ロボティクスにおけるAI活用：生産性向上と雇用懸念の緩和

ロボティクスにおける人工知能の役割は、ユースケースとプライバシーおよび計算課題の解決によって大きく決まります。

ロボットは多くのタスクを自動化することで、企業のビジネスのやり方を変える可能性を秘めています。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提起します。AI搭載ロボットは雇用を奪うのか、それとも労働者を支援して生産性を高めるのか？AIがロボットにマシンビジョンなどの能力を与えるにつれ、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う扱うかという課題もあります。データをどこで処理するのか？クラウドか？エッジか？

これらの問題、ユースケース、エッジの役割をよりよく理解するために、ADLINKのIoTソリューションおよびテクノロジー担当CTOであるJoe Speed氏、Rover Robotics創業者のNick Fragale氏と対談しました。ADLINKは、産業界全体でコネクテッド産業用IoTシステムへの移行を支える最先端のコンピューティングソリューションを提供しています。Rover Roboticsは、ROS（ロボットオペレーティングシステム）を使用した堅牢な産業グレードロボットを開発しています。

AIの利用に懸念はあるか？

RTInsights： 企業がさまざまな恐れからAIの利用を躊躇しているようです。潜在的なユーザーから、AI導入に関してどのような懸念を聞きますか？

Speed： AIに関する懸念の多くはプライバシーの側面に関係しています。顔認識や、大規模監視のようなトピックへのAI適用について語ると、人々は懸念を表明します。私たちが注力する分野では、それほど恐れや懸念は見られません。私たちのテクノロジーの多くは、機器、プロセス、ワークセル、施設などの「内部、表面、近傍」にあります。そこが通常、私たちのAIが使用される場所です。

これらのケースでは、AIの適用は既存プロセスが確実に動作することを保証するものです。機器の健全性管理などに役立ちます。企業はワークセルを取り入れ、より効率的に動作させることができます。既存のレガシーシステム、既存機械、既存プロセスを計装化して、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、顔認識や大規模監視に関連するプライバシー懸念には遭遇しません。システムは社内で使用されるものであり、公共の場で人々を監視するシステムとは異なります。企業環境では、AIの利用はプロセスや運用を改善し、労働者が仕事をより良くこなせるよう支援することに焦点を当てています。コンピュータビジョンへの機械学習適用が非常にホットです。もう一つの非常に人気のある用途はセンサーフュージョン周辺です。このようなユースケースでは、ビジョンを他の種類のセンサーデータや既存レガシー機器からのテレメトリとどう組み合わせ、それらを統合して何が起きているかをよりよく理解するかが課題となります。

Fragale： 私たちの視点から言えば、お客様は研究・学術分野から来られており、AIの利用に非常にオープンです。お客様の平均年齢はおそらく30歳前後です。新製品Rover AMR 100で物流市場に参入すれば変わるでしょう。しかし現時点では、AI導入への抵抗は見られていません。

ロボティクスでAIはどう使われているか？

RTInsights： それは素晴らしいつなぎです。明らかに、AIの関心領域の一つはロボティクスです。ロボティクスでAIはどう使われていますか？

Speed： 最大の領域の一つは知覚です。カメラを思い浮かべてください、ただしそれ以上のものです。ロボットに知覚を与えるには多くの異なるテクノロジーが使用できます。明らかなものはカメラですが、カメラの中でも、単眼か、ステレオか、3D深度検知か、可視光か赤外線かがあります。また、視覚的と思えるが少し異なる、知覚を与える他のテクノロジーもあります。LIDAR（光検出と測距：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）のようなものです。LIDARでは、基本的にレーダーと同じように考えます。家族に説明する時は「レーダーを知ってる？同じことだけど、電波じゃなくてレーザーだよ」と言います。

レーザーが回転し、物体に跳ね返ります。自律走行車での使用では、実際には車は見えません。しかし、車の形をした点群が見え、ドップラー効果によって他のこともわかります。その点群が動いているか？私に向かって、あるいは離れて、どの速度で？

関連記事： Why Edge Computing Can Help IoT Reach Full Potential

さらに超音波、レーダー、今日必ずしも想定しないその他のものもあります。自律運用が始まると、これらの測距テクノロジーが役割を果たします。Roverのケースのように40ポンドのロボットが自律的に動作する場合、それを400ポンド、4,000ポンドにすると、危険になり始めるクラスの【機器】に入ります。重機をどう安全に運用し、人や財産を傷つけずにより自律的・自動化された方法で運用するか？これらの他のテクノロジーが使用できます。

例えば、カメラカバレッジが必ずしもない非常に近距離のものには超音波を使用できます。ロボティクスでは、AIが適用される2つの場所があり、それらが融合します。特に移動ロボットや動くものの自律運用の場合と、環境と実際に相互作用するロボットの場合です。

