Warum Unternehmen und Arbeitnehmer keine Angst haben sollten, KI in Robotik-Bemühungen einzusetzen

Die Rolle der künstlichen Intelligenz in der Robotik wird weitgehend von Anwendungsfällen und der Lösung von Datenschutz- und Rechenproblemen bestimmt.

Roboter haben das Potenzial, die Art und Weise, wie Unternehmen Geschäfte machen, zu verändern, indem sie viele Aufgaben automatisieren. In Kombination mit der Technologie der künstlichen Intelligenz (KI) können Roboter autonom werden. Aber die Kombination dieser Technologien wirft viele Fragen auf. Werden KI-gestützte Roboter Arbeitsplätze abbauen oder Arbeiter unterstützen und sie produktiver machen? Da KI Robotern Fähigkeiten wie maschinelles Sehen verleiht, gibt es auch Datenschutzprobleme. Und dann ist da noch die Herausforderung, wie man mit den großen Datenmengen, die verwendet werden können, umgehen kann. Wo verarbeiten Sie diese Daten? In der Wolke? Am Rand?

Um diese Probleme, Anwendungsfälle und die Rolle von Edge besser zu verstehen, haben wir uns mit Joe Speed, CTO IoT Solutions and Technology bei ADLINK, einem Anbieter von hochmodernen Computerlösungen, zusammengesetzt
die branchenübergreifend den Übergang zu vernetzten industriellen IoT-Systemen unterstützen. An unserer Diskussion nahm auch Nick Fragale, Gründer von Rover Robotics, teil, das robuste, industrietaugliche Roboter mit ROS, dem Roboterbetriebssystem, entwickelt.

Gibt es Bedenken hinsichtlich der Verwendung von KI?

RTInsights: Es scheint, dass Unternehmen aufgrund unterschiedlicher Befürchtungen zögern, KI einzusetzen. Welche Arten von Bedenken hören Sie von potenziellen Nutzern, wenn es um die Einführung von KI geht?

Geschwindigkeit: Die meisten Bedenken, die ich im Zusammenhang mit KI höre, haben mit einigen Datenschutzaspekten zu tun. Sie hören, wie die Leute Bedenken äußern, wenn Sie über Gesichtserkennung sprechen, und einige der anderen Aspekte, wie KI, die auf Themen wie Massenüberwachung angewendet werden. Die Leute werden etwas nervös. Ich sehe nicht unbedingt so viel Angst oder Besorgnis über KI in den Bereichen, auf die wir uns konzentrieren. Der größte Teil unserer Technologie befindet sich normalerweise in, auf oder in der Nähe von etwas – wie Ausrüstung, einem Prozess, der Arbeitszelle, der Anlage. Dort kommt normalerweise unsere KI zum Einsatz.

In diesen Fällen übernimmt die Anwendung von KI einen bestehenden Prozess und stellt sicher, dass er zuverlässig funktioniert. Es hilft bei der Maschinengesundheit und anderen Dingen. Es ermöglicht Unternehmen, eine Arbeitszelle zu nehmen und sie effizienter arbeiten zu lassen. Und Unternehmen können ein vorhandenes Legacy-System, vorhandene Maschinen oder einen vorhandenen Prozess und ein vorhandenes Instrument nehmen und es sicherer machen.

Bei vielen dieser Anwendungen stoßen wir nicht wirklich auf Datenschutzbedenken im Zusammenhang mit Gesichtserkennung und Massenüberwachung. Die Systeme werden innerhalb Ihres Unternehmens im Gegensatz zu Systemen verwendet, die Personen in der Öffentlichkeit überwachen würden. In einem Unternehmen konzentriert sich der Einsatz von KI darauf, einen Prozess oder Betrieb zu verbessern und den Mitarbeitern zu helfen, ihre Arbeit besser zu erledigen. Was wir bei einigen dieser Dinge sehen, ist, dass KI, insbesondere maschinelles Lernen in Anwendung auf Computer Vision, sehr heiß ist. Eine weitere sehr beliebte Anwendung ist die Sensorfusion. In solchen Anwendungsfällen stellt sich die Frage, wie ich Vision mit anderen Arten von Sensordaten oder Telemetrie von vorhandener Altausrüstung kombiniere und diese dann zusammenfüge, um besser zu verstehen, was vor sich geht.

Fragale: Ich würde aus unserer Sicht sagen, dass unsere Kunden aus der Forschung und dem akademischen Bereich kommen und daher sehr offen für den Einsatz von KI sind. Das Durchschnittsalter unserer Kunden dürfte bei etwa 30 liegen. Jetzt, wo wir mit unserem neuen Produkt, dem Rover AMR 100, in den Logistikmarkt vordringen, wird sich das ändern. Aber bisher haben wir keinen Widerstand gegen die Implementierung von KI gesehen.

