企業や労働者がロボット工学の取り組みでAIを使用することを恐れてはならない理由

ロボット工学で人工知能が果たす役割は、主にユースケースとプライバシーおよび計算上の問題の解決によって決定されます。

ロボットは、多くのタスクを自動化することにより、企業のビジネス方法を変える可能性があります。人工知能（AI）テクノロジーと組み合わせると、ロボットは自律的になることができます。しかし、これらのテクノロジーの組み合わせは多くの問題を引き起こします。 AI支援ロボットは、仕事をなくしたり、労働者を支援したりして、生産性を高めますか？ AIはマシンビジョンなどの機能をロボットに提供するため、プライバシーの問題もあります。そして、使用される可能性のある大量のデータをどのように処理するかという課題があります。そのデータをどこで処理しますか？クラウドで？端に？

これらの問題、ユースケース、およびエッジの役割をよりよく理解するために、最先端のコンピューティングソリューションのプロバイダーであるADLINKのCTOIoTソリューションおよびテクノロジーであるJoeSpeedに話を聞きました。
業界全体で接続された産業用IoTシステムへの移行をサポートします。また、RoverRoboticsの創設者であるNickFragaleも議論に参加しました。このロボットは、ロボットオペレーティングシステムであるROSを使用して頑丈な工業用ロボットを開発しています。

AIの使用について懸念はありますか？

RTInsights： さまざまな懸念から、企業はAIの使用に消極的であるようです。 AIの採用に関して、潜在的なユーザーからどのような懸念がありますか？

速度： AIに関して私が耳にする懸念のほとんどは、プライバシーの側面のいくつかに関係しています。顔認識や、AIなどの他の側面のいくつかは、大量監視などのトピックに適用されると、人々が懸念を表明するのを耳にします。人々は少し緊張します。私たちが集中しがちな種類の空間では、AIに対する恐れや懸念は必ずしもそれほど多くはありません。私たちのテクノロジーのほとんどは、通常、機器、プロセス、作業セル、施設など、何かの中、上、または近くにあります。これは通常、AIが使用されている場所です。

このような場合、AIのアプリケーションは既存のプロセスを採用し、それが確実に動作することを保証します。機械の健康などに役立ちます。これにより、企業は作業セルを取得して、より効率的に動作させることができます。また、企業は既存のレガシーシステム、既存の機械、または既存のプロセスと機器を利用して、より安全にすることができます。

これらのアプリケーションの多くでは、顔認識や大量監視に関連するプライバシーの懸念に実際に直面していません。このシステムは、公の場で人々を監視するシステムとは対照的に、社内で使用されます。会社の環境では、AIの使用は、プロセスまたは操作を改善し、労働者が仕事をより良く行うのを支援することに重点を置いています。これらのいくつかについて私たちが見ているのは、AI、特にコンピュータービジョンに適用される機械学習が非常に熱いということです。もう1つの非常に人気のある用途は、センサーフュージョンです。このようなユースケースでは、問題は、ビジョンを他の種類のセンサーデータまたは既存のレガシー機器からのテレメトリとどのように組み合わせて、何が起こっているのかをよりよく理解するためにそれらを組み合わせる方法です。

Fragale： 私たちの観点から言えば、私たちの顧客は研究と学術の分野から来ているので、彼らはAIを非常にオープンに使用しています。お客様の平均年齢はおそらく30歳前後です。これから、新製品であるRover AMR 100を使用してロジスティクス市場に参入しますが、これは変更されます。しかし、これまでのところ、AIの実装に対する抵抗は見られませんでした。

AIはロボット工学でどのように使用されていますか？

RTInsights： それは素晴らしいセグエです。明らかに、AIの関心分野の1つはロボット工学です。 AIはロボット工学でどのように使用されていますか？

速度： 最大の領域の1つは知覚です。カメラを考えてみてください。それより少し多いですが。ロボットに知覚を与えるために使用できるさまざまなテクノロジーがあります。明らかなものはカメラですが、カメラ内でも、それは単一のカメラですか、ステレオカメラですか、3D深度検知カメラですか、可視スペクトルですか、それとも赤外線ですか？次に、知覚を与える他のテクノロジーもいくつかあります。これは、ほとんど視覚的と考えるかもしれませんが、少し異なります。 LIDARのようなものです。 （光の検出と測距は、パルスレーザー光を使用して距離を測定するリモートセンシング手法です。）LIDARでは、基本的にはレーダーと考えてください。私が家族にそれを説明する方法は、レーダーが何であるか知っていますか？もちろん。ええと、同じことですが、電波の代わりにレーザーです。