LIDAR、レーダー、超音波はナビゲーションを支援します。ロボットや自律システムが自分がどこにいて、どこへ向かっているかを知り、物や人と衝突せずにそれを行う方法といった質問に答えるために使用できます。また、環境と相互作用するロボットもあります。古典的な例は、アームのような産業用ロボットです。アームは周囲のものをどう知覚するか？ロボティクスの部品ピッキングが例です。アームがビンから部品を取り出し、組み立てているものや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。そして、AIとロボティクスを明確に組み合わせることもできます。グリッパー付きの移動ロボットで、環境と相互作用できるものもあります。

これがまさにAI機械学習の全分野です。そこが私たちが適用を見ている場所です。

Fragale： Rover Roboticsでの私たちの視点はJoeの視点とかなり似ています。ですが、圧倒的に多く見られるAIの用途は、カメラ、カメラデータの分析、特に検査です。何らかのものを継続的に監視したいあらゆる企業がこのテクノロジーを使用できます。配管の錆を監視したい石油会社なら、移動ロボットで24時間365日監視できます。倉庫施設でRFIDタグを検査して棚卸しをする必要があるかもしれません。施設内で検査したいあらゆることを、ロボットとカメラで今なら実行できます。

どの産業がAIとロボティクスを使用しているか？

RTInsights： 製造、物流、高齢者ケア、カスタマーサービスなど、すでにAIとロボティクスが使用されている特定の産業はありますか？

Fragale： はい。最大の産業は物流、製造、建設です。これらはロボットがすでにAIを使って何かを行っている産業です。建設の場合、非効率から毎年失われる資金を取り戻そうとする企業がたくさんあります。例えば、コンクリートを打つ前に、正しい配管、スプリンクラー、すべての安全設備が設置されていることを確認することは、あらゆる建設プロジェクトにとって極めて重要です。しかし多くの下請け業者が関わると、しばしば問題が生じます。建設現場をロボットが巡回し、全体的な建設プロジェクトでクリティカルなものを探せば、通常失われるコストを大幅に回収できます。

Speed： はい、確かに検査は大きいです。私たちは検査、特に視覚検査で大量のビジネスをしています。現場では、40万台のカメラが私たちのビジョンシステムに接続され、このおよび他の種類のユースケースで稼働しています。私にとって本当に面白いのは、組立ライン、作業台、コンベア上の固定カメラで通過するものを検査する代わりに、AIベースの視覚検査と自律ロボティクスの2つのテーマを組み合わせることです。ロボットを考えてください。物理的な商品をカメラに持ってくるのではなく、カメラが検査が必要なものへ向かいます。建設例のように、移動ロボットが現場を巡回して検査を行います。空気ダクトがあるはずだ。設置されているか？スケジュール通りか、遅れているか？

もう一つの例は、小売業者がAIとロボットを使って在庫を確認することです。小売業者は、ロボットが物理的に観察したものを、店舗管理および倉庫ロジスティクスシステムが在庫として示しているものと比較できます。これは私が非常にワクワクしている分野で、オープンロボティクスに全力で取り組んでいます。

今日、ロボティクスはほぼR-O-Sと綴られます。これはロボットオペレーティングシステムです。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。ロボティクス開発のためのオープンソースフレームワークです。私たちはそれと協力し、貢献しています。そして、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重視する分野です。これらが組み合わさることで、非常に興味深い時代が来るでしょう。

実行されている主要なロボット支援機能は？

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ましょう。市場では何を見ていますか？

Speed： AIビジョンとロボティクスで、多くの人は「これは労働者を置き換えるのか？」と考えます。しかし、労働者を置き換えるのではなく支援する多くのユースケースがあります。協働ロボットという分野全体があります。これは人とロボットが一緒に働き、タスクで協力するものです。例えば、Roverが行うことを考えてみてください。機能を実行する人間がいて、移動する必要があるとします。農場を移動してタスクを実行する必要があるとします。

もしRoverが、自律的な手押し車として働き、作業者について回り、作業者が必要とするものを常に必要な場所に置いておくとしたらどうでしょう。こうしたユースケース、人間がタスクをする間ロボットが部品を固定する、労働者を支援するロボット。私は高齢者や障害者を支援するアシスティブテクノロジーに真の情熱を持っており、多くの作業をしてきました。これらが人々をセンシングし、相互作用する驚くべき可能性を見ています。

関連記事： Why IoT Still Lags in Practical Business Applications

Fragale： 私たちの場合、お客様を2つのカテゴリに分類できます。ロボットで物を運ぶ（倉庫や農場で商品を運ぶ）、またはロボットにセンサーを搭載してデータを収集する。これらが、企業によるロボット利用で見られる最大の2つの機能です。

エッジコンピューティングとAIはどう融合するか？

RTInsights： これは最後の質問への完璧な導きです。多くのセンサーとIoTデバイスから大量のデータを収集するこのようなシステムでは、生成されるすべてのデータと高速分析の必要性から、エッジコンピューティングとAIを一緒に使う絶好の機会と言えますか？

