Drones en Robots in de industriele inspectie
AI ; De kunstmatige intelligentie van drones en robots
Avitas Systems, gevestigd in Boston, gebruikt nu drones en robots om de inspectie van infrastructuur zoals pijpleidingen, elektriciteitsleidingen en transportsystemen te automatiseren. Het bedrijf maakt gebruik van de on-the-shelf machine-learning technologie van Nvidia om de controles te begeleiden en om automatisch onregelmatigheden in de verzamelde gegevens te identificeren.
De inspanning laat zien hoe goedkope drones en robotsystemen, gecombineerd met snelle vooruitgang in machineonderwijs, het mogelijk maken om hele sectoren van laaggeschoold werk te automatiseren. Hoewel er veel bezorgdheid is over de automatisering van banen in de productie en kantoren, kunnen routine veiligheids- en veiligheidsinspecties een van de eerste grote gebieden zijn die onder de vooruitgang van kunstmatige intelligentie zullen ondermijden.
Drones zijn al een tijdje op een aantal industriële locaties gebruikt. Diverse bedrijven, zoals Kespry, Flyability en CyPhy, gebruiken deze voor de monitoring van mijnen, het inspecteren van windturbines en de beoordeling van bouwverzekeringsaanspraken. Maar de technologie die nodig is om meer van het proces te automatiseren, wordt nu toegankelijk. Soortgelijke technologie maakt het ook mogelijk om robots autonoom te cruise door kantoren en winkelcentra op zoek naar afwijkend gedrag.
Avitas
Avitas gebruikt drones, wielroboten en autonome onderwatervoertuigen om beelden te verzamelen die nodig zijn voor inspectie door olieraffinaderijen, gasleidingen, koelvloeistoftoren en andere apparatuur. Het bedrijf maakt gebruik van het DGX-1-systeem van Nvidia, een computer die is ontworpen voor een spannend soort machineonderwijs, om deze voertuigen naar dezelfde plek te leiden en de beeldgegevens te analyseren voor mogelijke gebreken.
Nvidia's systeem maakt gebruik van diep leren, een aanpak waarbij een zeer groot gesimuleerd neuraal netwerk wordt opgedaan om patronen in data te herkennen en die bijzonder bewezen is voor beeldverwerking. Het is bijvoorbeeld mogelijk om een diep neuraal netwerk op te leiden om fouten in een stroomlijn automatisch te identificeren door te voeden in duizenden vorige voorbeelden. In sommige gevallen kan diep leren de beeldherkenning betrouwbaarder uitvoeren dan iemand kan.
Alex Tepper, de oprichter van Avitas, zegt dat de klanten van de onderneming honderden miljoenen besteden aan handmatig inspectie van apparatuur. Dit houdt meestal in dat iemand naar een afgelegen locatie reist om het te onderzoeken. Een drone of robot kan automatisch beelden van dezelfde plek verzamelen, waardoor het makkelijker kan worden om fouten op te sporen die anderszins onopgemerkt zouden kunnen gaan. De aanpak kan een raffinaderij redden, bijvoorbeeld ongeveer $ 1 miljoen per jaar op inspecties, schat het bedrijf.
Vooruitgang in kunstmatige intelligentie maakt het ook makkelijker om robots te leren navigeren naar een locatie voor zichzelf. Neurala een bedrijf dat gespecialiseerd is in ''deep learning'', heeft een drone toolkit gelanceerd die gebruikt kan worden om een voertuig op te leiden om een bepaald object te herkennen of te volgen en obstakels te vermijden.
English version
Avitas Systems, a GE subsidiary based in Boston, is now using drones and robots to automate the inspection of infrastructure such as pipelines, power lines, and transportation systems. The company is using off-the-shelf machine-learning technology from Nvidia (50 Smartest Companies 2017) to guide the checkups, and to automatically identify anomalies in the data collected.
The effort shows how low-cost drones and robotic systems—combined with rapid advances in machine learning—are making it possible to automate whole sectors of low-skill work. While there is plenty of worry about the automation of jobs in manufacturing and offices, routine security and safety inspections may be one of the first big areas to be undermined by advances in AI.
Drones have been used on some industrial sites for a while (see “New Boss on Construction Sites Is a Drone”), and various companies, such as Kespry, Flyability, and CyPhy, offer aerial systems for monitoring mines, inspecting wind turbines, and assessing building insurance claims. But the technology required to automate more of the process is now becoming accessible. Similar technology is also enabling robots to cruise autonomously through offices and malls looking for anomalous behavior (see “Rise of the Robot Security Guard”).
Related Story
Avitas uses drones, wheeled robots, and autonomous underwater vehicles to collect images required for inspection from oil refineries, gas pipelines, coolant towers, and other equipment. The company is using Nvidia’s DGX-1 system, a computer designed for a cutting-edge kind of machine learning, to guide these vehicles to the same spot, and to analyze the image data for possible defects.
Nvidia’s system employs deep learning, an approach that involves training a very large simulated neural network to recognize patterns in data, and which has proven especially good for image processing. It is possible, for example, to train a deep neural network to automatically identify faults in a power line by feeding in thousands of previous examples. In some cases, deep learning can perform image recognition more reliably than a person could.
Alex Tepper, the founder of Avitas, says the company’s customers spend hundreds of millions on manually inspecting equipment. This usually involves someone traveling to a remote location to examine it. A drone or robot can automatically collect images of the same spot many times over, perhaps making it easier to detect flaws that might otherwise go unnoticed. The approach can save a refinery, for example, about $1 million annually on inspections, the company estimates.
Advances in AI are also making it easier to teach robots to navigate to a location for themselves. This week, for instance, Neurala, a company that specializes in deep learning, launched a drone toolkit that can be used to train a vehicle to recognize or follow a particular object, and to avoid obstacles.