Microsoft Build 2019: accelerarea catre sisteme autonome

In urma unui cutremur, un robot asemanator unui sarpe care poate sa se tarasca prin daramaturi si prin buzunarele de aer stranse poate accesa locuri pe care nicio persoana nu ar putea – sau ar trebui – sa poata merge.

Sarcos Guardian S, o mica platforma robotica de inspectie vizuala, este conceputa exact pentru aceste scenarii: cautarea fisurilor in conductele industriale, gasirea persoanelor prinse in cladiri instabile, detectarea daca gazele periculoase dintr-un loc de accident ar putea reprezenta un risc de siguranta pentru primii intervenienti.

Astazi, robotul este controlat de cineva care lucreaza la o distanta sigura, care vede scena prin camerele sale si o ghideaza cu echivalentul unui joystick pentru jocuri video. Acum, Microsoft si Sarcos colaboreaza pentru a adauga capabilitati inteligente la Guardian S care i-ar permite sa navigheze mai autonom – eliberand operatorul sa se concentreze asupra deciziilor mai importante.

Ideea aplicatiilor industriale automate si a utilizarii robotilor nu este noua. Bratele robotului deplaseaza acum produsele de-a lungul unei linii de asamblare, masinile transforma bucati de metal in piese, o masina schimba treptele de viteza fara aportul dumneavoastra.

Dar asta este departe de sistemele care sunt de fapt autonome – cele care sunt capabile sa-si simta imprejurimile si sa stie ce sa faca atunci cand se confrunta cu situatii necunoscute. In loc sa efectueze sarcini specifice in mod repetat, fara variatii, aceste sisteme autonome pot raspunde dinamic la medii in schimbare pentru a rezolva o problema dificila. De asemenea, au un potential vast de a spori modul in care oamenii isi fac treaba sau de a indeplini o munca nesigura sau prohibitiva din punct de vedere al costurilor pentru oameni.

Microsoft construieste un lant de instrumente end-to-end pentru a facilita crearea de catre fiecare dezvoltator si fiecarei organizatii a unor sisteme autonome pentru propriile scenarii – fie ca este un robot care poate ajuta in situatii care pun viata in pericol, o drona care poate inspecta echipamente la distanta sau sisteme care ajuta la reducerea timpilor de nefunctionare intr-o fabrica prin calibrarea autonoma a echipamentelor.

„Masinile au progresat pe o cale de a fi complet manuala pana la a avea o functie automata fixa ​​pana la a deveni inteligente unde pot face fata situatiilor din lumea reala”, a spus Gurdeep Pall, vicepresedinte Microsoft pentru afaceri AI. „Vrem sa ajutam la accelerarea acelei calatorii, fara a cere clientilor nostri sa aiba o armata de experti in AI.”

Astazi, la conferinta pentru dezvoltatori Microsoft Build, compania anunta prima componenta a platformei: un program limitat de previzualizare pentru ca dezvoltatorii sa lucreze cu expertii sai pentru a construi agenti inteligenti folosind instrumente Microsoft AI si Azure care pot rula in mod autonom sisteme fizice. Aceasta echipa include cercetatori si ingineri Microsoft de lunga durata si experti din Bonsai, pe care Microsoft i-a achizitionat anul trecut.

Platforma Microsoft pentru a ajuta dezvoltatorii sa creeze sisteme autonome foloseste:

• Instrumente unice de predare automata care permit expertilor din domeniu sa isi foloseasca cunostintele pentru a crea sisteme de IA fara abilitati de stiinta a datelor
• Tehnologii de simulare, cum ar fi Microsoft AirSim sau simulatoare industriale, care permit masinilor sa invete intr-un mediu sigur, dar extrem de realist

De asemenea, se va extrage din diversul portofoliu Microsoft de servicii Internet of Things, o platforma de invatare profunda usor de utilizat si alte solutii AI, precum si instrumente precum ROS pentru Windows care permit dezvoltatorilor sa construiasca sisteme robotizate inteligente – toate ruleaza pe un sistem de incredere si platforma securizata, indiferent daca este pe un dispozitiv sau in cloud.

Primii clienti care participa la programul de previzualizare limitata vor invata cum sa utilizeze aceleasi instrumente de sisteme autonome ca si companii precum Toyota Material Handling, care lucreaza cu Microsoft pentru a dezvolta stivuitoare inteligente si autonome.

