Menerima AI dalam Robotika: Meningkatkan Produktivitas & Mengurangi Kekhawatiran Pekerjaan
Peran kecerdasan buatan dalam robotika akan sangat ditentukan oleh kasus penggunaan dan resolusi masalah privasi dan komputasi.
Robot memiliki potensi untuk mengubah cara perusahaan berbisnis dengan mengotomatisasi banyak tugas. Ketika digabungkan dengan teknologi kecerdasan buatan (AI), robot dapat menjadi otonom. Namun, kombinasi teknologi ini menimbulkan banyak masalah. Apakah robot yang dibantu AI akan menghapus pekerjaan atau membantu pekerja, menjadikan mereka lebih produktif? Saat AI memberikan robot kemampuan seperti machine vision, juga ada masalah privasi. Dan kemudian ada tantangan bagaimana bekerja dengan volume data yang besar yang mungkin digunakan. Di mana Anda memproses data tersebut? Di cloud? Di edge?
Untuk mendapatkan pemahaman yang lebih baik tentang masalah ini, kasus penggunaan, dan peran edge, kami duduk dengan Joe Speed, CTO IoT Solutions and Technology di ADLINK, penyedia solusi computing terdepan yang mendukung transisi ke sistem Industri IoT terhubung di berbagai industri. Juga ikut serta dalam diskusi kami adalah Nick Fragale, Pendiri Rover Robotics, yang mengembangkan robot tingkat industri yang kokoh menggunakan ROS, sistem operasi robot.
Apakah Ada Kekhawatiran tentang Penggunaan AI?
RTInsights: Sepertinya perusahaan ragu untuk menggunakan AI karena berbagai kekhawatiran. Jenis kekhawatiran apa yang Anda dengar dari potensi pengguna saat datang ke adopsi AI mereka?
Speed: Sebagian besar kekhawatiran yang saya dengar tentang AI berkaitan dengan beberapa aspek privasi. Anda mendengar orang mengangkat kekhawatiran saat Anda membicarakan pengenalan wajah, dan beberapa aspek lainnya, seperti AI, diterapkan pada topik seperti mass surveillance. Orang menjadi sedikit gugup. Saya tidak tentu melihat banyak rasa takut atau kekhawatiran tentang AI dalam jenis ruang tempat kami cenderung fokus. Sebagian besar teknologi kami biasanya di, pada, atau dekat sesuatu—seperti peralatan, proses, work cell, fasilitas. Itu biasanya di mana AI kami digunakan.
Dalam kasus ini, penerapan AI adalah mengambil proses yang ada dan memastikan bahwa ia beroperasi dengan andal. Ini membantu kesehatan mesin dan hal-hal lainnya. Ini memungkinkan perusahaan untuk mengambil work cell dan menjadikannya bekerja lebih efisien. Dan perusahaan dapat mengambil sistem legacy yang ada, mesin yang ada, atau proses yang ada dan memasang instrumen dan menjadikannya lebih aman.
Dalam banyak aplikasi ini, kami tidak benar-benar mengalami kekhawatiran privasi yang terkait dengan pengenalan wajah dan mass surveillance. Sistem digunakan di dalam perusahaan Anda versus sistem yang akan menyurvei orang di tempat publik. Dalam pengaturan perusahaan, penggunaan AI berfokus pada meningkatkan proses atau operasi, membantu pekerja melakukan pekerjaan mereka lebih baik. Apa yang kami lihat untuk beberapa hal ini adalah bahwa AI, khususnya machine learning yang diterapkan pada computer vision, sangat populer. Penggunaan yang sangat populer lainnya adalah di sekitar sensor fusion. Dalam kasus penggunaan seperti ini, masalahnya adalah bagaimana saya menggabungkan vision dengan jenis data sensor atau telemetri lain dari peralatan legacy yang ada dan kemudian menggabungkannya semua untuk memiliki pemahaman yang lebih baik tentang apa yang sedang terjadi.
Fragale: Dari perspektif kami, saya akan mengatakan, pelanggan kami berasal dari ruang riset dan akademis, dan jadi mereka sangat terbuka untuk menggunakan AI. Rata-rata usia pelanggan kami mungkin di sekitar 30. Sekarang kami akan bergerak ke pasar logistik dengan produk baru kami, Rover AMR 100, itu akan berubah. Namun sejauh ini, kami tidak melihat resistensi apa pun dalam menerapkan AI.
