Drones e tratores autônomos são exemplos de máquinas autônomas que utilizam IA física. Fonte: Adobe Inventory
A IA do mundo físico é o futuro para todas as máquinas autônomas, desde carros e drones até tratores. O garoto-propaganda do progresso nesta área é Waymo. Ao longo de muitos anos, a empresa desenvolveu tecnologias de navegação a bordo de ponta – incluindo {hardware} sofisticado, bem como numerosos modelos de inteligência synthetic e aprendizagem automática – para guiar os seus carros.
No entanto, não creio que a tecnologia integrada seja suficiente para termos um mundo em que as máquinas autónomas se tornem omnipresentes. Diferente Waymoa grande maioria das empresas não tem bilhões de dólares construir a tecnologia necessária para que o mecanismo de computação resida exclusivamente no veículo.
Em vez disso, são necessários sistemas altamente eficientes baseados em nuvem que, quando combinados com IA modelos, fornecem uma representação de altíssima precisão do planeta para que móvel os robôs não são totalmente dependentes de bordo navegação sistemas. Este é um futuro onde as máquinas autónomas serão capazes de optimizar rotas e, em alguns casos, ver perigos no seu caminho muito antes de embarcarem na sua viagem.
O estado da IA do mundo físico hoje
A IA que existe hoje é localizada, com muito processamento na borda ou na máquina autônoma. O que falta é uma IA que esteja ciente do cenário físico mais amplo.
A boa notícia é que há muitos dados sobre o mundo físico coletados de satélites, drones e uma infinidade de outros dispositivos para alimentar esses modelos. A má notícia? Como Gartner notasos dados do mundo físico normalmente precisam de engenharia pesada para serem utilizáveis pela IA.
Este é um campo em que minha empresa, a Wherobots, e outras estão trabalhando. O que chamamos de “nuvem de inteligência espacial” é uma tecnologia projetada para processar formas díspares de dados do mundo físico. Isso inclui formas abstratas, como vetores que representam colinas, estradas e postes telefônicos, que permitem que os modelos de IA entendam o que uma máquina está “vendo”.
Como a nuvem poderia ajudar máquinas autônomas
Carros autônomos são um exemplo óbvio. Não creio que os fabricantes substituam totalmente os sistemas de navegação a bordo. Existem decisões em tempo actual que precisam ser tomadas através do uso de sensores de alta definição, como o lidar.
No entanto, podemos melhorar a tomada de decisões se soubermos algumas coisas com antecedência. Por exemplo, think about um futuro onde uma última milha entrega A empresa luta para transportar consistentemente alimentos frescos em tempo hábil devido à confusão sobre o mundo físico.
Nas áreas rurais, veículos autônomos podem não reconhecer que longos acessos de automóveis são muitas vezes entradas para as casas dos destinatários. Ou think about uma situação dentro de uma cidade, onde carros autônomos não conseguem encontrar um determinado apartamento dentro de um grande complexo.
É por essas razões que as empresas de frota usam IA e tecnologia baseada em nuvem para criar mapas detalhados e em constante evolução dessas áreas e, em seguida, enviar essas informações de volta aos sistemas de entrega. Isso permitirá que veículos autônomos, bem como os entregadores que deles saem para entregar pacotes aos clientes ou colocá-los na porta de casa, acelerem os prazos de entrega. Poderiam também reduzir as emissões de carbono, bem como o risco de tomar um rumo errado e sofrer um acidente.
Mapas ajudam drones em voos BVLOS
O Departamento de Transportes dos EUA, por meio da Administração Federal de Aviação, em agosto proposto permitindo que os drones operem além da linha de visão visible (BVLOS) de um operador sem necessidade de dispensas individuais. Esta seria uma simplificação significativa em comparação com o sistema precise.