Sarcos, de exemplu, cauta o solutie de sisteme autonome care sa combine cel mai bun din ceea ce au de oferit masinile cu intelectul si intuitia umana, a declarat Kristi Martindale, vicepresedinte executiv si director de marketing pentru Sarcos.

Astazi, persoana care controleaza un robot comercial Guardian S trebuie sa-si indrepte atentia asupra apasarii butoanelor si a manetelor de pe un joystick pentru a-l ghida prin spatii inguste si pe terenuri variate. Poate lua mai multi pasi pentru a manipula in mod corespunzator fiecare segment al sarpelui peste o caracteristica comuna de peisaj cum ar fi scarile.

Folosind elemente ale lantului de instrumente Microsoft, inginerii au reusit sa dezvolte un sistem de control autonom care sa permita robotului asemanator cu sarpele sa evite obstacolele, sa navigheze pe scari si sa urce singur pe un perete metalic.

Intr-un scenariu din lumea reala, operatorul ar juca in continuare un rol in ghidarea robotului. Dar daca Guardian S isi poate simti imprejurimile si poate efectua toate miscarile intermediare pentru a traversa scarile singur, operatorul se poate concentra pe evaluarea scenei si efectuarea unor apeluri de judecata mai critice, a spus Martindale.

„Cautam sa descarcam sarcinile care pot fi automatizate – cum urca robotul o scara? Cum se misca in jurul obstacolului? – astfel incat operatorul sa se poata concentra asupra partilor mai importante ale jobului ”, a spus ea. „Omul este inca acolo pentru a spune:„ Nu, de fapt vrei sa mergi la acel obstacol de acolo, pentru ca poate acel obstacol este o persoana ranita ”.”

Mark Hammond, director general Microsoft pentru Business AI si fost director executiv al Bonsai, a dezvoltat o platforma care foloseste predarea automata pentru a ajuta algoritmii de invatare a intaririi profunde sa creeze solutii de sisteme autonome. Fotografie de Dan DeLong pentru Microsoft.

O calatorie de la sisteme automate la sisteme autonome

Cand oamenii se gandesc la sisteme autonome, multi merg direct la viziunea masinii complet autonome care se conduce in timp ce stai pe bancheta din spate si citesti o carte, a spus Mark Hammond, fost CEO Bonsai si director general Microsoft pentru Business AI.

Dar producatorii de automobile integreaza functii autonome in masini de ani de zile, cum ar fi sistemul de control al vitezei de croaziera sau sistemele de franare antiblocare, care simt ceea ce incearca sa faca un sofer cand intampina un pericol pe un drum umed si alunecos. Daca persoana respectiva tranteste franele intr-un mod care ar putea bloca rotile, sistemul de control preia si impiedica masina sa piarda tractiunea.

Viziunea Microsoft este de a ajuta alte tipuri de companii – de la companii inteligente de constructii si energie la producatori industriali – sa realizeze acesti pasi incrementali catre autonomie in propriile industrii. Dupa cum arata exemplul robotului Sarcos, multi vor gasi cea mai mare valoare cu oamenii care inca se afla in bucla, a spus Hammond.

„In orice fel de operatie in care aveti un sistem mecanic care interactioneaza cu lumea fizica, probabil il puteti face mai inteligent si mai autonom”, a spus Hammond. „Dar mentinerea oamenilor la curent este inca foarte de dorit, iar scopul este intr-adevar cresterea capacitatilor a ceea ce pot face acei oameni.”

Invatarea prin intarire este o ramura a IA in care algoritmii invata executand o serie de decizii si sunt recompensati sau penalizati pe baza actiunilor care ii apropie de un scop final. Este foarte potrivit pentru a ajuta masinile sa invete cum sa efectueze sarcini de control autonome, cum ar fi sa decideti cum sa directionati un burghiu subteran sau sa inclinati lama tractorului, in functie de faptul daca pamantul este aglomerat, nisipos sau stancos.

Dar, in timp ce algoritmii de invatare a intaririi profunde au reusit sa invinga oamenii in jocurile video, stapanirea sarcinilor din lumea reala a fost mai dificila. In lumea fizica, mediile dinamice pe care le-ar putea intalni un sistem autonom – cu oameni si obiecte care se misca in moduri imprevizibile sau schimbari minut cu minut de temperatura sau vreme – pot fi mult mai complicate. Identificarea exacta a situatiei in care sistemul a gresit intr-o succesiune lunga de pasi este o sarcina de calcul dificila.

