Mengapa Perusahaan dan Pekerja Tidak Perlu Takut Menggunakan AI dalam Upaya Robotika
Peran yang akan dimainkan oleh kecerdasan buatan dalam robotika sebagian besar akan ditentukan oleh kasus penggunaan dan penyelesaian masalah privasi dan komputasi.
Robot memiliki potensi untuk mengubah cara perusahaan melakukan bisnis dengan mengotomatisasi banyak tugas. Ketika dikombinasikan dengan teknologi kecerdasan buatan (AI), robot bisa menjadi otonom. Tetapi kombinasi dari teknologi ini menimbulkan banyak masalah. Akankah robot berbantuan AI menghilangkan pekerjaan atau membantu pekerja, membuat mereka lebih produktif? Karena AI memberikan kemampuan robot seperti visi mesin, ada juga masalah privasi. Dan kemudian ada tantangan bagaimana bekerja dengan volume besar data yang mungkin digunakan. Di mana Anda memproses data itu? Di awan? Di tepi?
Untuk mendapatkan pemahaman yang lebih baik tentang masalah ini, kasus penggunaan, dan peran edge, kami duduk bersama Joe Speed, CTO IoT Solutions and Technology di ADLINK, penyedia solusi komputasi terdepan.
yang mendukung transisi ke sistem IoT Industri yang terhubung di seluruh industri. Juga ambil bagian dalam diskusi kami adalah Nick Fragale, Pendiri Rover Robotics, yang mengembangkan robot kelas industri yang kokoh menggunakan ROS, sistem operasi robot.
Apakah Ada Kekhawatiran tentang Penggunaan AI?
RTInsights: Tampaknya perusahaan enggan menggunakan AI karena ketakutan yang berbeda. Jenis kekhawatiran apa yang Anda dengar dari calon pengguna terkait adopsi AI mereka?
Kecepatan: Sebagian besar kekhawatiran yang saya dengar seputar AI berkaitan dengan beberapa aspek privasi. Anda mendengar orang menyampaikan kekhawatiran saat Anda berbicara tentang pengenalan wajah, dan beberapa aspek lainnya, seperti AI, diterapkan pada topik seperti pengawasan massal. Orang-orang menjadi sedikit gugup. Saya tidak selalu melihat banyak ketakutan atau kekhawatiran tentang AI di jenis ruang di mana kita cenderung fokus. Sebagian besar teknologi kita biasanya berada di dalam, di atas, atau di dekat sesuatu—seperti peralatan, proses, sel kerja, fasilitas. Di situlah biasanya AI kami digunakan.
Dalam kasus ini, penerapan AI mengambil proses yang ada dan memastikannya beroperasi dengan andal. Ini membantu dengan kesehatan mesin dan hal-hal lain. Ini memungkinkan perusahaan mengambil sel kerja dan membuatnya bekerja lebih efisien. Dan perusahaan dapat mengambil sistem warisan yang ada, mesin yang ada, atau proses dan instrumen yang ada dan membuatnya lebih aman.
Dalam banyak aplikasi ini, kami tidak benar-benar menghadapi masalah privasi yang terkait dengan pengenalan wajah dan pengawasan massal. Sistem digunakan di dalam perusahaan Anda versus sistem yang akan mengawasi orang di depan umum. Di lingkungan perusahaan, penggunaan AI berfokus pada membuat proses atau operasi menjadi lebih baik, membantu pekerja melakukan pekerjaan mereka dengan lebih baik. Apa yang kami lihat untuk beberapa hal ini adalah bahwa AI, khususnya pembelajaran mesin yang diterapkan pada visi komputer, sangat populer. Penggunaan lain yang sangat populer adalah seputar fusi sensor. Dalam kasus penggunaan seperti itu, masalahnya adalah bagaimana cara menggabungkan visi dengan jenis data sensor atau telemetri lain dari peralatan lama yang ada dan kemudian menggabungkannya untuk mendapatkan pemahaman yang lebih baik tentang apa yang sedang terjadi.
Rapuh: Menurut saya dari sudut pandang kami, pelanggan kami berasal dari ruang penelitian dan akademik, sehingga mereka sangat terbuka untuk menggunakan AI. Usia rata-rata pelanggan kami mungkin sekitar 30 tahun. Sekarang kami akan pindah ke pasar logistik dengan produk baru kami, Rover AMR 100, itu akan berubah. Namun sejauh ini, kami belum melihat adanya penolakan untuk menerapkan AI.
Bagaimana AI Digunakan dalam Robotika?
RTInsights: Itu adalah segue yang bagus. Jelas, salah satu bidang yang menarik dengan AI adalah robotika. Bagaimana AI digunakan dalam robotika?
Kecepatan: Salah satu area terbesar adalah persepsi. Pikirkan saja kamera, meskipun sedikit lebih dari itu. Anda memiliki banyak teknologi berbeda yang dapat digunakan untuk memberikan persepsi robot. Yang jelas adalah kamera, tetapi bahkan di dalam kamera, apakah itu satu kamera, apakah itu kamera stereo, apakah itu kamera penginderaan kedalaman 3D, apakah spektrum tampak atau inframerah? Kemudian Anda juga memiliki beberapa teknologi lain yang memberikan persepsi, yang mungkin hampir Anda anggap visual, tetapi sedikit berbeda. Ini hal-hal seperti LIDAR. (Deteksi dan Jangkauan Cahaya adalah metode penginderaan jauh yang menggunakan sinar laser berdenyut untuk mengukur jarak.) Dengan LIDAR, pada dasarnya, anggap itu sebagai radar. Cara saya menjelaskannya kepada keluarga saya apakah Anda tahu apa itu radar? Tentu. Yah, hal yang sama tapi laser bukan gelombang radio.
Anda memiliki laser yang berputar. Ini memantul dari hal-hal. Menggunakannya untuk kendaraan otonom, Anda tidak benar-benar melihat mobil. Tapi apa yang Anda lihat adalah awan titik berbentuk mobil, dan itu juga memberi Anda hal-hal lain karena efek Doppler. Anda dapat mengetahui apakah titik awan itu sedang bergerak. Apakah bergerak ke arah saya atau menjauh, pada kecepatan berapa?
Lihat juga: Mengapa Edge Computing Dapat Membantu IoT Mencapai Potensi Penuh
Kemudian Anda juga memiliki ultrasound dan radar dan beberapa hal lain yang mungkin belum tentu Anda pikirkan hari ini. Ketika Anda mulai mendapatkan operasi otonom, teknologi jangkauan ini akan berperan. Seperti dalam kasus Rover, Anda memiliki robot seberat 40 pon, dan itu beroperasi secara mandiri. Tetapi jika Anda mengambilnya dari robot seberat 40 pon menjadi 400 pon, 4.000 pon, sekarang Anda berada di kelas [peralatan] yang mulai menjadi berbahaya. Bagaimana Anda melakukan hal-hal seperti mengoperasikan alat berat dengan aman, dan bagaimana Anda melakukannya dengan cara yang lebih otonom atau otomatis tanpa melukai orang atau menyebabkan kerusakan properti? Beberapa dari teknologi lain ini dapat digunakan.
Misalnya, Anda mungkin menggunakan ultrasound untuk hal-hal yang sangat dekat di mana Anda mungkin belum tentu memiliki jangkauan kamera. Dalam robotika, ada dua tempat yang saya lihat menerapkan AI, dan kemudian keduanya (AI dan robotika) akhirnya menyatu, yaitu saat Anda memiliki operasi otonom, terutama robot seluler, dan hal-hal yang bergerak.
LIDAR, radar, dan ultrasound dapat membantu navigasi. Mereka dapat digunakan untuk menjawab pertanyaan seperti:Bagaimana sistem robotik atau otonom tahu di mana ia berada, bagaimana ia tahu ke mana ia pergi, bagaimana ia melakukannya tanpa menabrak benda atau orang? Kemudian Anda juga memiliki robot yang benar-benar berinteraksi dengan lingkungannya. Contoh klasiknya adalah ketika Anda memikirkan robot industri, seperti lengan. Bagaimana lengan melihat apa yang ada di sekitarnya? Contohnya adalah pengambilan bagian robotika, di mana lengan mengambil bagian dari tempat sampah dan kemudian memasukkannya ke dalam benda yang Anda rakit atau ke tempat sampah lain. Ini adalah aplikasi yang sangat populer. Maka Anda jelas dapat menggabungkan AI dan robotika. Anda juga dapat memiliki robot seluler dengan aktuator dengan gripper yang dapat berinteraksi dengan lingkungannya.
Itu benar-benar seluruh bidang pembelajaran mesin AI. Di situlah kami melihat ini diterapkan.
