Robótica e IA física

Investigadores crean planificador algorítmico para delegar tareas a humanos y robots

Alex McFarland
Añade Unite.AI a tus fuentes preferidas en Google
Puntos claveEl planificador ADL reduce los costos de las tareas humano-robot entre un 10 y un 15…
Ver más
  • El planificador ADL reduce los costos de las tareas humano-robot entre un 10 y un 15 por ciento en comparación con los modelos tradicionales.
  • El sistema integra de manera única el aprendizaje robótico en las decisiones de delegación de tareas para equipos humano-robot.
  • ADL optimiza cuándo enseñar a un robot frente a delegar una tarea a un trabajador humano.

Un equipo de investigadores en el Instituto de Robótica de la Universidad Carnegie Mellon (RI) ha desarrollado un planificador algorítmico que puede ayudar a delegar tareas a humanos y robots. El planificador se llama “Actuar, Delegar o Aprender” (ADL), y considera una lista de tareas antes de decidir la mejor manera de asignarlas.

El trabajo titulado “Programación sinérgica de aprendizaje y asignación de tareas en equipos humanos y robots” se presentó en la Conferencia Internacional de Robótica y Automatización en Filadelfia.

Tres preguntas enfocadas

Al desarrollar ADL, el equipo se centró en tres preguntas:

  1. ¿Cuándo debe completar un robot una tarea?
  2. ¿Cuándo debe delegarse una tarea a un humano?
  3. ¿Cuándo debe aprender un robot una nueva tarea?

Shivam Vats es el investigador principal y estudiante de doctorado en el RI.

“Hay costos asociados con las decisiones tomadas, como el tiempo que le toma a un humano completar una tarea o enseñar a un robot a completar una tarea y el costo de que un robot falle en una tarea”, dijo Vats. “Dado todos esos costos, nuestro sistema le dará 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 colaboración humana y robótica para realizar tareas. El planificador se probó en escenarios que involucraban a humanos y robots insertando bloques en una tabla de clavijas y apilando diferentes formas hechas de ladrillos de Lego.

El enfoque de delegar y dividir el trabajo a través de algoritmos y software ha existido durante algún tiempo, pero el nuevo sistema es el primero en incluir el aprendizaje de robots en su razonamiento.

“Los robots ya no son estáticos”, dijo Vats. “Pueden mejorarse y se les puede enseñar.”

En entornos de fabricación que involucran robots, los trabajadores suelen manipular manualmente un brazo robótico para enseñar a un robot a completar una tarea. Sin embargo, esto puede tomar mucho tiempo y requerir un gran costo inicial. Debido a esto, es crucial determinar el mejor momento para enseñar a un robot versus delegar la misma tarea a un humano. Esta decisión requiere que el robot prediga otras tareas que puede completar después de aprender la original.

El planificador convierte esto en un programa de optimización que se utiliza comúnmente en programación de horarios, diseño de redes de comunicación o planificación de producción. En comparación con los modelos tradicionales, el nuevo planificador superó a todos en todas las instancias y disminuyó el costo asociado con la realización de las tareas en un 10% al 15%.

El equipo de investigación también incluyó a Oliver Kroemer, quien es profesor asistente en el RI, y a Maxim Likhachev, profesor asociado en el RI.

Alex dirige las operaciones de noticias impulsadas por IA de Unite.AI, combinando periodismo, investigación y automatización para apoyar una cobertura oportuna y escalable de la inteligencia artificial. Su trabajo ayuda a garantizar que los desarrollos emergentes de IA se presenten de manera eficiente mientras se mantienen los estándares editoriales de la publicación.