Platforma de sisteme autonome Microsoft depaseste unele dintre aceste provocari utilizand o abordare unica numita predare automata. Se bazeaza pe cunostintele unui dezvoltator sau ale unui expert in materie – cineva care poate nu are un background in AI, dar intelege cum sa directioneze un exercitiu sau sa mentina fluxul de aer intr-o cladire de birouri la niveluri sigure – pentru a rupe o problema mare in bucati mai mici.

In loc sa aiba algoritmi de invatare cu intarire, exploreaza modul de rezolvare aleatorie sau naiva a unei probleme, care ar putea dura pentru totdeauna, acea persoana foloseste un limbaj de programare numit Inkling pentru a arata sistemului cum sa rezolve mai intai probleme mai simple si sa ofere indicii despre ceea ce este important. Aceasta scurteaza procesul de invatare si permite algoritmilor sa atinga o solutie mult mai repede.

Platforma Microsoft permite, de asemenea, expertilor non-AI sa stabileasca si sa modifice sistemul de recompensa, care este cheia pentru a ajunge la o solutie care functioneaza cu adevarat. Si selecteaza si configureaza algoritmii pentru a aborda sarcina, eliminand necesitatea ca expertii in invatarea automata sa solutioneze personalizat constructia.

De exemplu, membrii echipei au lucrat cu Schneider Electric, o companie globala care lucreaza pentru a transforma digital managementul energiei in case, cladiri si industrii, pentru a testa daca AI ar putea contribui la reducerea amprentei de carbon a sistemelor HVAC care sunt utilizate pentru incalzirea si racirea cladirilor comerciale mari.

„Schneider se concentreaza foarte mult pe durabilitate, iar cladirile mari contribuie la poluarea cu carbon. Asadar, exista un mandat cu adevarat important pentru a face sistemele HVAC mai eficiente din punct de vedere energetic ”, a declarat Barry Coflan, vicepresedinte senior si director tehnologic pentru Divizia EcoBuildings a Schneider Electric.

Centrat pe o relatie de lunga durata, a fost efectuat un test de dovada a conceptului folosind lantul de instrumente Microsoft si Schneider a furnizat simulare pentru a antrena un sistem AI pentru a rula in mod autonom sistemele HVAC care controlau fluxul de aer si incalzirea intr-o sala de conferinte. Trebuia sa echilibreze economisirea energiei cu alte obiective, cum ar fi mentinerea temperaturii confortabile pentru oamenii din interior si asigurarea faptului ca exista suficient aer proaspat pentru a mentine cresterea nivelului de dioxid de carbon.

Optimizarea pentru toti acei factori – care sunt controlati de diferite sisteme fizice – necesita mult mai multa inteligenta decat un simplu termostat, spune Hammond de la Microsoft. Sistemul trebuie sa tina cont de variabilele de mediu care se schimba in mod constant: costurile cu energia care fluctueaza pe parcursul zilei, oamenii care vin si pleaca din camera, ce face vremea din afara, fizica modului in care curge aerul.

Folosind o abordare de predare automata, expertii Schneider si Microsoft au predat mai intai sistemul de invatare a armaturii pentru a controla bine temperatura. Apoi, sistemul AI a invatat cum sa controleze fluxurile de aer pentru a mentine calitatea aerului la niveluri sanatoase. Apoi a invatat sa ia in considerare modul in care ocuparea camerei a afectat aceste rezultate.

Tinand cont de toti acesti factori, sistemul AI al Microsoft a reusit sa reduca consumul de energie din camera cu aproximativ 20%, pastrand in acelasi timp confortul si calitatea inalta a aerului atunci cand conteaza. Echipele incep acum o a doua faza de colaborare pentru a simula simularea in diferite tipuri de camere si pentru a spori in continuare economiile de energie.

Coflan a spus ca abordarea pe scara a predarii si capacitatea de a acoperi diferite recompense i-au permis Schneider Electric sa inteleaga modul in care sistemul AI a invatat si sa urmareasca ce factori au contribuit la cele mai mari castiguri.

„O mare parte din ceea ce facem are ramificatii in materie de siguranta, asa ca trebuie sa intelegem cu adevarat modul in care sistemul AI ia decizii”, a spus Coflan. „Aceasta abordare va permite sa vedeti cum sistemul devine mai inteligent si va ofera o pista de audit esentiala pentru siguranta si reproductibilitate. Clientii nostri si-ar dori si asta – nu puteti pur si simplu sa puneti un sistem acolo si sa spuneti „Aveti incredere in noi” ”.