Rapuh: Perspektif kami di Rover Robotics sangat mirip dengan perspektif Joe. Tapi saya akan mengatakan, pada umumnya, hal nomor satu yang kami lihat orang menggunakan AI adalah kamera, menganalisis data kamera, dan secara khusus melakukan inspeksi. Perusahaan mana pun yang ingin terus memantau sesuatu dapat menggunakan teknologi ini. Aplikasinya bisa jadi perusahaan minyak yang ingin memantau apakah pipa mereka berkarat. Mereka dapat melakukannya sekarang 24/7 dengan robot seluler. Atau Anda mungkin memiliki fasilitas gudang di mana Anda perlu memeriksa tag RFID untuk mengambil inventaris. Apa pun yang ingin Anda periksa di fasilitas Anda, kini dapat Anda lakukan dengan robot dan kamera.
Industri Manakah yang Menggunakan AI dan Robotika?
RTInsights: Apakah ada industri tertentu, seperti manufaktur, logistik, perawatan lansia, atau layanan pelanggan, di mana kita sudah melihat AI dan robotika digunakan?
Rapuh: Ya. Saya akan mengatakan industri terbesar adalah logistik, manufaktur, dan konstruksi. Itu adalah di mana robot sudah menggunakan AI untuk melakukan sesuatu. Dalam kasus konstruksi, ada banyak perusahaan yang berusaha mendapatkan kembali uang yang hilang setiap tahun karena inefisiensi. Misalnya, memastikan bahwa Anda memasang semua perpipaan dan alat penyiram yang benar dan semua peralatan keselamatan sebelum Anda meletakkan beton sangat penting untuk setiap proyek konstruksi. Tetapi dengan banyaknya subkontraktor yang terlibat, seringkali ada masalah. Jika Anda memiliki robot yang berkeliling di sekitar lokasi konstruksi dan mencari hal-hal seperti itu, hal-hal yang sangat penting dalam keseluruhan proyek konstruksi, maka Anda dapat memulihkan banyak biaya yang biasanya hilang.
Kecepatan: Ya, pasti, inspeksi itu penting. Kami melakukan banyak bisnis seputar inspeksi, khususnya inspeksi visual. Di lapangan, ada 400.000 kamera yang terhubung ke sistem penglihatan kami melakukan hal ini dan jenis kasus penggunaan lainnya. Namun, yang menjadi sangat menarik bagi saya adalah alih-alih memasang kamera di jalur perakitan, di meja kerja, atau di konveyor yang memeriksa hal-hal saat mereka lewat, adalah mengambil dua tema inspeksi visual berbasis AI dan robotika otonom. dan menggabungkan mereka. Pikirkan tentang robotnya. Alih-alih barang fisik dibawa ke kamera, kamera pergi ke hal yang perlu diperiksa. Anda memiliki contoh konstruksi dengan robot seluler yang melakukan inspeksi dengan menjelajahi situs. Seharusnya ada saluran udara. Apakah di tempat? Apakah kita lebih cepat dari jadwal atau lebih lambat dari jadwal?
Contoh lain adalah pengecer yang menggunakan AI dan robot untuk melihat apa yang tersedia. Pengecer kemudian dapat membandingkan apa yang diamati robot secara fisik dengan apa yang dilakukan manajemen toko dan logistik gudang
sistem mengatakan ada dalam stok. Itu adalah area yang sangat saya sukai, dan kita semua terlibat dengan robotika terbuka.
Saat ini, robotika cukup banyak dieja R-O-S, yang merupakan sistem operasi robot. Ini bukan robot atau sistem operasi. Ini adalah kerangka kerja sumber terbuka untuk mengembangkan robotika. Kami bekerja dengan dan berkontribusi untuk itu. Kemudian, Anda menggabungkan ini dengan visi AI, sekali lagi, bidang dengan banyak penekanan di sekitar sumber terbuka. Saat hal-hal ini digabungkan, ini akan menjadi waktu yang sangat menarik.
Apa Fungsi Berbantuan Robot Teratas yang Dilakukan?
RTInsights: Mari kita telusuri fungsi bantuan robot apa yang sedang dilakukan di semua area aplikasi. Apa yang Anda lihat di pasar?
