الروبوتات
باحثون يطورون مخططًا خوارزميًا لتفويض المهام إلى البشر والrobots
فريق من الباحثين في معهد روبوتات جامعة كارنيجي ميلون (RI) طور مخططًا خوارزميًا يمكنه مساعدة تفويض المهام إلى البشر والrobots. يُسمى المخطط “Act، Delegate or Learn” (ADL)، وينظر في قائمة من المهام قبل اتخاذ قرار بشأن أفضل طريقة لتعيينها.
تم تقديم العمل تحت عنوان “Synergistic Scheduling of Learning and Allocation of Tasks in Human-Robot Teams” في مؤتمر الفلبين الدولي حول الروبوتات والآلية.
ثلاثة أسئلة محددة
عند تطوير ADL، ركز الفريق على ثلاثة أسئلة:
- متى يجب على robot أن يكمل مهمة؟
- متى يجب تفويض مهمة إلى إنسان؟
- متى يجب على robot أن يتعلم مهمة جديدة؟
شيفام فاتس هو الباحث الرئيسي وطالب دكتوراه في RI.
“هناك تكاليف مرتبطة بالقرارات المتخذة، مثل الوقت الذي يستغرقه إنسان لإكمال مهمة أو تعليم robot لإكمال مهمة وتكلفة فشل robot في المهمة،” قال فاتس. “مع جميع هذه التكاليف، سوف يقدم نظامنا القسم الأمثل من العمل.”
استخدامات محتملة ل ADL
يمكن استخدام هذا النظام الجديد في مصانع التصنيع والتجميع لفرز الحزم، أو في أي بيئة تتضمن تعاونًا بين البشر والrobots لإنجاز المهام. تم اختبار المخطط في سيناريوهات تتضمن بشر وrobots يدرجون كتل في لوحة مسامير وتركيب أشكال مختلفة مصنوعة من قطع لего.
كان подход تفويض وتقسيم العمل من خلال الخوارزميات والبرامج موجودًا منذ بعض الوقت، ولكن النظام الجديد هو الأول من نوعه فيما يتعلق باضافته لتعلم robot في تفكيره.
“الrobots لم يعد ثابتًا،” قال فاتس. “يمكن تحسينهم ويمكن تعليمهم.”
في بيئات التصنيع التي تتضمن robots، يُعد العمال عادة ذراع robot يدويًا لتعليم robot كيفية إكمال مهمة. ومع ذلك، يمكن أن يستغرق هذا الأمر وقتًا طويلاً ويتطلب تكلفة كبيرة مسبقًا. نظرًا لذلك، من المهم تحديد أفضل وقت لتعليم robot مقابل تفويض المهمة نفسها إلى إنسان. يتطلب هذا القرار من robot التنبؤ بمهام أخرى يمكنه إكمالها بعد تعلم المهمة الأصلية.
يحول المخطط هذا إلى برنامج تحسين يُستخدم عادةً في الجدولة أو تصميم شبكات الاتصال أو التخطيط الإنتاجي. عند المقارنة مع النماذج التقليدية، أدى المخطط الجديد بشكل أفضل في جميع الحالات وقلل من التكلفة المرتبطة بإكمال المهام بنسبة 10٪ إلى 15٪.
شمل فريق البحث أيضًا أوليفر كرومر، وهو أستاذ مساعد في RI، وماكسيم ليكاشيف، أستاذ مشارك في RI.
