Robotik und physische KI
Forscher entwickeln algorithmischen Planer für die Delegation von Aufgaben an Menschen und Roboter
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Ein Team von Forschern am Robotics Institute (RI) der Carnegie Mellon University hat einen algorithmischen Planer entwickelt, der bei der Delegation von Aufgaben an Menschen und Roboter helfen kann. Der Planer wird “Act, Delegate or Learn” (ADL) genannt und berücksichtigt eine Liste von Aufgaben, bevor er entscheidet, wie sie am besten zugewiesen werden können.
Die Arbeit mit dem Titel “Synergistic Scheduling of Learning and Allocation of Tasks in Human-Robot Teams” wurde auf der International Conference on Robotics and Automation in Philadelphia vorgestellt.
Drei fokussierte Fragen
Bei der Entwicklung von ADL konzentrierte sich das Team auf drei Fragen:
- Wann sollte ein Roboter eine Aufgabe ausführen?
- Wann sollte eine Aufgabe an einen Menschen delegiert werden?
- Wann sollte ein Roboter eine neue Aufgabe lernen?
Shivam Vats ist der Leitforscher und ein Ph.D.-Student am RI.
“Es gibt Kosten, die mit den Entscheidungen verbunden sind, wie z.B. die Zeit, die ein Mensch benötigt, um eine Aufgabe auszuführen oder einem Roboter beizubringen, und die Kosten, die entstehen, wenn ein Roboter eine Aufgabe nicht ausführen kann”, sagte Vats. “Unter Berücksichtigung all dieser Kosten wird unser System die optimale Aufteilung der Arbeit liefern.”
Mögliche Anwendungen für ADL
Dieses neue System könnte in Fertigungs- und Montageanlagen verwendet werden, um Pakete zu sortieren, oder in jedem Umfeld, in dem Menschen und Roboter zusammenarbeiten, um Aufgaben auszuführen. Der Planer wurde in Szenarien getestet, in denen Menschen und Roboter Blöcke in eine Lochplatte einsetzten und verschiedene Formen aus Lego-Steinen stapelten.
Der Ansatz, Arbeit durch Algorithmen und Software zu delegieren, ist nicht neu, aber das neue System ist das erste, das Roboter-Lernen in seine Überlegungen einbezieht.
“Roboter sind nicht mehr statisch”, sagte Vats. “Sie können verbessert und beigebracht werden.”
In Fertigungsumgebungen, in denen Roboter eingesetzt werden, müssen Arbeiter normalerweise einen Roboterarm manuell manipulieren, um einem Roboter beizubringen, wie er eine Aufgabe ausführen kann. Dies kann jedoch viel Zeit und einen hohen vorherigen Aufwand erfordern. Deshalb ist es wichtig, den richtigen Zeitpunkt zu bestimmen, um einem Roboter beizubringen, wie er eine Aufgabe ausführen kann, anstatt diese Aufgabe einem Menschen zu delegieren. Diese Entscheidung erfordert, dass der Roboter andere Aufgaben vorhersieht, die er nach dem Lernen der ursprünglichen Aufgabe ausführen kann.
Der Planer wandelt dies in ein Optimierungsprogramm um, das normalerweise in der Planung, dem Entwurf von Kommunikationsnetzwerken oder der Produktionsplanung verwendet wird. Im Vergleich zu traditionellen Modellen übertraf der neue Planer diese in allen Fällen und reduzierte die Kosten, die mit der Ausführung der Aufgaben verbunden sind, um 10% bis 15%.
Das Forschungsteam umfasste auch Oliver Kroemer, der Assistant Professor am RI ist, und Maxim Likhachev, der Associate Professor am RI ist.
