Artificial intelligence

Quy tắc của rô bốt: Dấu hiệu cảnh báo

Bạn có thể nghĩ rằng định vị GPS là lý tưởng cho nông nghiệp tự động, vì nhiệm vụ đối mặt với người điều khiển phương tiện nông nghiệp như máy gặt đập liên hợp chỉ đơn giản là lái xe quanh cánh đồng theo mô hình ngoằn ngoèo, cắt bỏ tất cả lúa mì hoặc bất kỳ loại cây trồng nào mà nó chứa đầy. . Nhưng thực tế thì khác xa. Có hàng trăm thứ mà người vận hành phải quan sát ngay cả khi họ dán chặt mắt vào mép sân để đảm bảo rằng chúng di chuyển dọc theo nó với độ chính xác cao. Một tổ hợp nông nghiệp không khác với một cơ quan nhà thờ về mức độ phức tạp trong hoạt động của nó. Khi một người điều khiển liên hợp làm việc với một người trợ lý, một trong số họ điều khiển dọc theo mép cây trồng, trong khi người kia điều khiển trục quay, quạt, trống tuốt và quy trình thu hoạch nói chung. Vào thời Liên Xô, có hai người điều khiển trong một tổ lái liên hợp, nhưng bây giờ chỉ có một người. Điều này có nghĩa là lựa chọn giữa lái xe an toàn và thu hoạch hiệu quả. Và vì bạn không thể thu hoạch ngũ cốc mà không di chuyển, việc lái xe trở thành ưu tiên hàng đầu và hiệu quả của quá trình thu hoạch có xu hướng bị ảnh hưởng. Hiệu quả thu hoạch đặc biệt quan trọng ở Đông Âu, nơi canh tác có rủi ro cao và chỉ có một vụ thu hoạch một năm. Mùa vụ bắt đầu từ tháng 3 và nông dân không nghỉ ngơi cho đến mùa thu, khi họ chỉ có hai tuần để thu hoạch vụ mùa. Nếu có vấn đề gì xảy ra, mỗi ngày họ bỏ lỡ có thể dẫn đến mất 10 phần trăm sản lượng. Nếu người lái xe thu hoạch không tốt hoặc say rượu và làm hỏng máy, thì thời gian quý báu sẽ mất đi — hàng giờ hoặc thậm chí vài ngày. Khoảng 90 phần trăm thời gian của người vận hành máy liên hợp được dành để đảm bảo rằng máy liên hợp đang vận hành chính xác dọc theo rìa của cây trồng chưa thu hoạch để tối đa hóa hiệu quả mà không bỏ sót bất kỳ cây trồng nào. Nhưng đây là phần khó chịu nhất của việc lái xe, và do mệt mỏi vào cuối ca, người điều khiển thường để lại gần một mét ở mép của mỗi hàng. Những lỗi lái này làm tăng 25% thời gian thu hoạch nói chung. Công nghệ của chúng tôi cho phép các nhà điều hành kết hợp ủy quyền việc lái xe để họ có thể tập trung vào việc tối ưu hóa chất lượng thu hoạch. Thêm vào đó là thực tế rằng nhà điều hành kết hợp có tay nghề cao là một con giống sắp chết. Giáo dục chuyên nghiệp đã sa sút, và những người trẻ tuổi tham gia lực lượng lao động không đạt được tiêu chuẩn tương tự. Mặc dù có thể nói điều tương tự với hầu hết các giao dịch thủ công, nhưng hiệu ứng này tạo ra một nhu cầu lớn đối với hệ thống robot của chúng tôi, Thí điểm nông nghiệp nhận thức. Phát triển hệ thống AI nằm trong bộ gen của tôi. Cha tôi, Anatoly Uskov, thuộc nhóm đầu tiên của các nhà phát triển chương trình AI tại Viện Nghiên cứu Hệ thống của Viện Hàn lâm Khoa học Nga. Chương trình của họ, được đặt tên là Kaissa, đã trở thành nhà vô địch cờ máy tính thế giới vào năm 1974. Hai thập kỷ sau, sau khi Liên Xô sụp đổ, các phòng thí nghiệm AI của Viện Nghiên cứu Hệ thống đã hình thành nên công ty của mình, Cognitive Technologies. Doanh nghiệp đầu tiên của chúng tôi là phát triển phần mềm nhận dạng ký tự quang học được sử dụng bởi các công ty bao gồm HP, Oracle và Samsung, và thành công của chúng tôi cho phép chúng tôi hỗ trợ nhóm R&D gồm các nhà toán học và lập trình tiến hành nghiên cứu cơ bản trong lĩnh vực thị giác máy tính và các khu vực lân cận. Vào năm 2012, chúng tôi đã thêm một nhóm các nhà toán học đang phát triển mạng nơ-ron. Cuối năm đó, nhóm này tự hào giới thiệu với tôi về sáng tạo của họ: Vasya, một chiếc ô tô đồ chơi chơi bóng đá có gắn camera cho mắt. “Vasya một mắt” có thể nhận ra một quả bóng trong số các đồ vật khác trong hành lang văn phòng dài của chúng tôi và đẩy nó xung quanh. Robot gây mất tập trung cho tất cả mọi người làm việc trên tầng đó, khi các nhân viên đi ra ngoài hành lang và bắt đầu “thử nghiệm” chiếc xe bằng cách vấp nó và cản đường tới quả bóng bằng chướng ngại vật. Trong khi đó, thuật toán cho thấy hiệu suất ổn định. Lịch sự xoay người qua chướng ngại vật, chiếc xe tiếp tục tìm bóng và đẩy nó. Nó gần như tạo ấn tượng về một sinh vật sống, và đây là khoảnh khắc “eureka” của chúng ta — tại sao chúng ta không thử làm điều tương tự với thứ gì đó lớn hơn và hữu ích hơn? Trình duyệt của bạn không hỗ trợ thẻ video. Một tổ hợp được điều khiển bởi Thí điểm nông nghiệp nhận thức thu hoạch ngũ cốc trong khi con người giám sát từ ghế lái. có ở Nga và các nơi khác. Vì ưu tiên của chúng tôi là phát triển một sản phẩm khả thi về mặt thương mại, chúng tôi đã thành lập một đơn vị kinh doanh có tên là Cognitive Pilot nhằm phát triển tính năng tự chủ bổ sung cho máy gặt đập liên hợp, đây là loại máy được sử dụng để thu hoạch phần lớn các loại cây ngũ cốc (bao gồm ngô, lúa mì, lúa mạch , yến mạch và lúa mạch đen) tại các trang trại lớn. Chỉ 5 năm trước, người ta không thể sử dụng phân tích nội dung video để vận hành máy móc nông nghiệp ở mức độ tự động hóa này vì không có bất kỳ mạng nơron đầy đủ chức năng nào có thể phát hiện đường viền của dải cây trồng hoặc nhìn thấy bất kỳ chướng ngại vật nào trong đó. Lúc đầu, chúng tôi xem xét việc kết hợp GPS với phân tích dữ liệu trực quan, nhưng chúng tôi không mất nhiều thời gian để nhận ra rằng chỉ phân tích hình ảnh là đủ. Để hệ thống định hướng GPS hoạt động, bạn cần chuẩn bị trước bản đồ, lắp đặt trạm gốc để chỉnh sửa hoặc mua một gói tín hiệu. Nó cũng yêu cầu nhấn nhiều nút trong nhiều menu và các toán tử kết hợp có rất ít đánh giá cao về giao diện người dùng. Những gì chúng tôi cung cấp là một chiếc máy ảnh và một chiếc hộp chứa đầy sức mạnh xử lý và mạng nơ-ron. Ngay sau khi máy ảnh và hộp được gắn và kết nối với hệ thống điều khiển của kết hợp, chúng tôi đã sẵn sàng. Khi ở trên thực địa, Phi công nhận thức nông nghiệp mới được lắp đặt nói: “Hurray, chúng tôi đang ở hiện trường,” yêu