Speed： 間違いなくそう思います。AWSの友人たちは『なぜエッジなのか？』について語ります。物理法則について語ります。生成されるデータ量をクラウドに送れるか？RF、ネットワークトポロジ、その他の要素に依存するものがたくさんあります。経済法則もあります。経済的に実現可能か？おそらく、バイト単位で課金するモバイルオペレーターがいる場合は違います。ネットワークインフラと帯域幅があっても、クラウドにすべてのデータを送った後、ワークロードの種類によっては、そのデータ量を扱うのが経済的か？ビデオ処理やオーディオ処理ワークロードを、AWSテクノロジーを使ってクラウドで行うのとエッジで行うのとを比較対照した興味深い大学研究があります。

彼らはAWS IoT Greengrassのようなものを見ました。これはクラウドで開発されたモデルを使って機械学習分析を行います。彼ら（大学研究者たち）が導き出したのは、基本的にこれらのワークロードをエッジで行う方が経済的に8倍優れているということです。しかし私にとって、経済性以上に重要なのはレイテンシです。多くの場合、その瞬間に起こる必要があり、その瞬間に非常に高速である必要があるからエッジに移します。ビデオをクラウドに持って行って分析し、決定を持ち帰ると、遅すぎて手遅れになるかもしれません。人が怪我をした、機器が壊れた、建物が燃えた。これがエッジ使用の一例です。

さらに「土地の法則」の問題にも入ります。モデルの開発、トレーニングはクラウドで行うことを信じています。モデル開発は計算コストが高く、例えばエッジの小さな機器で1日かかるなら、クラウドで同じモデルを立ち上げれば1時間で完了します。しかしデータ自体を分析する際、以前話したプライバシー問題の一部を考える必要があります。個人を特定できる情報をどう安全に扱うか、顔認識をどうするか？工場では作業者が誰かわかっています。

しかし、すべての生データにはセンシティビティの問題があるかもしれません。職場からデータを外部のどこかに持ち出すことに関する法的、社会的、文化的問題があるかもしれません。そこが「土地の法則」の問題に入ります。エッジで作業することは、こうした多くのニーズをうまく満たします。

Fragale： 迅速に分析する必要があるデータの爆発的増加は、まさにエッジコンピューティングを使用する絶好の機会です。クラウドコンピューティング、特にロボティクスにワクワクしているお客様をたくさん見かけます。Netflixを4Kでストリーミングできる、あるいはこれだけのビデオデータをやり取りできるなら、画像データをクラウドにストリーミングしてそこで処理すれば簡単だろう、リソースがもっとあるから、と考えます。しかし、しばしば見落とされるのは、ロボットがうろついているなら、異なるアクセスポイント間を移動しなければならないことです。クラウドコンピューティングにワクワクしているお客様がその障壁にぶつかり、数ヶ月悩み、エッジコンピューティングに切り替えるのをよく見ます。倉庫内でも、ロボットを統合しようとすると、アクセスポイントからアクセスポイントへ移動し、頻繁に接続が切れます。

関連記事： Center for Edge Computing

すると、「ルーターをアップグレードする必要があります。新しいルーターが802.11ac準拠じゃないんです」と顧客に伝えることになります。すると「それらの数字は何を意味するんですか？」と聞かれます。「じゃあ忘れてください。ロボットにより多くのコンピュートを搭載して、これらのタスクをこなせるようにします」と言うことになります。この問題は外に出るとさらに悪化します。安全クリティカルなロボットが屋外をうろついている場合、Joeが言った通り、画像をクラウドに送ってからロボットに戻し、通りを渡る前に止まるかどうかの決定を下す、というのは機能しません。レイテンシが大きすぎて、安全クリティカルなアプリケーションには対応できません。

Speed： クラウドはこのすべてにおいて非常に重要ですが、多くの人が思うようには必ずしも重要ではありません。エッジで分析と機械学習ができれば、大量のデータをクラウドに送る必要がありません。これによりレイテンシ問題が解消されます。アラスカの石油採掘リグにいて、熊を見たとします。熊のビデオを送る代わりに、情報を送ります ― 「熊がいる」。あなたが見つけた特定のイベントや推論は何か？そうしたものを多く見ます。データをクラウドにストリーミングする代わりに、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のです。

また、これらのシステムを信頼性高く組み立てる必要があります。これは、コネクテッドカーやクラウド拡張分析、自動車安全のトピックで私が扱っていたことです。通常接続、頻繁に接続、時々接続、というものとして考える必要があります。基本的に信頼できないネットワークという前提で、これらのシステムをどううまく動作させるか？その環境でうまく動けば、基本的にOKです。しかし、常にプリステインな接続で、一定のSLA内のレイテンシがなければ、現実世界で問題にぶつかります。