Bagaimana AI Digunakan dalam Robotika?
RTInsights: Itu adalah transisi yang bagus. Tentu, satu area minat dengan AI adalah robotika. Bagaimana AI digunakan dalam robotika?
Speed: Salah satu area terbesar adalah persepsi. Pikirkan kamera, meskipun itu sedikit lebih dari itu. Anda memiliki banyak teknologi yang dapat digunakan untuk memberi robot persepsi. Yang jelas adalah kamera, tetapi bahkan dalam kamera, apakah itu kamera tunggal, apakah itu kamera stereo, apakah itu kamera pencitraan kedalaman 3D, apakah itu spektrum terlihat atau inframerah? Kemudian Anda juga memiliki beberapa teknologi lain yang memberi persepsi, yang mungkin Anda hampir pikir sebagai visual, tetapi sedikit berbeda. Ini adalah hal-hal seperti LIDAR. (Light Detection and Ranging adalah metode penginderaan jarak jauh yang menggunakan cahaya laser berdenyut untuk mengukur jarak.) Dengan LIDAR, pada dasarnya, pikirkan itu sebagai radar. Caranya saya menjelaskannya kepada keluarga saya adalah Anda tahu apa itu radar? Tentu. Nah, hal yang sama tapi laser alih-alih gelombang radio.
Anda memiliki laser yang berputar. Ia memantul dari benda. Menggunakannya untuk kendaraan otonom, Anda sebenarnya tidak 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 tahu apakah awan titik itu bergerak. Apakah itu bergerak ke arah saya atau jauh dari saya, dengan tingkat berapa?
Lihat juga: Mengapa Edge Computing Bantu IoT Mencapai Potensi Penuh
Kemudian Anda juga memiliki ultrasound dan radar dan beberapa hal lain yang mungkin tidak Anda pikirkan hari ini. Saat Anda mulai mendapatkan operasi otonom, teknologi pengukuran jarak ini akan memainkan peran. Seperti dalam kasus Rover, Anda memiliki robot 40 pon, dan ia beroperasi secara otonom. Tapi jika Anda mengambil itu dari menjadi robot 40 pon menjadi 400 pon, 4.000 pon, sekarang Anda berada dalam kelas [peralatan] yang mulai menjadi berbahaya. Bagaimana Anda melakukan hal-hal seperti mengoperasikan mesin berat dengan aman, dan bagaimana Anda melakukan itu dengan cara yang lebih otonom atau terotomatisasi tanpa melukai orang atau menyebabkan kerusakan properti? Beberapa teknologi lain ini dapat digunakan.
Sebagai contoh, Anda mungkin menggunakan ultrasound untuk hal-hal yang sangat dekat di mana Anda mungkin tidak tentu memiliki cakupan kamera. Dalam robotika, ada dua tempat di mana saya melihat AI diterapkan, dan kemudian mereka (AI dan robotika) akhirnya bercampur, yang adalah 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, bagaimana ia tahu ke mana ia pergi, bagaimana ia melakukannya tanpa menabrak benda atau orang? Kemudian Anda juga memiliki robot yang sebenarnya berinteraksi dengan lingkungannya. Contoh klasik ini adalah saat Anda memikirkan robot industri, seperti lengan. Bagaimana lengan mengira apa yang di sekitarnya? Contoh ini adalah pemilihan bagian robotika, di mana lengan mengambil bagian dari bak dan kemudian memasukkannya ke dalam sesuatu yang Anda rakit atau ke bak lain. Ini adalah aplikasi yang sangat populer. Kemudian Anda jelas dapat menggabungkan AI dan robotika. Anda juga dapat memiliki robot seluler dengan aktuator dengan gripper yang mampu berinteraksi dengan lingkungannya.
Itu benar-benar seluruh bidang AI machine learning. Itu di mana kami melihat ini diterapkan.