cầu người lái xe cho phép tiếp quản và bắt đầu lái xe. Năm năm kể từ bây giờ, chúng tôi dự đoán rằng tất cả các máy gặt đập liên hợp sẽ được trang bị hệ thống lái tự động dựa trên thị giác máy tính có khả năng kiểm soát mọi khía cạnh của việc thu hoạch cây trồng. Đi đến điểm này có nghĩa là phải giải quyết một số thử thách hấp dẫn. Chúng tôi nhận ra rằng chúng tôi sẽ phải đối mặt với vô số cảnh trường đa dạng mà mạng lưới thần kinh của chúng tôi phải được đào tạo để hiểu. Đã làm việc với nông dân trong giai đoạn đầu của dự án, chúng tôi phát hiện ra rằng các loại cây trồng giống nhau có thể trông hoàn toàn khác nhau ở các vùng khí hậu khác nhau. Chuẩn bị cho việc sản xuất hàng loạt hệ thống của mình, chúng tôi đã cố gắng biên soạn tập dữ liệu đa dạng nhất với nhiều lĩnh vực và cây trồng khác nhau, bắt đầu bằng các video được quay tại các cánh đồng của một số trang trại trên khắp nước Nga trong các điều kiện thời tiết và ánh sáng khác nhau. Nhưng rõ ràng là chúng tôi cần phải đưa ra một giải pháp thích ứng hơn. Chúng tôi quyết định sử dụng phương pháp tiếp cận từ thô đến tinh để đào tạo mạng lưới của chúng tôi về cách lái xe tự hành. Phiên bản đầu tiên được cải thiện với mỗi khách hàng mới, vì chúng tôi có thêm dữ liệu về các vị trí và cây trồng khác nhau. Chúng tôi sử dụng dữ liệu này để làm cho mạng của mình chính xác và đáng tin cậy hơn, sử dụng tính năng thích ứng miền không được giám sát để hiệu chỉnh lại chúng trong thời gian ngắn bằng cách thêm nhiễu và biến dạng ngẫu nhiên cẩn thận vào hình ảnh đào tạo để làm cho mạng mạnh mẽ hơn. Con người vẫn cần thiết để giúp phân đoạn ngữ nghĩa trên các giống cây trồng mới. Nhờ cách tiếp cận này, giờ đây chúng tôi đã thu được các mạng lưới đa mục đích có khả năng phục hồi cao phù hợp để sử dụng trên hơn một chục loại cây trồng khác nhau được trồng trên khắp Đông Âu. Cách mà Phi công nhận thức nông nghiệp điều khiển một tổ hợp tương tự như cách một người lái xe con người thực hiện điều đó. Đó là, lợi thế cạnh tranh duy nhất của chúng tôi là khả năng của hệ thống để nhìn và hiểu tình hình tại hiện trường giống như con người, do đó, hệ thống duy trì hiệu quả tối đa khi phối hợp với các trình điều khiển của con người. Vào cuối ngày, tất cả đều thuộc về kinh tế. Một tổ hợp do con người điều khiển có thể thu hoạch khoảng 20 ha cây trồng trong một ca làm việc. Khi Phi công nhận thức nông nghiệp thực hiện việc lái xe, khối lượng công việc của người điều khiển thấp hơn đáng kể: Họ không cảm thấy mệt mỏi, có thể dừng lại ít hơn và nghỉ giải lao ít hơn. Về mặt thực tế, nó có nghĩa là thu hoạch khoảng 25 đến 30 ha mỗi ca. Đối với chủ doanh nghiệp, điều đó có nghĩa là hai tổ hợp được trang bị trong hệ thống của chúng tôi mang lại hiệu suất của ba tổ hợp mà không có nó. Trình duyệt của bạn không hỗ trợ thẻ video. Trong khi hệ thống kết hợp tự vận hành, người vận hành có thể điều chỉnh hệ thống thu hoạch để tối đa hóa tốc độ và hiệu quả. Nhưng mỗi tính năng tự hành của chúng được thực hiện như một chức năng riêng biệt – lái dọc theo rìa trường, lái dọc theo hàng, v.v. Chúng tôi vẫn chưa thấy một hệ thống công nghiệp khác có thể lái xe hoàn toàn bằng thị giác máy tính, nhưng Vasya một mắt đã cho chúng tôi thấy rằng điều này là có thể. Và khi chúng tôi nghĩ về việc tối ưu hóa chi phí và giải quyết công việc với một bộ thiết bị tối thiểu, chúng tôi quyết định rằng đối với trợ lý robot dựa trên AI của nông dân, một máy ảnh là đủ. Cảm biến chính của Cognitive Agro Pilot là một máy quay video màu 2 megapixel duy nhất có thể nhìn thấy một khu vực rộng phía trước xe, được gắn trên giá đỡ gần một trong các gương chiếu hậu của kết hợp. Thiết bị điều khiển với mô-đun máy tính Nvidia Jetson TX2 được gắn bên trong cabin, với giao diện trình điều khiển và màn hình tích hợp. Thiết bị điều khiển này chứa chồng các thuật toán tự động chính, xử lý nguồn cấp dữ liệu video và đưa ra các lệnh cho hệ thống thủy lực của tổ hợp để điều khiển lái, tăng tốc và phanh. Một màn hình trong cabin cung cấp giao diện cho người lái xe và hiển thị các cảnh báo và cài đặt. Chúng tôi không bị ràng buộc với bất kỳ thương hiệu cụ thể nào; bộ trang bị thêm của chúng tôi sẽ hoạt động với bất kỳ mẫu máy gặt đập liên hợp nào có sẵn trong đội xe của nông dân. Đối với một tổ hợp hơn năm năm tuổi, việc giao tiếp với hệ thống điều khiển của nó có thể không dễ dàng như vậy (đôi khi cần phải có thêm cảm biến góc lái), nhưng việc cài đặt và hiệu chỉnh thường vẫn có thể được thực hiện trong vòng một ngày và chỉ cần 10 phút để đào tạo một tài xế mới. Hệ thống dựa trên tầm nhìn của chúng tôi điều khiển tổ hợp, vì vậy người vận hành có thể tập trung vào việc thu hoạch và điều chỉnh quy trình cho phù hợp với các tính năng cụ thể của cây trồng. Phi công nhận thức nông nghiệp thực hiện tất cả các thao tác lái và duy trì khoảng cách chính xác giữa các hàng, giảm thiểu khoảng cách. Nó tìm kiếm các chướng ngại vật, phân loại chúng và dự báo quỹ đạo của chúng nếu chúng đang di chuyển. Nếu có thời gian, nó sẽ cảnh báo người lái xe để tránh chướng ngại vật, hoặc nó quyết định lái xe xung quanh chúng hoặc giảm tốc độ. Nó cũng điều phối chuyển động của nó với một xe chở ngũ cốc và với các tổ hợp khác khi nó là một phần của đội hình. Thời gian duy nhất mà người vận hành được yêu cầu thường xuyên để lái xe là quay vòng kết hợp khi kết thúc cuộc chạy. Nếu bạn cần rẽ, hãy tiếp tục — Thí điểm nông nghiệp nhận thức giải phóng các điều khiển và bắt đầu tìm kiếm một cạnh mới. Ngay khi tìm thấy một chiếc, robot nói: “Hãy để tôi lái xe.” Bạn nhấn nút, và nó sẽ tiếp quản. Mọi thứ đều đơn giản và trực quan. Và vì một đường chạy thường dài tới 5 km, những lượt này chỉ chiếm chưa đến 1% khối lượng công việc của người lái xe. Khi ở trên thực địa, Phi công nhận thức nông nghiệp mới được lắp đặt nói: “Hurray, chúng tôi đang ở hiện trường,” yêu cầu người lái xe