Wie wird KI in der Robotik eingesetzt?

RTInsights: Das ist eine tolle Folge. Offensichtlich ist ein Interessengebiet der KI die Robotik. Wie wird KI in der Robotik eingesetzt?

Geschwindigkeit: Einer der größten Bereiche ist die Wahrnehmung. Denken Sie nur an Kameras, obwohl es ein bisschen mehr als das ist. Sie haben viele verschiedene Technologien, die verwendet werden können, um dem Roboter Wahrnehmung zu verleihen. Das Offensichtliche sind Kameras, aber selbst innerhalb von Kameras, ist es eine einzelne Kamera, ist es eine Stereokamera, ist es eine 3D-Tiefenerkennungskamera, ist es sichtbares Spektrum oder Infrarot? Dann haben Sie auch einige andere Technologien, die Wahrnehmung vermitteln, die Sie vielleicht fast als visuell betrachten, aber sie sind ein bisschen anders. Es sind Dinge wie LIDAR. (Light Detection and Ranging ist eine Fernerkundungsmethode, die gepulstes Laserlicht verwendet, um Entfernungen zu messen.) Stellen Sie sich LIDAR im Grunde als Radar vor. Ich erkläre es meiner Familie so, dass Sie wissen, was Radar ist? Sicher. Nun, dasselbe, aber Laser statt Radiowellen.

Sie haben den Laser zum Drehen gebracht. Es prallt von Dingen ab. Wenn Sie es für autonome Fahrzeuge verwenden, sehen Sie nicht wirklich ein Auto. Aber was Sie sehen, ist eine Punktwolke in Form eines Autos, die Ihnen aufgrund des Dopplereffekts auch andere Dinge gibt. Sie können feststellen, ob sich diese Punktwolke bewegt. Bewegt es sich auf mich zu oder weg, mit welcher Geschwindigkeit?

Siehe auch: Warum Edge-Computing dem IoT helfen kann, sein volles Potenzial auszuschöpfen

Dann gibt es noch Ultraschall und Radar und einige andere Dinge, an die Sie heute vielleicht nicht unbedingt denken. Wenn Sie mit dem autonomen Betrieb beginnen, werden diese Reichweitentechnologien eine Rolle spielen. Wie im Fall von Rover haben Sie einen 40-Pfund-Roboter, der autonom arbeitet. Aber wenn Sie das von einem 40-Pfund-Roboter auf 400 Pfund, 4.000 Pfund, bringen, sind Sie jetzt in der Klasse von [Geräten], die anfangen, gefährlich zu werden. Wie bedient man zum Beispiel schwere Maschinen sicher, und wie macht man das autonomer oder automatisierter, ohne Menschen zu verletzen oder Sachschäden zu verursachen? Einige dieser anderen Technologien können verwendet werden.

Beispielsweise können Sie Ultraschall für die sehr nahen Dinge verwenden, bei denen Sie nicht unbedingt Kameraabdeckung haben. In der Robotik sehe ich zwei Bereiche, in denen KI Anwendung findet, und dann verschmelzen sie (KI und Robotik) miteinander, was dann der Fall ist, wenn Sie einen autonomen Betrieb haben, insbesondere mobile Roboter und Dinge, die sich bewegen.

LIDAR, Radar und Ultraschall können die Navigation unterstützen. Sie können verwendet werden, um Fragen zu beantworten wie:Woher weiß ein Roboter- oder autonomes System, wo es ist, woher weiß es, wohin es geht, wie macht es das, ohne auf Dinge oder Menschen zu stoßen? Dann haben Sie auch Roboter, die tatsächlich mit ihrer Umgebung interagieren. Das klassische Beispiel dafür wäre, wenn Sie an einen Industrieroboter wie einen Arm denken. Wie nimmt der Arm wahr, was um ihn herum ist? Ein Beispiel hierfür ist die Roboter-Teilekommissionierung, bei der ein Arm Teile aus einem Behälter herausnimmt und sie dann in ein Ding legt, das Sie zusammenbauen, oder in einen anderen Behälter. Dies ist eine sehr beliebte Anwendung. Dann kann man natürlich KI und Robotik kombinieren. Sie können auch mobile Roboter mit Aktuatoren mit Greifern haben, die mit ihrer Umgebung interagieren können.

Das ist wirklich das gesamte Gebiet des maschinellen Lernens mit KI. Hier sehen wir die Anwendung.