レーザーが回転しています。それは物事を跳ね返します。自動運転車に使用すると、実際には車は見えません。しかし、あなたが目にするのは車の形をした点の雲であり、ドップラー効果のために他のこともできます。その点群が動いているかどうかがわかります。それは私に向かって進んでいますか、それとも離れていますか？

関連項目： エッジコンピューティングがIoTの可能性を最大限に引き出すのに役立つ理由

次に、超音波やレーダーなど、今日は必ずしも考えられないかもしれないものもあります。自律運用を開始すると、これらのレンジングテクノロジーが役割を果たします。ローバーの場合と同様に、40ポンドのロボットがあり、自律的に動作しています。しかし、それを40ポンドのロボットから400ポンド、4,000ポンドにすると、危険になり始めた[機器]のクラスになります。重機を安全に操作するなど、どのように行いますか。また、人を傷つけたり、物的損害を引き起こしたりすることなく、より自律的または自動化された方法でそれを行うにはどうすればよいですか。これらの他のテクノロジーのいくつかを使用できます。

たとえば、必ずしもカメラをカバーできるとは限らない非常に近い種類のものに超音波を使用する場合があります。ロボット工学では、AIが適用される場所が2つあり、それら（AIとロボット工学）が混ざり合ってしまいます。これは、自律的な操作、特に移動ロボットと動くものがある場合です。

LIDAR、レーダー、および超音波は、ナビゲーションを支援することができます。それらは、次のような質問に答えるために使用できます。ロボットまたは自律システムは、それがどこにあるかをどのように知るのか、それがどこに向かっているのかをどのように知るのか、物や人にぶつかることなくそれをどのように行うのか。次に、実際に環境と相互作用するロボットもあります。この典型的な例は、腕などの産業用ロボットについて考える場合です。腕は周囲をどのように認識しますか？この例としては、ロボット工学による部品のピッキングがあります。この場合、腕がビンから部品を取り出して、組み立てているものまたは別のビンに入れます。これは非常に人気のあるアプリケーションです。そうすれば、明らかにAIとロボット工学を組み合わせることができます。また、環境と相互作用できるグリッパー付きのアクチュエーターを備えた移動ロボットを使用することもできます。

それは本当にAI機械学習の全分野です。ここで、これが適用されていることがわかります。

Fragale： Rover Roboticsでの私たちの見方は、Joeの見方と非常に似ています。しかし、概して、AIを使用している人々に最もよく見られるのは、カメラ、カメラデータの分析、特に検査の実行です。何かを監視し続けたい企業は、このテクノロジーを使用できます。アプリケーションは、パイプが錆びているかどうかを監視したい石油会社である可能性があります。彼らは今、移動ロボットで24時間年中無休でそれを行うことができます。または、RFIDタグを検査して在庫を取得する必要がある倉庫施設がある場合もあります。施設内で検査したいことはすべて、ロボットとカメラで実行できるようになりました。

AIとロボット工学を使用している業界はどれですか？

RTInsights： 製造、ロジスティクス、介護、カスタマーサービスなど、AIやロボット工学がすでに使用されている特定の業界はありますか？

Fragale： はい。最大の産業は、ロジスティクス、製造、建設です。それらは、ロボットがすでにAIを使用して物事を行っているものです。建設の場合、非効率で毎年失われるお金を取り戻そうとする企業がたくさんあります。たとえば、コンクリートを敷設する前に、すべての正しい配管とスプリンクラー、およびすべての安全装置を設置することを確認することは、建設プロジェクトにとって非常に重要です。しかし、多くの下請け業者が関与しているため、問題が発生することがよくあります。ロボットが建設現場を回って、そのようなもの、つまり建設プロジェクト全体で重要なものを探す場合、通常は失われるコストの多くを回収できます。