Platforma de sisteme autonome Microsoft foloseste un mediu de depozit simulat in AirSim pentru a antrena un stivuitor inteligent pentru a prelua si livra sarcini in mod autonom, recunoscand si evitand alte obstacole. Acest videoclip ilustreaza viziunea pentru un viitor depozit cu stivuitoare inteligente preinstruite, care ajuta oamenii in activitatile de zi cu zi.

Rularea simularii la scara in Azure

Deoarece nicio companie nu isi poate permite sa lase un robot sau un sistem inteligent de control sa faca milioane de greseli intr-o fabrica din lume, un parc eolian sau o autostrada pe masura ce invata, algoritmii de invatare a intaririi trebuie sa practice intr-un mediu simulat care poate replica miile milioane de scenarii diferite din lumea reala pe care le-ar putea intalni.

Lantul de instrumente Microsoft include, de asemenea, AirSim, o platforma de simulare open source dezvoltata initial de cercetatorii Microsoft pentru a utiliza AI pentru a preda dronelor, masinilor care conduc singuri sau robotilor sa invete in medii simulate de inalta fidelitate. Sau, echipa poate colabora cu clientii pentru a instrui sisteme autonome folosind simulatoare existente specifice industriei.

In ambele cazuri, rularea acestor simulari infometate de date in cloud Azure permite sistemului sa testeze mii de secvente decizionale diferite in paralel, ceea ce permite modelelor AI sa afle ce functioneaza si ce nu functioneaza mult mai repede.

„Daca am capacitatea de a genera mii de simulari simultan si in fiecare dintre pietoni care traverseaza strada este diferita si curba drumului este diferita, brusc sistemul AI este capabil sa adune o experienta mult mai diversa intr-o cantitate scurta de timp ”, a declarat Ashish Kapoor, director principal de cercetare Microsoft. “Azure ne ofera posibilitatea de a rula aceste simulari la scara, ceea ce este foarte important.”

AirSim permite, de asemenea, dezvoltatorilor sa instruiasca diferite instrumente AI si de control pentru a rezolva diferite parti ale problemelor mai complexe. Ajutand la dezvoltarea de stivuitoare autonome pentru manipularea materialelor Toyota, de exemplu, cercetatorii au descompus sarcina in subconcepte mai usor de invatat si de depanat: navigarea la incarcare, alinierea cu paletul, ridicarea acestuia, detectarea altor persoane si stivuitoare, livrarea paletului, revenirea la statia de incarcare.

In aceste scenarii complexe, a spus Kapoor, ar putea avea sens sa folositi invatarea cu armare pentru a antrena un stivuitor cu sarcini de control de baza, cum ar fi ridicarea unui palet. Predarea automata ajuta sistemul sa invete in pasi din ce in ce mai dificili, cum ar fi alinierea orizontala a ascensorului si apoi gasirea unghiurilor adecvate.

Dar alte parti ale problemei ar putea fi rezolvate mai bine prin instrumente cu totul diferite, cum ar fi algoritmi de detectare si evitare a obstacolelor, planificarea caii robotice sau tehnici de control clasice. Descompunerea sarcinii mai mari in sarcini mai mici permite dezvoltatorilor sa selecteze si sa implementeze cel mai bun instrument pentru acea sarcina.

„Lucram pentru a oferi o platforma cuprinzatoare pentru clientii care doresc sa construiasca sisteme inteligente autonome, care sa acopere dezvoltarea, functionarea si gestionarea end-to-end a ciclului de viata”, a spus Hammond.

Imagine de sus: o versiune experimentala a Sarcos Guardian S, un robot de inspectie vizuala care poate fi folosit in recuperarea in caz de dezastru sau pentru inspectii industriale, a invatat sa evite obstacolele si sa urce singuri scarile folosind platforma sistemelor autonome Microsoft. Fotografie de Dan DeLong pentru Microsoft.

Microsoft Build 2019 – legaturi sisteme autonome legate:

• Urmariti: Microsoft Build 2019: Aspecte esentiale ale viziunii
• Vizitati: Microsoft Build 2019
• Explorati: sisteme autonome Microsoft
• Cititi: Predarea automata: modul in care expertiza oamenilor face AI mai puternica
• Cititi: Microsoft va achizitiona Bonsai in miscare pentru a construi „creiere” pentru sisteme autonome

 Jennifer Langston scrie despre cercetarea si inovatia Microsoft. Urmariti-o pe Twitter