Fragale: Unsere Perspektive bei Rover Robotics ist der von Joe ziemlich ähnlich. Aber ich würde sagen, im Großen und Ganzen sehen wir Menschen, die KI verwenden, vor allem für Kameras, die Analyse von Kameradaten und insbesondere für die Durchführung von Inspektionen. Jedes Unternehmen, das weiterhin etwas überwachen möchte, kann diese Technologie verwenden. Die Anwendung könnte eine Ölgesellschaft sein, die überwachen möchte, ob ihre Rohre rosten. Mit einem mobilen Roboter können sie das jetzt rund um die Uhr tun. Oder Sie haben eine Lagerhalle, in der Sie RFID-Tags prüfen müssen, um eine Bestandsaufnahme zu machen. Alles, was Sie in Ihrer Einrichtung überprüfen möchten, können Sie jetzt mit einem Roboter und einer Kamera erledigen.

Welche Branchen nutzen KI und Robotik?

RTInsights: Gibt es bestimmte Branchen wie Fertigung, Logistik, Altenpflege oder Kundenservice, in denen KI und Robotik bereits eingesetzt werden?

Fragale: Ja. Ich würde sagen, die größten Branchen sind Logistik, Fertigung und Bauwesen. Das sind diejenigen, bei denen Roboter bereits KI verwenden, um Dinge zu erledigen. Im Bauwesen versuchen viele Unternehmen, das Geld zurückzufordern, das jedes Jahr durch Ineffizienzen verloren geht. Beispielsweise ist es für jedes Bauprojekt sehr wichtig sicherzustellen, dass Sie alle richtigen Rohrleitungen und Sprinkler sowie alle Sicherheitsausrüstungen installieren, bevor Sie den Beton verlegen. Aber wenn viele Subunternehmer involviert sind, kann es oft zu Problemen kommen. Wenn Sie einen Roboter auf Ihrer Baustelle herumlaufen lassen und nach solchen Dingen suchen, nach Dingen, die für das gesamte Bauprojekt von entscheidender Bedeutung sind, können Sie einen Großteil der Kosten wieder hereinholen, die normalerweise verloren gehen.

Geschwindigkeit: Ja, definitiv, Inspektion ist eine große Sache. Wir machen eine Menge Geschäfte rund um die Inspektion, insbesondere die visuelle Inspektion. Draußen im Feld sind 400.000 Kameras mit unseren Bildverarbeitungssystemen verbunden, um diese und andere Anwendungsfälle zu erfüllen. Richtig interessant wird es für mich jedoch, statt fest installierter Kameras am Fließband, auf einer Werkbank oder auf einem Förderband, die Dinge im Vorbeigehen zu inspizieren, die beiden Themen der KI-basierten visuellen Inspektion und der autonomen Robotik zu nehmen und kombiniere diese. Denken Sie an den Roboter. Anstatt physische Waren zur Kamera zu bringen, geht die Kamera zu der Sache, die inspiziert werden muss. Sie haben das Konstruktionsbeispiel mit mobilen Robotern, die Inspektionen durchführen, indem sie das Gelände durchstreifen. Ein Luftkanal soll vorhanden sein. Ist es vorhanden? Sind wir dem Zeitplan voraus oder hinterher?

Ein weiteres Beispiel ist ein Einzelhändler, der KI und einen Roboter verwendet, um zu sehen, was auf Lager ist. Was ein Roboter physisch beobachtet, könnte der Einzelhändler dann mit dem vergleichen, was das Filialmanagement und die Lagerlogistik tun
Systeme sagen, ist auf Lager. Das ist ein Bereich, auf den ich mich sehr freue, und wir sind alle in der offenen Robotik.

Heutzutage wird Robotik ziemlich genau R-O-S geschrieben, was ein Roboter-Betriebssystem ist. Es ist weder ein Roboter noch ein Betriebssystem. Es ist ein Open-Source-Framework für die Entwicklung von Robotik. Daran arbeiten wir und tragen dazu bei. Dann fügen Sie dies wieder mit AI Vision zusammen, einem Bereich mit viel Betonung rund um Open Source. Wenn diese Dinge kombiniert werden, wird es eine wirklich interessante Zeit.

Was sind die wichtigsten robotergestützten Funktionen, die ausgeführt werden?

RTInsights: Sehen wir uns an, welche robotergestützten Funktionen in allen Anwendungsbereichen ausgeführt werden. Was sehen Sie auf dem Marktplatz?

