الروبوتات والذكاء الاصطناعي الفيزيائي
باحثون يطورون مخططًا خوارزميًا لتفويض المهام إلى البشر والrobots
أضف Unite.AI إلى مصادرك المفضلة على Google
فريق من الباحثين في معهد روبوتات جامعة كارنيجي ميلون قد طور مخططًا خوارزميًا يمكنه مساعدة تفويض المهام إلى البشر والrobots. ويسمى المخطط “Act، Delegate or Learn” (ADL)، ويتعامل مع قائمة من المهام قبل اتخاذ القرار بشأن أفضل طريقة لتخصيصها.
تم تقديم العمل تحت عنوان “Synergistic Scheduling of Learning and Allocation of Tasks in Human-Robot Teams” في المؤتمر الدولي لروبوتات وآلية في فيلادلفيا.
ثلاث أسئلة محددة
عند تطوير ADL، ركز الفريق على ثلاث أسئلة:
- متى يجب على robot أن يكمل مهمة؟
- متى يجب تفويض مهمة إلى إنسان؟
- متى يجب على robot أن يتعلم مهمة جديدة؟
Shivam Vats 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 Vats. “مع جميع هذه التكاليف، سوف يعطيك نظامنا القسم الأمثل من العمل.”
استخدامات محتملة ل ADL
يمكن استخدام هذا النظام الجديد في مصانع وورش تصنيع لفرز الحزم، أو في أي بيئة تتضمن تعاونًا بين البشر وrobots لإنجاز مهام. تم اختبار المخطط في سيناريوهات تتضمن بشر وrobots يضعون كتل في لوحة مسامير وتركيب أشكال مختلفة مصنوعة من قطع ليغو.
منذ فترة، تم تطوير نهج تفويض وتقسيم العمل من خلال الخوارزميات والبرمجيات، ولكن النظام الجديد يعتبر الأول فيما يتعلق بتشمل تعلم robot في التفكير.
“الrobots لم يعد ثابتًا،” قال Vats. “يمكن تحسينها ويمكن تعليمها.”
في بيئات التصنيع التي تتضمن robots، عادة ما يُجبر العمال على تعليم robot كيفية إكمال مهمة يدويا. ومع ذلك، يمكن أن يستغرق هذا الأمر وقتًا طويلاً ويتطلب تكلفة كبيرة مسبقًا. بسبب ذلك، من المهم تحديد أفضل وقت لتعليم robot مقابل تفويض المهمة نفسها إلى إنسان. يتطلب هذا القرار من robot توقع المهام الأخرى التي يمكنه إكمالها بعد تعلم المهمة الأصلية.
يحول المخطط هذا إلى برنامج تحسين يُستخدم عادة في الجدولة، تصميم شبكات الاتصال، أو تخطيط الإنتاج. عند مقارنته بالموديلات التقليدية، أدى المخطط الجديد بشكل أفضل في جميع الحالات وقلل من التكلفة المرتبطة بإكمال المهام بنسبة 10٪ إلى 15٪.
كان الفريق البحثي يتضمن أيضًا Oliver Kroemer، الذي هو أستاذ مساعد في RI، وMaxim Likhachev، أستاذ مشارك في RI.