Fragale: Perspektif kami di Rover Robotics cukup mirip dengan perspektif Joe. Tapi saya akan mengatakan, secara keseluruhan, hal nomor satu yang kami lihat orang gunakan AI untuk adalah kamera, menganalisis data kamera, dan secara khusus melakukan inspeksi. Perusahaan apa pun yang ingin terus memantau sesuatu dapat menggunakan teknologi ini. Aplikasi bisa menjadi perusahaan minyak yang ingin memantau apakah pipa mereka terkena karat. 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, Anda sekarang dapat melakukannya dengan robot dan kamera.
Industri Apa yang Menggunakan AI dan Robotika?
RTInsights: Apakah ada industri tertentu, seperti manufaktur, logistik, perawatan lanjut usia, atau layanan pelanggan, di mana kita sudah melihat AI dan robotika digunakan?
Fragale: Ya. Saya akan mengatakan industri terbesar adalah logistik, manufaktur, dan konstruksi. Itu adalah di mana robot sudah menggunakan AI untuk melakukan hal-hal. Dalam kasus konstruksi, ada banyak perusahaan yang mencoba merebut uang yang hilang setiap tahunnya dari ketidakefisienan. Misalnya, memastikan bahwa Anda memasang semua pipa dan pemadam kebakaran yang benar dan semua peralatan keselamatan sebelum Anda mengecor beton sangat penting untuk setiap proyek konstruksi. Tapi dengan banyak subkontraktor yang terlibat, seringkali dapat ada masalah. Jika Anda memiliki robot yang berkeliling di situs konstruksi Anda dan mencari hal-hal seperti itu, hal-hal yang kritis dalam proyek konstruksi secara keseluruhan, maka Anda dapat merekuper banyak biaya yang biasanya hilang.
Speed: Ya, tentu, inspeksi adalah hal yang besar. Kami melakukan banyak bisnis di sekitar inspeksi, khususnya inspeksi visual. Di lapangan, ada 400.000 kamera yang terhubung ke sistem visi kami melakukan ini dan beberapa kasus penggunaan lainnya. Di mana hal ini menjadi sangat menarik bagi saya adalah alih-alih kamera tetap pada baris perakitan, di meja kerja, atau di konveyor yang memeriksa barang saat melewati, adalah mengambil dua tema dari inspeksi visual berbasis AI dan robotika otonom dan menggabungkannya. Pikirkan tentang robot. Alih-alih barang fisik dibawa ke kamera, kamera pergi ke hal yang memerlukan inspeksi. Anda memiliki contoh konstruksi dengan robot seluler yang melakukan inspeksi dengan berkeliling di situs. Harusnya ada saluran udara. Apakah sudah terpasang? Apakah kami di jadwal atau ketinggalan jadwal?
Contoh lain adalah peritel yang menggunakan AI dan robot untuk melihat apa yang tersedia di stok. Peritel kemudian dapat membandingkan apa yang diamati robot secara fisik dengan apa yang dikatakan sistem manajemen toko dan logistik gudang
tersedia di stok. Itu adalah area yang saya sangat bersemangat tentangnya, dan kami semua bersedia dengan open robotics.
Pada hari ini, robotika cukup ditulis R-O-S, yang adalah sistem operasi robot. Ini bukan robot atau sistem operasi. Ini adalah kerangka kerja open-source untuk mengembangkan robotika. Kami bekerja sama dengan dan berkontribusi pada itu. Kemudian, Anda menyatukan ini dengan AI vision, lagi, bidang dengan banyak penekanan pada open source. Saat hal-hal ini digabungkan, ini akan menjadi waktu yang sangat menarik.
Apa Fungsi Teratas yang Dilakukan dengan Bantuan Robotika?
RTInsights: Mari kita coba ke dalam fungsi apa yang dilakukan dengan bantuan robotika di semua area aplikasi. Apa yang Anda lihat di pasar?
Speed: Dengan AI vision dan robotika, banyak orang berpikir, apakah ini akan menggantikan pekerja? Namun, ada banyak kasus penggunaan di mana teknologi membantu pekerja, alih-alih menggantikan mereka. Ada seluruh bidang robotika kolaboratif, yang adalah robot yang bekerja dengan manusia dan robot yang bekerja bersama, kolaborasi pada tugas. Sebagai contoh, lihat hal-hal yang dilakukan Rover. Bayangkan Anda memiliki seorang manusia yang melakukan fungsi dan mereka harus berkeliling. Katakan mereka perlu bergerak di sekitar pertanian untuk melakukan tugas.