Kecepatan: Dengan visi AI dan robotika, banyak orang berpikir, apakah ini akan menggantikan seorang pekerja? Namun, ada banyak kasus penggunaan di mana teknologi membantu pekerja, daripada menggantikannya. Ada seluruh bidang robot kolaboratif, yaitu robot yang bekerja dengan manusia dan robot yang bekerja bersama, berkolaborasi dalam suatu tugas. Misalnya, lihat hal-hal yang dilakukan Rover. Misalkan Anda memiliki manusia yang melakukan suatu fungsi dan mereka harus berkeliaran. Katakanlah mereka perlu bergerak di sekitar peternakan untuk melakukan tugas.
Bagaimana jika Anda memiliki Rover, demi argumen, bekerja sebagai tong roda otonom yang mengikuti pekerja di sekitar dan selalu tepat di tempat yang diperlukan dengan apa pun yang dibutuhkan pekerja. Kasus-kasus penggunaan semacam itu, yang robot memegang sepotong di tempat sementara manusia melakukan tugas, yang robot membantu pekerja. Saya memiliki hasrat yang nyata dan telah melakukan banyak pekerjaan seputar teknologi bantu untuk membantu orang tua dan penyandang cacat. Saya melihat potensi luar biasa untuk hal-hal ini dalam merasakan dan berinteraksi dengan orang-orang.
Lihat juga: Mengapa IoT Masih Tertinggal dalam Aplikasi Bisnis Praktis
Rapuh: Saya akan mengatakan untuk kami, Anda dapat mengkategorikan pelanggan kami menjadi dua kategori. Entah mereka membawa barang dengan robot, jadi membawa barang melintasi gudang atau membawa barang melintasi pertanian, atau mereka memasang sensor pada robot dan mengumpulkan data. Itu adalah dua fungsi terbesar yang kami lihat robot kami digunakan oleh perusahaan.
Bagaimana Edge Computing dan AI Cocok Bersama?
RTInsights: Itu adalah petunjuk yang sempurna untuk pertanyaan terakhir saya. Sistem semacam itu dapat mengumpulkan data dalam jumlah besar dari banyak sensor dan perangkat IoT. Dengan semua data yang dihasilkan, dan kebutuhan akan analisis yang cepat, apakah ini badai yang sempurna untuk menggunakan edge computing dan AI secara bersamaan?
Kecepatan: Saya pasti berpikir begitu. Teman-teman kami di AWS, mereka berbicara tentang 'mengapa tepi'? Mereka berbicara tentang hukum fisika. Apakah Anda bisa mendapatkan data dalam jenis volume yang dihasilkan ke cloud? Ada banyak hal tergantung pada RF, topologi jaringan, hal-hal lain. Ada hukum ekonomi. Apakah layak secara ekonomi? Mungkin tidak ketika Anda memiliki operator seluler yang melakukan hal-hal seperti mengisi daya per byte. Bahkan jika Anda memiliki infrastruktur jaringan, bandwidth untuk mendapatkan semua data ke cloud, apakah itu ekonomis? Setelah Anda memasukkannya ke cloud, tergantung pada jenis beban kerja, apakah pekerjaan itu ekonomis dengan volume data semacam itu? Ada studi universitas menarik yang membandingkan dan mengkontraskan, misalnya, melakukan hal-hal seperti pemrosesan video dan beban kerja pemrosesan audio menggunakan teknologi AWS, menggunakannya di cloud, dan menggunakannya dengan edge.
Mereka melihat hal-hal seperti AWS IoT Greengrass, yang melakukan analisis pembelajaran mesin menggunakan model yang dikembangkan di cloud. Apa yang mereka (para peneliti universitas) temukan pada dasarnya adalah ekonomi delapan kali lebih baik melakukan beban kerja ini di ujung tanduk. Tetapi bagi saya, yang lebih penting daripada ekonomi adalah latency. Sering kali, Anda memindahkan hal-hal ini ke tepi karena Anda membutuhkannya terjadi saat itu juga, menjadi sangat cepat pada saat itu. Jika saya membawa video ke cloud dan melakukan analitik dan kemudian mengembalikan keputusan, mungkin sudah terlambat, terlalu lambat. Seseorang terluka, peralatan rusak, atau bangunan terbakar. Itu salah satu contoh penggunaan edge.
Kemudian Anda juga masuk ke masalah hukum negara ini. Kami percaya dalam mengembangkan model, melatih model di cloud. Mengembangkan model secara komputasi mahal dan melakukannya pada
sepotong kecil peralatan di tepi jika, misalnya, yang memakan waktu sehari, Anda dapat memutar model yang sama di awan dan menyelesaikannya dalam satu jam. Tetapi ketika menganalisis data itu sendiri, Anda perlu memikirkan beberapa masalah privasi yang Anda bicarakan sebelumnya. Bagaimana Anda menangani data dengan informasi pengenal pribadi atau pengenalan wajah dengan aman? Di pabrik, Anda tahu siapa pekerjanya.
