रोबोटिक्स और भौतिक एआई
शोधकर्ताओं ने मानवों और रोबोटों को कार्य सौंपने के लिए एल्गोरिदमिक योजनाकार बनाया
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
कार्नेगी मेलॉन यूनिवर्सिटी के रोबोटिक्स संस्थान (आरआई) के एक शोध दल ने एक एल्गोरिदमिक योजनाकार विकसित किया है जो मानवों और रोबोटों को कार्य सौंपने में मदद कर सकता है। इस योजनाकार को “एक्ट, डेलिगेट या लर्न” (एडीएल) कहा जाता है, और यह कार्यों की सूची पर विचार करता है trước कि उन्हें कैसे सौंपना है।
इस काम को “सिनर्जिस्टिक शेड्यूलिंग ऑफ लर्निंग एंड अलोकेशन ऑफ टास्क्स इन ह्यूमन-रोबोट टीम्स” नामक शीर्षक से फिलाडेल्फिया में रोबोटिक्स और ऑटोमेशन के अंतर्राष्ट्रीय सम्मेलन में प्रस्तुत किया गया था।
तीन केंद्रित प्रश्न
एडीएल विकसित करते समय, टीम ने तीन प्रश्नों पर ध्यान केंद्रित किया:
- कब एक रोबोट को एक कार्य पूरा करना चाहिए?
- कब एक कार्य को मानव को सौंपा जाना चाहिए?
- कब एक रोबोट को एक नए कार्य को सीखना चाहिए?
शिवम वत्स इस परियोजना के प्रमुख शोधकर्ता और आरआई में पीएचडी छात्र हैं।
“निर्णय लेने से जुड़ी लागतें हैं, जैसे कि एक मानव द्वारा एक कार्य पूरा करने में लगने वाला समय या एक रोबोट को एक कार्य पूरा करने के लिए सिखाने की लागत और एक रोबोट के कार्य विफल होने की लागत,” वत्स ने कहा। “इन सभी लागतों को देखते हुए, हमारी प्रणाली आपको श्रम का इष्टतम विभाजन देगी।”
एडीएल के संभावित उपयोग
इस नए सिस्टम का उपयोग विनिर्माण और असेंबली संयंत्रों में पैकेजों को छानने के लिए किया जा सकता है, या किसी भी वातावरण में जहां मानव-रोबोट सहयोग से कार्यों को पूरा करना शामिल है। इस योजनाकार का परीक्षण मानवों और रोबोटों द्वारा ब्लॉक को पेग बोर्ड में डालने और लेगो ब्रिक्स से विभिन्न आकारों को ढेर करने के दृश्यों में किया गया था।
एल्गोरिदम और सॉफ्टवेयर के माध्यम से श्रम को सौंपने और विभाजित करने की दृष्टिकोण कुछ समय से आसपास रही है, लेकिन यह नया सिस्टम अपने तर्क में रोबोट सीखने को शामिल करने के मामले में पहला है।
“रोबोट अब स्थिर नहीं हैं,” वत्स ने कहा। “उन्हें सुधारा जा सकता है और उन्हें सिखाया जा सकता है।”
विनिर्माण वातावरण में जहां रोबोट शामिल हैं, कर्मचारी आमतौर पर एक रोबोट को एक कार्य पूरा करने के लिए सिखाने के लिए एक रोबोटिक आर्म को मैन्युअल रूप से हेरफेर करते हैं। हालांकि, यह बहुत समय ले सकता है और एक बड़ी अग्रिम लागत की आवश्यकता होती है। इसके कारण, यह निर्धारित करना महत्वपूर्ण है कि कब एक रोबोट को सिखाना है और कब एक ही कार्य को मानव को सौंपना है। इस निर्णय के लिए रोबोट को अन्य कार्यों की भविष्यवाणी करने की आवश्यकता होती है जो वह सीखने के बाद पूरा कर सकता है।
इस योजनाकार को एक अनुकूलन कार्यक्रम में परिवर्तित किया जाता है जो आमतौर पर निर्धारण, संचार नेटवर्क के डिजाइन, या उत्पादन योजना में उपयोग किया जाता है। पारंपरिक मॉडल की तुलना में, इस नए योजनाकार ने सभी मामलों में बेहतर प्रदर्शन किया और कार्यों को पूरा करने से जुड़ी लागत को 10% से 15% तक कम कर दिया।
शोध टीम में ऑलिवर क्रोएमेर, आरआई में एक सहायक प्रोफेसर, और मैक्सिम लिखाचेव, आरआई में एक एसोसिएट प्रोफेसर भी शामिल थे।