cho phép tiếp quản và bắt đầu lái xe. Trong dự án thử nghiệm của chúng tôi vào năm ngoái, năng suất từ ​​các cánh đồng tương tự đã tăng từ 3 đến 5 phần trăm do khả năng của máy gặt để duy trì chiều rộng vết cắt mà không để lại các khu vực chưa thu hoạch. Nó tăng thêm 3% chỉ đơn giản là vì các nhà điều hành có thời gian để theo dõi chặt chẽ hơn những gì đang diễn ra trước mặt họ, tối ưu hóa hiệu suất thu hoạch. Với phi công phụ của chúng tôi, khối lượng công việc của người lái xe rất thấp. Họ khởi động hệ thống, buông vô lăng và có thể tập trung điều khiển máy móc hoặc kiểm tra giá cả hàng hóa trên điện thoại. Tuần thu hoạch là một thử thách thực sự đối với những người lái xe liên hợp, những người không được nghỉ ngơi ngoại trừ một số giấc ngủ vào ban đêm. Trong một tháng, họ cần phải kiếm đủ cho sáu tháng sắp tới, vì vậy họ đã kiệt sức. Tuy nhiên, những người lái xe đang sử dụng giải pháp của chúng tôi nhận ra rằng họ thậm chí còn ít năng lượng hơn, và những người chọn làm việc nhiều giờ cho biết họ có thể dễ dàng làm việc nhiều hơn bình thường 2 giờ. Kiếm thêm 10 hoặc 15 phần trăm giờ làm việc trong suốt vụ thu hoạch nghe có vẻ không đáng kể, nhưng điều đó có nghĩa là người lái xe có thêm ba ngày để thu hoạch vụ mùa. Do đó, nếu có những ngày thời tiết xấu (như mưa làm cho hạt không nảy mầm hoặc rơi xuống), khả năng giữ được năng suất cao sẽ lớn hơn rất nhiều. Và vì các nhà khai thác kết hợp được trả theo khối lượng thu hoạch, việc sử dụng hệ thống của chúng tôi sẽ giúp họ kiếm được nhiều tiền hơn. Cuối cùng, cả người lái xe và người quản lý đều nhất trí rằng việc thu hoạch đã trở nên dễ dàng hơn, và thường chi phí của hệ thống (khoảng 10.000 đô la Mỹ) được trả hết chỉ trong một mùa. Các trình điều khiển kết hợp nhanh chóng nắm bắt được công nghệ của chúng tôi — sau vài ngày đầu tiên, nhiều trình điều khiển hoặc bắt đầu tin tưởng vào robot của chúng tôi như một trí thông minh toàn năng hoặc quyết định thử nghiệm nó đến chết. Một số có quan niệm sai lầm rằng rô bốt của chúng tôi nghĩ giống con người và hơi phản cảm Tôi thấy rằng hệ thống của chúng tôi hoạt động kém hiệu quả vào ban đêm và gặp sự cố khi lái xe trong bụi khi nhiều tổ hợp đang chạy trong hồ sơ. Mặc dù con người cũng có thể gặp vấn đề trong những tình huống này, nhưng các nhà khai thác sẽ càu nhàu: “Làm sao nó không nhìn thấy được?” Người lái xe hiểu rằng khoảng cách đến tổ hợp phía trước là khoảng 10 mét và họ đang di chuyển với tốc độ không đổi. Đám mây bụi sẽ bay đi sau một phút, và mọi thứ sẽ ổn thôi. Không cần phanh. Alex, người điều khiển tổ hợp phía trước, chắc chắn sẽ không phanh. Hay anh ấy sẽ? Vì hệ thống đã không dành nhiều năm bên cạnh Alex và không thể sử dụng kinh nghiệm sống để dự đoán hành động của anh ấy, nên nó sẽ dừng kết hợp và giải phóng các điều khiển. Đây là nơi mà trí thông minh của con người một lần nữa chiến thắng AI. Lượt đi ở cuối mỗi lần chạy cũng được giao cho trí