Geschwindigkeit: Mit der KI-Vision und der Robotik denken viele Leute, wird dies einen Arbeiter ersetzen? Es gibt jedoch viele Anwendungsfälle, in denen die Technologie den Arbeitnehmern hilft, anstatt sie zu ersetzen. Es gibt ein ganzes Feld kollaborativer Roboter, also Roboter, die mit Menschen zusammenarbeiten, und Roboter, die zusammenarbeiten und an einer Aufgabe zusammenarbeiten. Schauen Sie sich zum Beispiel die Dinge an, die Rover tut. Angenommen, Sie haben einen Menschen, der eine Funktion ausführt, und er muss sich bewegen. Angenommen, sie müssen sich auf einer Farm bewegen, um eine Aufgabe auszuführen.

Was wäre, wenn Sie den Rover, um der Argumentation willen, als autonome Radtrommel arbeiten ließen, die dem Arbeiter folgt und immer genau dort ist, wo er sein muss, mit allem, was der Arbeiter braucht. Diese Art von Anwendungsfällen, die von Robotern, die ein Teil an Ort und Stelle halten, während ein Mensch eine Aufgabe erledigt, solche, bei denen die Roboter den Arbeiter unterstützen. Ich habe eine echte Leidenschaft für und habe viel mit Hilfstechnologien gearbeitet, um älteren und behinderten Menschen zu helfen. Ich sehe ein erstaunliches Potenzial dafür, dass diese Dinge Menschen wahrnehmen und mit ihnen interagieren.

Siehe auch: Warum das IoT in praktischen Geschäftsanwendungen immer noch hinterherhinkt

Fragale: Ich würde für uns sagen, dass Sie unsere Kunden in zwei Kategorien einteilen können. Entweder tragen sie Dinge mit dem Roboter, also Waren durch das Lager oder Waren über den Hof, oder sie bringen Sensoren am Roboter an und sammeln Daten. Das sind im Großen und Ganzen die beiden größten Funktionen, die unsere Roboter von Unternehmen nutzen.

Wie passen Edge Computing und KI zusammen?

RTInsights: Das ist ein perfekter Einstieg in meine letzte Frage. Solche Systeme können große Datenmengen von vielen Sensoren und IoT-Geräten sammeln. Ist dies angesichts all der generierten Daten und der Notwendigkeit einer schnellen Analyse der perfekte Sturm für die gemeinsame Nutzung von Edge Computing und KI?

Geschwindigkeit: Das denke ich auf jeden Fall. Unsere Freunde bei AWS sprechen über „Warum kanten“? Sie sprechen über das Gesetz der Physik. Können Sie die Daten in den Volumes abrufen, die in der Cloud generiert werden? Es gibt viele Dinge, die von RF, Netzwerktopologie und anderen Dingen abhängen. Es gibt das Wirtschaftsgesetz. Ist es wirtschaftlich machbar? Wahrscheinlich nicht, wenn Sie Mobilfunkanbieter haben, die Dinge wie byteweise abrechnen. Selbst wenn Sie über die Netzwerkinfrastruktur und die Bandbreite verfügen, um alle Daten in die Cloud zu bringen, ist das wirtschaftlich? Sobald Sie es in die Cloud gebracht haben, ist es je nach Art der Workloads wirtschaftlich, mit dieser Art von Datenvolumen zu arbeiten? Es gibt eine interessante Universitätsstudie, in der beispielsweise Dinge wie Videoverarbeitungs- und Audioverarbeitungs-Workloads mit AWS-Technologien, deren Verwendung in der Cloud und deren Verwendung mit Edge verglichen und gegenübergestellt wurden.

Sie betrachteten Dinge wie AWS IoT Greengrass, das maschinelle Lernanalysen mit in der Cloud entwickelten Modellen durchführt. Was sie (die Universitätsforscher) herausgefunden haben, ist im Grunde, dass die Wirtschaftlichkeit diese Workloads am Rande achtmal besser bewältigt. Aber noch wichtiger als die Wirtschaftlichkeit ist für mich die Latenz. Oft verschiebst du diese Dinge an den Rand, weil es genau dann passieren muss, um im Moment sehr schnell zu sein. Wenn ich das Video in die Cloud bringe und Analysen durchführe und dann eine Entscheidung zurückbringe, kann es zu spät oder zu langsam sein. Eine Person wurde verletzt, ein Gerät ist kaputt gegangen oder das Gebäude ist niedergebrannt. Das ist ein Beispiel für die Verwendung von Edge.