Namun, dengan semua data mentah itu, mungkin ada beberapa masalah sensitivitas. Mungkin ada masalah hukum, sosial, atau budaya seputar pengambilan data tersebut dari tempat kerja ke tempat lain. Di situlah Anda masuk ke masalah hukum negara ini. Bekerja di tepi, itu dengan rapi memenuhi banyak jenis kebutuhan ini.
Rapuh: Ledakan data yang perlu dianalisis dengan cepat memang merupakan badai yang sempurna untuk menggunakan komputasi tepi. Kami melihat banyak pelanggan yang antusias dengan komputasi awan, terutama dengan robotika. Mereka berpikir bahwa, jika saya dapat melakukan streaming Netflix pada 4K atau saya dapat mengalirkan semua data video ini bolak-balik, akan mudah untuk mengalirkan data gambar ke cloud dan kemudian melakukan pemrosesan di sana, di mana Anda memiliki lebih banyak sumber daya. Tapi saya pikir apa yang sering diabaikan adalah bahwa jika Anda adalah robot dan Anda berkeliaran, Anda sekarang harus melompat-lompat di antara titik akses yang berbeda. Kami melihat banyak pelanggan yang senang dengan komputasi awan mengalami hambatan itu, dan itu adalah sesuatu yang membuat mereka terpaku selama berbulan-bulan, dan kemudian mereka beralih ke komputasi tepi. Bahkan di gudang, jika Anda mencoba mengintegrasikan robot ke dalam gudang, Anda akan terpental dari satu titik akses ke titik akses lainnya, dan Anda akan sering kehilangan koneksi.
Lihat juga: Pusat Komputasi Tepi
Kemudian Anda dihadapkan dengan memberi tahu pelanggan Anda, "Hei, Anda perlu memutakhirkan ke router yang lebih baik karena router baru Anda tidak sesuai dengan 80211.AC." Kemudian mereka bertanya, “Apa maksud dari angka-angka itu?” Kemudian Anda berkata, “Oke, lupakan saja. Kami akan melakukan lebih banyak komputasi pada robot sehingga kami dapat melakukan tugas-tugas ini.” Masalah itu hanya bertambah buruk ketika Anda pindah ke luar. Dengan robot yang kritis terhadap keselamatan berkeliaran di luar, seperti yang dikatakan Joe, Anda tidak dapat mengirim gambar ke awan dan kemudian kembali ke robot untuk membuat keputusan apakah akan berhenti atau tidak sebelum menyeberang jalan. Itu tidak berfungsi untuk aplikasi yang kritis terhadap keselamatan. Latensinya terlalu besar untuk itu.
Kecepatan: Cloud sangat penting dalam semua ini, tetapi tidak harus seperti yang dipikirkan banyak orang. Jika saya dapat melakukan analitik dan pembelajaran mesin di edge, saya tidak perlu mengirim data dalam jumlah besar ke cloud. Ini menghilangkan masalah latensi. Jika saya berada di lokasi pengeboran minyak di Alaska, saya melihat beruang, alih-alih mengirim video beruang, yang Anda lakukan adalah mengirim informasi—Ada beruang. Apa peristiwa atau kesimpulan tertentu yang Anda temukan? Kami melihat banyak dari itu. Pikirkan saja dalam istilah alih-alih mengalirkan data ke cloud, mengalirkan informasi, mengalirkan output analitik.
Anda juga harus menyatukan sistem ini agar dapat diandalkan. Ini adalah sesuatu yang biasa saya tangani saat mengerjakan mobil yang terhubung dan topik analisis cloud-augmented dan keselamatan otomotif. Anda perlu menganggapnya sebagai sesuatu yang biasanya terhubung, sering terhubung, terkadang terhubung. Bagaimana Anda menyatukan sistem ini untuk bekerja dengan asumsi bahwa Anda akan memiliki jaringan yang tidak dapat diandalkan? Jika Anda bisa membuatnya bekerja dengan benar di lingkungan itu, pada dasarnya Anda akan baik-baik saja. Namun Anda harus memiliki konektivitas yang selalu murni dengan latensi dalam SLA tertentu, atau Anda akan mengalami masalah di dunia nyata.