Num futuro onde parcial ou totalmente autónomo drones Para operar em grande escala, as empresas de entrega precisarão construir e manter mapas da Terra de alta resolução que tenham consciência espacial de coisas como linhas de energia, formas e saliências de edifícios ou outros obstáculos do mundo físico.
Linhas de energia e postes de serviços públicos, em explicit, são um perigo significativo que os drones enfrentam. E, como é o caso dos veículos autônomos que procuram a porta da frente do destinatário, os drones autônomos precisam saber exatamente onde na propriedade o destinatário deseja que o pacote seja deixado.
Por exemplo, um mapa pronto para inteligência de máquina de alta fidelidade ajudaria um drone a decifrar se uma forma longa e estreita é uma varanda frontal ou uma piscina.
Tratores autônomos colhem e compartilham dados
Empresas de tratores, incluindo John Deerefizeram muitos progressos no domínio da autonomia. Em 2022, a Deere lançou o seu primeiro trator que pode trabalhar 24 horas por dia sem um operador humano na cabina. Esses veículos também abordam a escassez de mão de obra que agricultores estão enfrentando.
Como afirmou Jahmy Hindman, diretor de tecnologia da Deere, no lançamento do veículo: “A última vez que a agricultura esteve à beira de tantas mudanças foi quando estávamos prestes a substituir o cavalo e o arado”.
O Trator 8R da Deere tem orientação GPS e incorpora recursos integrados de IA e aprendizado de máquina. No entanto, os fabricantes de tratores poderiam dar um passo adiante. Essas máquinas autônomas também poderiam explorar mapas detalhados de seus campos.
Esta é uma área onde a empresa de software program, Agricultura Folhaestá fazendo a diferença. A plataforma da Leaf se conecta com provedores de dados como John Deere, Local weather Fieldview e CNHi, entre outros.
Usando o Wherobots, o Leaf traduz os arquivos proprietários desses provedores de dados em um formato consistente, facilitando aos agricultores a definição de limites espaciais dentro de seus terrenos, conhecidos como “zonas de manejo”. Cada zona tem necessidades únicas devido a características variadas, como elevação, tipo de solo, inclinação e capacidade de drenagem.
Com mapas continuamente atualizados que mostram a zona de gestão em que se encontram, os tratores autónomos podem tomar decisões importantes e em tempo actual, como saber quando ajustar ou parar a pulverização, permitindo aos agricultores proteger as margens num negócio notoriamente com margens baixas.
O futuro da autonomia não será definido apenas pela tecnologia a bordo, mas sim pela fusão da aprendizagem automática em tempo actual na borda com uma inteligência espacial rica e baseada na nuvem. Quer se trate de uma carrinha de entregas a navegar num grande complexo de apartamentos, de um drone que evita linhas de energia ou de um trator que ajusta os inputs por zona de gestão, o ponto comum é que as máquinas autónomas têm melhor desempenho quando vêem para além dos seus sensores imediatos, o seu ambiente mais amplo.
Sobre o autor
Como CEO da Onde robôs, Mo Sarwat lidera uma equipe que está desenvolvendo a nuvem de inteligência espacial. Wherobots foi fundado pelos criadores do Apache Sedona, um projeto que ele co-criou e do qual foi arquiteto. Apache Sedona é uma estrutura de código aberto projetada para processamento de dados espaciais em larga escala em implantações locais e na nuvem.
A missão declarada da Wherobots é capacitar as organizações para maximizar a utilidade dos seus dados através da aplicação de inteligência espacial e insights contextuais.
Antes da Wherobots, Sarwat tinha mais de uma década de experiência em pesquisa em ciência da computação na academia e na indústria. Ele foi coautor de mais de 60 artigos revisados por pares, recebeu dois prêmios de melhor trabalho de pesquisa e foi nomeado Palestrante Distinto em Início de Carreira pela comunidade IEEE Cell Information Administration.
Sarwat também recebeu o prêmio CAREER da Nationwide Science Basis 2019, uma das homenagens de maior prestígio para jovens professores.