Bagaimana jika Anda memiliki Rover, demi argumen, bekerja sebagai keranjang otonom yang mengikuti pekerja di sekitar dan selalu berada di tempat yang dibutuhkan dengan apa pun yang dibutuhkan pekerja. Jenis kasus penggunaan ini, di mana robot memegang sebuah bagian di tempat sementara manusia melakukan tugas, di mana robot membantu pekerja. Saya memiliki passion yang nyata dan telah melakukan banyak pekerjaan di sekitar teknologi asistensi untuk membantu lansia dan disabilitas. Saya melihat potensi yang luar biasa untuk hal-hal ini merasakan dan berinteraksi dengan orang.
Lihat juga: Mengapa IoT Masih Tergelincir dalam Aplikasi Bisnis Praktis
Fragale: Saya akan mengatakan untuk kami, Anda dapat mengkategorikan pelanggan kami menjadi dua kategori. Entah mereka membawa barang dengan robot, jadi membawa barang di seluruh gudang atau membawa barang di seluruh pertanian, atau mereka memasang sensor pada robot dan mengumpulkan data. Itu secara besar-besaran dua fungsi terbesar yang kami lihat robot kami digunakan oleh perusahaan.
Bagaimana Edge Computing dan AI Satu Sama Lain?
RTInsights: Itu adalah transisi yang sempurna ke pertanyaan terakhir saya. Sistem seperti itu dapat mengumpulkan sejumlah besar data dari banyak sensor dan perangkat IoT. Dengan semua data yang dihasilkan, dan kebutuhan akan analisis yang cepat, apakah ini kondisi sempurna untuk menggunakan edge computing dan AI bersama?
Speed: Saya pasti berpikir demikian. Teman-teman kami di AWS, mereka bicara 'mengapa edge'? Mereka bicara tentang hukum fisika. Apakah Anda mampu mendapatkan data dalam volume yang dihasilkan ke cloud? Ada banyak hal tergantung pada RF, topologi jaringan, hal-hal lainnya. Ada hukum ekonomi. Apakah itu ekonomis? Kemungkinan tidak saat Anda memiliki operator seluler yang melakukan hal-hal seperti menagih per byte. Bahkan jika Anda memiliki infrastruktur jaringan, bandwidth untuk mendapatkan semua data ke cloud, apakah itu ekonomis? Setelah Anda mendapatkannya ke cloud, tergantung pada jenis beban kerja, apakah itu ekonomis untuk bekerja dengan volume data seperti itu? Ada studi universitas yang menarik yang membandingkan dan mencontras, misalnya, melakukan hal-hal seperti pemrosesan video dan pemrosesan audio beban kerja menggunakan teknologi AWS, menggunakan mereka di cloud dan menggunakan mereka dengan edge.
Mereka melihat hal-hal seperti AWS IoT Greengrass, yang melakukan analisis machine learning menggunakan model yang dikembangkan di cloud. Apa yang mereka (peneliti universitas) dapatkan adalah pada dasarnya ekonomi delapan kali lebih baik melakukan beban kerja ini di edge. Tapi bagi saya, yang lebih penting dari pada ekonomi adalah latensi. Banyak kali, Anda memindahkan hal-hal ini ke edge karena Anda membutuhkannya terjadi tepat saat itu, untuk sangat cepat dalam waktu itu. Jika saya membawa video ke cloud dan melakukan analisis dan kemudian membawa keputusan kembali, mungkin terlambat, terlalu lambat. Seseorang telah cedera, sebuah peralatan telah rusak, atau gedung telah terbakar. Itu adalah satu contoh penggunaan edge.
Kemudian juga Anda masuk ke masalah hukum daratan. Kami percaya dalam mengembangkan model, melatih model di cloud. Mengembangkan model membebani komputasi dan melakukannya pada
sebuah peralatan kecil di edge jika, misalnya, itu memakan waktu satu hari, Anda dapat menyalakan model yang sama di cloud dan selesai dalam satu jam. Tapi saat menganalisis data itu sendiri, Anda perlu memikirkan beberapa masalah privasi yang Anda bicarakan sebelumnya. Bagaimana Anda menangani data dengan informasi yang dapat mengidentifikasi pribadi secara aman atau melakukan pengenalan wajah? Di pabrik, Anda tahu siapa pekerja.
