रोबोटिक्स और भौतिक एआई

शोधकर्ताओं ने मानवों और रोबोटों को कार्य सौंपने के लिए एल्गोरिदमिक योजनाकार बनाया

Alex McFarland
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
मुख्य बिंदुADL योजनाकार पारंपरिक मॉडलों की तुलना में मानव-रोबोट कार्य लागत को 10 से 15 प्रतिशत तक…
और देखें
  • ADL योजनाकार पारंपरिक मॉडलों की तुलना में मानव-रोबोट कार्य लागत को 10 से 15 प्रतिशत तक कम करता है।
  • यह प्रणाली मानव-रोबोट टीमों के लिए कार्य सौंपने के निर्णयों में रोबोट सीखने को विशिष्ट रूप से एकीकृत करती है।
  • ADL किसी रोबोट को सिखाने बनाम किसी मानव कर्मचारी को कार्य सौंपने के समय को अनुकूलित करता है।

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 करने के बाद तय करता है कि उन्हें सौंपने का सबसे अच्छा तरीका क्या 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:

  1. कब एक रोबोट को एक कार्य पूरा करना चाहिए?
  2. कब एक कार्य को मानव को सौंपा जाना चाहिए?
  3. 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 करना सिखाने में लगने वाला समय 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 मूल कार्य सीखने के बाद पूरा कर सकता है।

यह योजनाकार इस समस्या को एक अनुकूलन कार्यक्रम में परिवर्तित करता है जो आमतौर पर समय-सारणी बनाने, 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।

Alex McFarland

Alex Unite.AI के एआई‑संचालित समाचार संचालन का नेतृत्व करते हैं, पत्रकारिता, अनुसंधान और स्वचालन को मिलाकर कृत्रिम बुद्धिमत्ता की समय पर और स्केलेबल कवरेज को समर्थन देते हैं। उनका काम यह सुनिश्चित करने में मदद करता है कि उभरते एआई विकास को प्रभावी ढंग से उजागर किया जाए, जबकि प्रकाशन के संपादकीय मानकों को बनाए रखा जाए।