robótica e inteligencia artificial: mitos y realidades

© IK4-TEKNIKER 2016


Robots al servicio de la Industria 4.0 - Basque Industry 4.0 Loreto Susperregi - IK4-TEKNIKER, 24 Octubre 2018

Robótica e Inteligencia Artificial: mitos y

realidades

Robots al servicio de la Industria 4.0 - Basque Industry 4.0

SPRI - Miramon Enpresa Digitala - Cámara de Gipuzkoa


2

Industry 4.0


3

Industry 4.0


CICLOS DE VIDA CORTOS PERSONALIZACIÓN

SERVITIZACIÓN ENVEJECIMIENTO


5

Industry 4.0


6

Industry 4.0


Cambio paradigma robótica

• Competitividad

• Productividad

• Calidad

• Costes, eficiencia

• Ergonomía

Integración personas, sensores, en fábrica…

Flexibilidad procesos


ROBÓTICA AVANZADA

Co

mp

le

jid

ad ta

re

a

LÓGICA

PREESTABLECIDA

CONTROL,

DECISIÓN

CREATIVIDAD,

RESOLUCIÓN

PROBLEMAS

ENTORNO/OBJETO RÍGIDO CUASI-ESTRUCTURADO DESESTRUCTURADO

ROBÓTICA

CONVENCIONAL

MANUAL / VENTAJA HUMANO

TAMAÑO LOTE ALTO BAJO

VARIABILIDAD BAJA ALTA

Pro

du

ctivid

ad

- BAJA

+ ALTA


APLICACIONES INTELIGENCIA GENERAL – “STRONG”

• Razonar, resolver problemas

• Conocer, aprender

• Planificar

• Interactuar socialmente

• Formular ideas originales

• Percibir

INTELIGENCIA ESPECIFICA – “WEAK”

• Replicar aspectos específicos

Optimización de rutas

Procesamiento lenguaje natural

Mantenimiento predictivo

Predicciones demanda

Detección fraude

Control de calidad

Clasificación imágenes

…

Inteligencia Artificial (IA)


¿BUEN MOMENTO IA?

• Mejores algoritmos

• Hardware dedicado

• Datos disponibles

• Servicios en la nube

• Interés

DATOS DISPONIBLES

• Algoritmos -> Ground Truth ->

Aprendizaje

• Recoger datos reales

• Contenido etiquetado por expertos

Imágenes 15 mill.

Personas 48.000

Categorías 22.000

Países 167

Fuente NVIDIA


“Shor Circuit” (1986) John Badham

Datos…


IMAGINACIÓN

MERCADO

CIENCIA

© Sophia © Mayfield robotics ‘kuri’

Robótica + IA

© Ex Machina


Robótica + IA


Fuente: Yang Qing Xinhua News Agency/Newscom


Cerebro - • Capacidad de

cómputo

Ojos • Percepción • Sensores

Piernas • Movilidad

Brazos-Manos • Manipulación

Voz • Interacción • Sensores

Audio Texto

Reconcimiento voz

Visión por computador

Pixeles Etiquetas

Traducción automática Texto 1 Texto

2

Robótica

Sensores Percepció

n Modelo

del mundo Planificaci

ón Control

Acción

Robótica + IA


PERCEPCIÓN

• Reconocimiento objetos

avanzado

• Comprensión escena

• Fusión de sensores, reducción

dimensionalidad

AUTONOMÍA Y ADAPTACIÓN

• Planificación de tareas

• Aprendizaje

• Common sense reasoning

MANIPULACIÓN/CONTROL

• Coger objetos no conocidos

• Control del movimiento en

entornos dinámicos /

Navegación natural

• Control actuadores

INTERACCIÓN/COLABORACIÓN

Interpretar ordenes

Interpretar y anticipar acciones

humanas

Colaboración

Impacto IA Robótica


ASISTENTE/GUIADO BIN PICKING

MONTAJE

COLABORATIVO

Flexibilidad – Aprender a reconocer escenas


Flexibilidad – Aprender a reconocer escenas


Pieza ENTRADA

• Imagen

SALIDA

• Probabilidad clase

CNN

• Extracción

características

• Clasificación

Herramienta

Persona

x1

x2

x3

f() y

Neurona

Deep Learning para clasificación semántica de imágenes

Convolutional Neural Network Aprendizaje en base a la experiencia /datos


Deep Learning para clasificación semántica de imágenes

Convolutional Neural Network Aprendizaje en base a la experiencia /datos

Pieza

Herramienta

Persona

x1

x2

x3

f() y

Neurona

Nodos 24 mill.

Parámetros 140 mill. 15 bill. Conexiones


… y seguimiento en tiempo real

Dark Net (https://pjreddie.com/darknet/yolo/)

• Framework redes

neuronales • “Yolo” detección de

objetos en tiempo real


Observación, siguiente estado st+1

Aprender a posicionarse para coger

Reinforcement Learning Aprendizaje de una política que maximice la recompensa acumulada • Necesidad en configuraciones robots /operativas

cada vez más complejas • Planificar motricidad fina, manipulación móvil • Enseñar a aproximarse a un punto

AGENTE

Entorno Estado St

Feedback/Reward rt

Acción, at


23

Interacción natural


24

INTERACCIÓN

Generative Adversarial Networks Generar nuevos datos a partir de ejemplos, predicción

Discriminador

BD Imágenes reales

Generador

Correcto?

Muestra

Muestra

Ajustar

© RSAIT - EHU


ASPECTOS ÉTICOS , LEGALES y

SOCIALES

• Monitorización de los individuos

• Antropomorfismo - Uncanny Valley

• Supervisión decisiones

automatizadas

• Influencia en el empleo

• Demanda nuevas capacidades

FACTORES EN EL APRENDIZAJE

(ML- DL)

• Precisión: importancia según sector

• Tiempo dedicado entrenamiento,

transferencia

• Test y validación

• Olvido, especialización, generalización

• Sistema tan bueno como los datos

POTENCIAL Y LÍMITES

• Crecimiento robótica avanzada

• Learning sequential tasks

• IA es más amplio que ML-DL

Conclusiones


PARKE TEKNOLOGIKOA

C/ Iñaki Goenaga, 5

20600 EIBAR GIPUZKOA

SPAIN

www.tekniker.es


robótica e inteligencia artificial: mitos y realidades

Documents