Namun, dengan semua data mentah itu, mungkin ada masalah sensitivitas. Ada masalah hukum, sosial, atau budaya tentang mengambil data itu dari tempat kerja ke tempat lain. Itulah tempat Anda masuk ke masalah hukum daratan. Bekerja di edge, secara rapi memenuhi banyak kebutuhan seperti ini.
Fragale: Ledakan data yang perlu dianalisis dengan cepat, memang, kondisi sempurna untuk menggunakan edge computing. Kami melihat banyak pelanggan yang bersemangat tentang cloud computing, terutama dengan robotika. Mereka berpikir bahwa, jika saya dapat streaming Netflix di 4K atau saya dapat streaming semua data video ini balik dan maju, akan mudah untuk streaming data gambar ke cloud dan kemudian melakukan pemrosesan di sana, di mana Anda memiliki banyak lebih banyak sumber daya. Tapi saya pikir yang sering diabaikan adalah bahwa jika Anda adalah robot dan Anda berkeliling, Anda sekarang harus memantul antara berbagai access point. Kami melihat banyak pelanggan yang bersemangat tentang cloud computing menghadapi hambatan itu, dan itu adalah sesuatu yang mereka macet selama bulan-bulan, lalu mereka beralih ke edge computing. Bahkan di gudang, jika Anda mencoba mengintegrasikan robot Anda ke dalam gudang, Anda akan memantul dari satu access point ke access point lain, dan Anda akan kehilangan koneksi sering.
Lihat juga: Center for Edge Computing
Kemudian Anda dihadapkan pada memberitahu pelanggan Anda, "Hei, Anda perlu upgrade ke router yang lebih baik karena router baru Anda tidak 80211.AC compliant." Kemudian mereka bertanya, "Apa artinya angka-angka itu?" Kemudian Anda katakan, "Oke, lupakan saja. Kami akan menambahkan lebih banyak komputasi pada robot sehingga kami dapat melakukan tugas-tugas ini." Masalah itu semakin parah saat Anda bergerak ke luar. Dengan robot yang krusial keamanan berkeliling di luar, seperti yang Joe katakan, Anda tidak dapat memiliki gambar dikirim ke cloud dan kemudian kembali ke robot untuk membuat keputusan apakah akan berhenti atau tidak sebelum menyeberang jalan. Itu tidak akan bekerja untuk aplikasi yang krusial keamanan. Latensi terlalu besar untuk itu.
Speed: Cloud sangat penting dalam semua ini, tetapi tidak tentu dalam cara yang banyak orang pikirkan. Jika saya dapat melakukan analitik dan machine learning di edge, saya tidak perlu mengirim sejumlah besar data ke cloud. Ini menghilangkan masalah latensi. Jika saya berada di lokasi rig minyak di Alaska, saya melihat beruang, alih-alih mengirim video beruang, apa yang Anda lakukan adalah Anda mengirim informasi—Ada beruang. Apa peristiwa atau inferensi khusus yang Anda temukan? Kami melihat banyak itu. Cukup pikirkan dalam hal alih-alih streaming data ke cloud, streaming informasi, streaming output analitik.
Anda juga harus menyatukan sistem ini agar andal. Ini adalah sesuatu yang dulu saya hadapi saat bekerja pada mobil yang terhubung dan topik analitik yang diperkuat cloud dan keselamatan otomotif. Anda perlu memikirkan itu sebagai sesuatu yang biasanya terhubung, sering terhubung, kadang-kadang terhubung. Bagaimana Anda menyatukan sistem ini untuk bekerja dengan asumsi dasar bahwa Anda akan memiliki jaringan yang tidak andal? Jika Anda dapat membuatnya bekerja dengan benar di lingkungan itu, Anda pada dasarnya akan baik-baik saja. Tapi Anda harus memiliki konektivitas yang selalu prima dengan latensi dalam SLA tertentu, atau Anda akan mengalami masalah di dunia nyata.