Dann kommen Sie auch in diese Fragen des Landesrechts. Wir glauben an die Entwicklung der Modelle und das Training der Modelle in der Cloud. Die Entwicklung eines Modells ist rechenintensiv und erfolgt auf a
kleines Gerät am Edge, wenn das zum Beispiel einen Tag gedauert hätte, könnten Sie dasselbe Modell in der Cloud hochfahren und es in einer Stunde fertig haben. Aber wenn Sie die Daten selbst analysieren, müssen Sie über einige der Datenschutzprobleme nachdenken, über die Sie zuvor gesprochen haben. Wie gehen Sie sicher mit Daten mit personenbezogenen Daten um oder führen Gesichtserkennung durch? In der Fabrik weißt du, wer der Arbeiter ist.

Bei all diesen Rohdaten können jedoch einige Sensitivitätsprobleme auftreten. Es kann rechtliche, gesellschaftliche oder kulturelle Probleme geben, diese Daten vom Arbeitsplatz an einen anderen Ort zu bringen. Hier kommen Sie zu diesen Fragen des Landesrechts. Da es am Rand arbeitet, erfüllt es viele dieser Anforderungen.

Fragale: Die Explosion von Daten, die schnell analysiert werden müssen, ist in der Tat der perfekte Sturm für den Einsatz von Edge Computing. Wir sehen viele Kunden, die sich für Cloud Computing begeistern, insbesondere für Robotik. Sie denken, wenn ich Netflix mit 4K streamen kann oder all diese Videodaten hin und her streamen kann, wird es einfach sein, Bilddaten in die Cloud zu streamen und dann dort zu verarbeiten, wo Sie viel mehr Ressourcen haben. Aber ich denke, was oft übersehen wird, ist, dass Sie, wenn Sie ein Roboter sind und herumlaufen, jetzt zwischen verschiedenen Zugangspunkten hin und her springen müssen. Wir sehen, dass viele Kunden, die von Cloud Computing begeistert sind, auf diese Hürde stoßen, und es ist etwas, an dem sie monatelang hängen bleiben, und dann wechseln sie zu Edge Computing. Selbst in einem Lagerhaus, wenn Sie versuchen, Ihre Roboter in ein Lagerhaus zu integrieren, werden Sie von einem Zugangspunkt zum anderen hüpfen und oft die Verbindung verlieren.

Siehe auch: Zentrum für Edge-Computing

Dann müssen Sie Ihrem Kunden sagen:„Hey, Sie müssen auf bessere Router upgraden, weil Ihr neuer Router nicht 80211.AC-konform ist.“ Dann fragen sie:„Was zum Teufel bedeuten diese Zahlen?“ Dann sagst du:„Okay, vergiss es. Wir werden den Roboter mit mehr Rechenleistung ausstatten, damit wir diese Aufgaben erledigen können.“ Dieses Problem wird nur noch schlimmer, wenn Sie sich nach draußen bewegen. Mit sicherheitskritischen Robotern, die draußen herumlaufen, wie Joe sagte, können Sie die Bilder nicht an die Cloud und dann zurück an den Roboter senden lassen, um zu entscheiden, ob Sie anhalten oder nicht, bevor Sie die Straße überqueren. Es funktioniert einfach nicht für sicherheitskritische Anwendungen. Dafür ist die Latenz zu groß.

Geschwindigkeit: Die Cloud ist bei all dem sehr wichtig, aber nicht unbedingt so, wie viele Leute denken. Wenn ich die Analysen und das maschinelle Lernen am Rand durchführen kann, muss ich keine großen Datenmengen an die Cloud senden. Dadurch werden Latenzprobleme beseitigt. Wenn ich oben in Alaska auf einer Bohrinsel bin, sehe ich einen Bären, anstatt ein Video des Bären zu senden, sende ich Informationen – Da ist ein Bär. Was ist das besondere Ereignis oder die Schlussfolgerung, die Sie gefunden haben? Wir sehen viel davon. Denken Sie einfach in Begriffen, anstatt Daten in die Cloud zu streamen, Informationen zu streamen, die Ergebnisse der Analysen zu streamen.

Sie müssen diese Systeme auch so zusammenstellen, dass sie zuverlässig sind. Das ist etwas, womit ich mich früher beschäftigt habe, als ich an einem vernetzten Auto und den Themen Cloud-erweiterte Analyse und Fahrzeugsicherheit gearbeitet habe. Sie müssen es sich als etwas vorstellen, das normalerweise verbunden ist, oft verbunden ist und gelegentlich verbunden ist. Wie stellen Sie diese Systeme so zusammen, dass sie im Grunde mit der Annahme funktionieren, dass Sie ein unzuverlässiges Netzwerk haben werden? Wenn Sie es in dieser Umgebung richtig zum Laufen bringen können, ist alles in Ordnung. Aber Sie müssen immer eine makellose Konnektivität mit Latenzen innerhalb eines bestimmten SLA haben, oder Sie werden in der realen Welt auf Probleme stoßen.