Robótica
Investigadores crean un planificador algorítmico para delegar tareas a humanos y robots
Un equipo de investigadores del Instituto de Robótica (RI) de la Universidad Carnegie Mellon ha desarrollado un planificador algorítmico que puede ayudar a delegar tareas a humanos y robots. El planificador se llama “Actúa, Delega o Aprende” (ADL), y considera una lista de tareas antes de decidir la mejor manera de asignarlas.
La obra titulada “Programación Sinérgica de Aprendizaje y Asignación de Tareas en Equipos Humano-Robot” fue presentado en la Conferencia Internacional sobre Robótica y Automatización en Filadelfia.
Tres preguntas enfocadas
Al desarrollar ADL, el equipo se centró en tres preguntas:
- ¿Cuándo debe un robot completar una tarea?
- ¿Cuándo se debe delegar una tarea a un ser humano?
- ¿Cuándo debe un robot aprender una nueva tarea?
Shivam Vats es el investigador principal y Ph.D. estudiante en el RI.
“Hay costos asociados con las decisiones tomadas, como el tiempo que le toma a un ser humano completar una tarea o enseñarle a un robot a completar una tarea y el costo de que un robot falle en una tarea”, dijo Vats. “Dados todos esos costos, nuestro sistema le brindará la división óptima del trabajo”.
Usos potenciales para ADL
Este nuevo sistema podría usarse en plantas de fabricación y ensamblaje para clasificar paquetes, o en cualquier entorno que involucre la colaboración humano-robot para llevar a cabo tareas. El planificador se probó en escenarios en los que humanos y robots insertaron bloques en un tablero de clavijas y apilaron diferentes formas hechas de ladrillos Lego.
El enfoque de delegar y dividir el trabajo a través de algoritmos y software existe desde hace algún tiempo, pero el nuevo sistema es el primero en lo que respecta a incluir el aprendizaje de robots en su razonamiento.
“Los robots ya no son estáticos”, dijo Vats. “Se pueden mejorar y se pueden enseñar”.
En entornos de fabricación que involucran robots, los trabajadores generalmente manipulan manualmente un brazo robótico para enseñarle a un robot cómo completar una tarea. Sin embargo, esto puede llevar mucho tiempo y requerir un gran costo inicial. Debido a esto, es crucial determinar cuál es el mejor momento para enseñarle a un robot en lugar de delegar la misma tarea a un humano. Esta decisión requiere que el robot prediga otras tareas que puede completar después de aprender el original.
El planificador convierte esto en un programa de optimización que generalmente se usa en la programación, el diseño de redes de comunicación o la planificación de la producción. En comparación con los modelos tradicionales, el nuevo planificador los superó en todos los casos y redujo el costo asociado con completar las tareas entre un 10 % y un 15 %.
El equipo de investigación también incluyó a Oliver Kroemer, profesor asistente en RI, y Maxim Likhachev, profesor asociado en RI.
