Les chercheurs créent un planificateur algorithmique pour déléguer des tâches aux humains et aux robots

Une équipe de chercheurs de l’Institut de robotique de l’Université Carnegie Mellon (RI) a développé un planificateur algorithmique qui peut aider à déléguer des tâches aux humains et aux robots. Le planificateur s’appelle « Agir, déléguer ou apprendre » (ADL), et il prend en compte une liste de tâches avant de décider de la meilleure façon de les attribuer.

Le travail intitulé « Synergistic Scheduling of Learning and Allocation of Tasks in Human-Robot Teams » a été présenté à la Conférence internationale sur la robotique et l’automatisation à Philadelphie.

Trois questions ciblées

Lors du développement d’ADL, l’équipe s’est concentrée sur trois questions :

1. Quand un robot doit-il effectuer une tâche ?
2. Quand une tâche doit-elle être déléguée à un humain ?
3. Quand un robot doit-il apprendre une nouvelle tâche ?

Shivam Vats est le chercheur principal et un étudiant en doctorat à la RI.

« Il y a des coûts associés aux décisions prises, tels que le temps qu’il faut à un humain pour effectuer une tâche ou enseigner à un robot à effectuer une tâche, et le coût d’un robot qui échoue dans une tâche », a déclaré Vats. « Étant donné tous ces coûts, notre système vous donnera la division du travail optimale. »

Utilisations potentielles d’ADL

Ce nouveau système pourrait être utilisé dans les usines de fabrication et de montage pour trier des colis, ou dans tout environnement qui implique une collaboration humain-robot pour effectuer des tâches. Le planificateur a été testé dans des scénarios impliquant des humains et des robots qui insèrent des blocs dans un tableau de pegs et empilent des formes différentes faites de briques Lego.

L’approche de la délégation et de la division du travail par le biais d’algorithmes et de logiciels existe depuis un certain temps, mais le nouveau système est un premier dans la prise en compte de l’apprentissage des robots dans sa raisonnement.

« Les robots ne sont plus statiques », a déclaré Vats. « Ils peuvent être améliorés et enseignés. »

Dans les environnements de fabrication qui impliquent des robots, les travailleurs manipulent généralement manuellement un bras robotique pour enseigner à un robot à effectuer une tâche. Cependant, cela peut prendre beaucoup de temps et nécessiter un coût important à l’avance. En raison de cela, il est crucial de déterminer le meilleur moment pour enseigner à un robot par opposition à la délégation de la même tâche à un humain. Cette décision nécessite que le robot prédise d’autres tâches qu’il peut effectuer après avoir appris la tâche originale.

Le planificateur convertit cela en un programme d’optimisation qui est généralement utilisé dans la planification, la conception de réseaux de communication ou la planification de production. Lorsqu’il est comparé aux modèles traditionnels, le nouveau planificateur a surpassé ceux-ci dans tous les cas et a réduit le coût associé à la réalisation des tâches de 10 % à 15 %.

L’équipe de recherche comprenait également Oliver Kroemer, qui est professeur adjoint à la RI, et Maxim Likhachev, professeur associé à la RI.