速度： はい、確かに、検査は大きなものです。私たちは検査、特に目視検査を中心に多くのビジネスを行っています。現場では、これや他の種類のユースケースを実行するビジョンシステムに接続された40万台のカメラがあります。私にとって本当に興味深いのは、組み立てライン、作業台、またはコンベヤーに固定されたカメラの代わりに、AIベースの目視検査と自律型ロボットの2つのテーマを採用することです。それらを組み合わせます。ロボットについて考えてみてください。物理的な商品をカメラに持ち込む代わりに、カメラは検査が必要なものに移動します。移動ロボットが現場を歩き回って検査を行う施工例があります。エアダクトがあるはずです。設置されていますか？予定より進んでいますか、それとも遅れていますか？

もう1つの例は、AIとロボットを使用して在庫を確認する小売業者です。次に、小売業者は、ロボットが物理的に観察するものを、店舗管理および倉庫のロジスティクスと比較することができます。
システムは在庫があると言います。それは私が非常に興奮している分野であり、私たちは皆オープンロボティクスに取り組んでいます。

最近、ロボット工学は、ロボットのオペレーティングシステムであるR-O-Sとほとんど綴られています。ロボットでもオペレーティングシステムでもありません。これは、ロボット工学を開発するためのオープンソースフレームワークです。私たちはそれに取り組んで貢献しています。次に、これをAIビジョンと組み合わせます。これも、オープンソースを中心に重点を置いた分野です。これらが組み合わされているので、本当に面白い時間になるでしょう。

実行されている上位のロボット支援機能は何ですか？

RTInsights： すべてのアプリケーション領域で実行されているロボット支援機能を掘り下げてみましょう。市場には何が見えますか？

速度： AIビジョンとロボット工学により、多くの人が考えていますが、これは労働者に取って代わるのでしょうか？ただし、テクノロジーが労働者を置き換えるのではなく、労働者を助ける多くのユースケースがあります。協働ロボットには、人と一緒に働くロボットと、一緒に仕事をするロボットがあります。たとえば、ローバーが行うことを見てください。機能を実行している人間がいて、彼らが歩き回らなければならないとします。タスクを実行するために農場内を移動する必要があるとしましょう。

もしあなたがローバーを持っていたら、議論のために、周りの労働者を追いかけ、労働者が必要とするものと一緒にいる必要がある場所で常に正しい自律型の手押し車として働きます。そのようなユースケース、人間がタスクを実行している間にピースを所定の位置に保持するロボットのユースケース、ロボットが作業者を支援するユースケース。私は、高齢者や障害者を支援するための支援技術に真の情熱を持っており、多くの取り組みを行ってきました。これらのものが人々を感知し、相互作用することには驚くべき可能性があると思います。

関連項目： IoTがまだ実用的なビジネスアプリケーションに遅れをとっている理由

Fragale： 私たちにとって、お客様は2つのカテゴリに分類できます。彼らはロボットで物を運ぶので、倉庫を越えて商品を運ぶか、農場を越えて商品を運ぶか、ロボットにセンサーを取り付けてデータを収集します。これらは概して、私たちのロボットが企業によって使用されていると私たちが見ている2つの最大の機能です。

エッジコンピューティングとAIはどのように連携しますか？

RTInsights： それは私の最後の質問への完璧なリードです。このようなシステムは、多くのセンサーやIoTデバイスから大量のデータを収集できます。すべてのデータが生成され、高速分析が必要なため、これはエッジコンピューティングとAIを一緒に使用するための完璧な嵐ですか？

速度： 私は間違いなくそう思います。 AWSの友人たちは、「なぜエッジを使うのか」について話します。彼らは物理法則について話します。クラウドに生成される種類のボリュームのデータを取得できますか？ RF、ネットワークトポロジ、その他の種類に応じて多くのものがあります。経済学の法則があります。それは経済的に実現可能ですか？おそらく、バイト単位の課金などを行う携帯電話会社がある場合はそうではありません。ネットワークインフラストラクチャ、つまりすべてのデータをクラウドに取り込むための帯域幅がある場合でも、経済的ですか？クラウドに到達したら、ワークロードの種類に応じて、その種類のデータボリュームで経済的に作業できますか？たとえば、AWSテクノロジーを使用してビデオ処理やオーディオ処理のワークロードを実行し、クラウドで使用し、エッジで使用するなど、比較対照した興味深い大学の研究があります。