thông minh của con người, hiện tại. Tính năng này không bao giờ làm kinh ngạc các trình điều khiển kết hợp nhưng hóa ra lại là thách thức lớn nhất trong các thử nghiệm: Chiều rộng lớn của tiêu đề có nghĩa là một số lượng lớn các giả thuyết về các vật thể nằm ngoài tầm nhìn của máy ảnh đơn của chúng tôi cần phải được đưa vào. Để tự động hóa tính năng này, chúng tôi đang chờ hoàn thành các thử nghiệm trên địa hình hiểm trở. Chúng tôi cũng đang thử nghiệm với công nghệ radar khẩu độ tổng hợp của riêng mình, công nghệ này có thể xem các cạnh cắt và các hàng cắt dưới dạng hình ảnh tần số vô tuyến. Điều này không làm tăng thêm tổng chi phí giải pháp và chúng tôi dự định sử dụng radar cho các phiên bản nâng cao của “agrodroid” dành cho công việc trong điều kiện tầm nhìn thấp và vào ban đêm. Trong suốt mùa hè và mùa thu năm 2020, hơn 350 tổ hợp tự hành được trang bị hệ thống Thí điểm nông nghiệp nhận thức đã lái xe trên hơn 160.000 ha ruộng và giúp người giám sát con người của họ thu hoạch hơn 720.000 tấn cây trồng từ Kaliningrad trên Biển Baltic đến Vladivostok ở Nga Viễn Đông. Robot của chúng tôi đã làm việc hơn 230.000 giờ, vượt qua 950.000 km tự lái vào năm ngoái. Và đến cuối năm 2021, hệ thống của chúng tôi sẽ có mặt tại Hoa Kỳ và Nam Mỹ. Những người nông dân thông thường và người dùng cuối của các giải pháp của chúng tôi có thể đã nghe tin tức về ô tô không người lái hoặc nhìn thấy cụm từ “mạng thần kinh” một vài lần, nhưng điều đó đã tổng kết lại trải nghiệm AI của họ. Vì vậy, thật hấp dẫn khi nghe họ nói những điều như “Hãy xem phân đoạn đã hoạt động tốt như thế nào!” hoặc “Mạng nơ-ron đang hoạt động rất tốt!” trong xe của người lái xe. Thay đổi mô hình công nghệ cần có thời gian, vì vậy chúng tôi đảm bảo khả năng tương thích rộng nhất có thể của các giải pháp của chúng tôi với máy móc hiện có. Không nghi ngờ gì nữa, khi nông dân thích ứng với những đổi mới hiện nay, chúng tôi sẽ không ngừng tăng cường tính chủ động của tất cả các loại máy móc cho tất cả các loại nhiệm vụ. Cách đây vài năm, tôi đã nghiên cứu công việc của phái bộ Liên hợp quốc tại Rwanda giải quyết các vấn đề về suy dinh dưỡng mãn tính ở trẻ em. Tôi sẽ không bao giờ quên những bức ảnh của những đứa trẻ hốc hác. Nó khiến tôi liên tưởng đến nạn đói hoành hành ở Leningrad bị bao vây trong Thế chiến thứ hai. Một số người thân của tôi đã chết ở đó và nhật ký của họ là minh chứng cho thực tế rằng ít có kết cục nào khủng khiếp hơn cái chết vì đói. Tôi tin rằng tự động hóa rô bốt và nâng cao AI của máy móc nông nghiệp được sử dụng ở các khu vực canh tác có rủi ro cao hoặc các khu vực thiếu lao động có tay nghề cao nên là ưu tiên cao nhất đối với tất cả các chính phủ liên quan đến việc cung cấp phản ứng thích hợp cho các thách thức an ninh lương thực toàn cầu. Bài báo này xuất hiện trên ấn bản tháng 9 năm 2021 với tựa đề “Trên các trang trại của Nga, cuộc cách mạng rô bốt đã bắt đầu.”

Back to top button