que lleven a acciones que maximicen la recompensa total. Un ejemplo del poder del aprendizaje por refuerzo es dominar y ganar el juego de mesa Go.

A pesar de su inmenso potencial, el aprendizaje por refuerzo está estrechamente ligado al entorno en el que se establece y a las limitaciones que puede imponer. Por ejemplo, el gripper desplegado y sus funcionalidades y limitaciones siempre influirán en el rendimiento general de un sistema.

La IA es el principal motor de las tecnologías emergentes y sus desarrollos dependerán mucho de varios factores, incluyendo demandas del mercado, expectativas de clientes, competencia y muchos otros.