彼らは、クラウドで開発されたモデルを使用して機械学習分析を行うAWSIoTGreengrassのようなものを検討しました。彼ら（大学の研究者）が思いついたのは、基本的に、経済学はこれらのワークロードをエッジで実行する方が8倍優れているということです。しかし、私にとって、経済学よりもさらに重要なのはレイテンシーです。多くの場合、あなたはこれらのことを端に移動します。なぜなら、それがすぐに起こり、その瞬間に非常に速くなる必要があるからです。ビデオをクラウドに持ち込み、分析を行ってから決定を戻すと、遅すぎたり遅すぎたりする可能性があります。人が負傷した、機器が壊れた、または建物が全焼した。これは、エッジを使用する1つの例です。

それからまたあなたは土地の法律のこれらの問題に入ります。私たちはモデルを開発し、クラウドでモデルをトレーニングすることを信じています。モデルの開発は計算コストが高く、
たとえば、1日かかった場合、エッジにある小さな機器で、同じモデルをクラウドでスピンアップして1時間で完了させることができます。しかし、データ自体を分析するときは、以前に話していたプライバシーの問題のいくつかについて考える必要があります。個人を特定できる情報を含むデータを安全に処理したり、顔認識を行ったりするにはどうすればよいですか？工場では、あなたは労働者が誰であるかを知っています。

ただし、これらすべての生データでは、感度の問題が発生する可能性があります。そのデータを職場から別の場所に持ち出すことに関して、法律上、社会上、または文化上の問題がある可能性があります。ここで、土地法のこれらの問題に取り組みます。エッジで動作することで、このような多くのニーズを適切に満たします。

Fragale： 迅速に分析する必要のあるデータの急増は、確かに、エッジコンピューティングを使用するための完璧な嵐です。クラウドコンピューティング、特にロボット工学に興奮している多くの顧客がいます。 Netflixを4Kでストリーミングできる場合、またはこのすべてのビデオデータを前後にストリーミングできる場合は、画像データをクラウドにストリーミングして、より多くのリソースがあるクラウドで処理するのは簡単だと彼らは考えています。しかし、見過ごされがちなのは、あなたがロボットであり、歩き回っている場合、異なるアクセスポイント間を行き来する必要があるということだと思います。クラウドコンピューティングに興奮している多くの顧客がその障害にぶつかり、それは彼らが何ヶ月もハングアップしてからエッジコンピューティングに切り替えるものです。倉庫内でも、ロボットを倉庫に統合しようとすると、あるアクセスポイントから別のアクセスポイントにバウンスし、接続が失われることがよくあります。

関連項目： エッジコンピューティングセンター

次に、「新しいルーターは80211.ACに準拠していないため、より優れたルーターにアップグレードする必要があります」とお客様に伝える必要があります。それから彼らは、「それらの数字は一体何を意味するのか？」と尋ねます。それからあなたは言います｢さてそれを忘れなさいこれらのタスクを実行できるように、ロボットにより多くの計算を配置します。」その問題は、外に出たときにのみ悪化します。ジョーが言ったように、セーフティクリティカルなロボットが外を歩き回っている場合、通りを横断する前に停止するかどうかを決定するために、画像をクラウドに送信してからロボットに戻すことはできません。安全性が重要なアプリケーションでは機能しません。そのためには待ち時間が長すぎます。

速度： クラウドはこれらすべてにおいて非常に重要ですが、必ずしも多くの人が考える方法ではありません。エッジで分析と機械学習を実行できれば、大量のデータをクラウドに送信する必要はありません。これにより、遅延の問題が解消されます。私がアラスカの石油掘削装置のサイトにいる場合、クマのビデオを送信する代わりにクマが表示されます。あなたが行うことは、情報を送信することです。クマがいます。あなたが見つけた特定の出来事や推論は何ですか？私たちはそれをたくさん見ます。データをクラウドにストリーミングするのではなく、情報をストリーミングし、分析の出力をストリーミングするという観点から考えてみてください。

また、信頼性を高めるには、これらのシステムを組み合わせる必要があります。これは、コネクテッドカーで作業するときに私が扱っていたものであり、クラウド拡張分析と自動車の安全性のトピックです。あなたはそれを通常は接続されているもの、しばしば接続されているもの、時々接続されているものと考える必要があります。これらのシステムをどのように組み合わせて、基本的に信頼性の低いネットワークを使用することを想定して機能しますか？その環境で正しく機能させることができれば、基本的には問題ありません。ただし、特定のSLA内のレイテンシと常に接続している必要があります。そうしないと、現実の世界で問題が発生します。