Peneliti Membuat Algoritma Perencana untuk Mendelegasikan Tugas kepada Manusia dan Robot

Tim peneliti di Institut Robotika Universitas Carnegie Mellon (RI) telah mengembangkan perencana algoritmik yang dapat membantu mendelegasikan tugas kepada manusia dan robot. Perencana ini disebut “Act, Delegate or Learn” (ADL), dan mempertimbangkan daftar tugas sebelum memutuskan cara terbaik untuk mengassignnya.

Karya yang berjudul “Synergistic Scheduling of Learning and Allocation of Tasks in Human-Robot Teams” dipresentasikan pada Konferensi Internasional tentang Robotika dan Otomasi di Philadelphia.

Tiga Pertanyaan Terfokus

Ketika mengembangkan ADL, tim tersebut fokus pada tiga pertanyaan:

1. Kapan seorang robot harus menyelesaikan tugas?
2. Kapan seorang tugas harus didelegasikan kepada manusia?
3. Kapan seorang robot harus belajar tugas baru?

Shivam Vats adalah peneliti utama dan mahasiswa Ph.D. di RI.

“Ada biaya yang terkait dengan keputusan yang dibuat, seperti waktu yang dibutuhkan manusia untuk menyelesaikan tugas atau mengajar robot untuk menyelesaikan tugas dan biaya kegagalan robot dalam menyelesaikan tugas,” kata Vats. “Dengan mempertimbangkan semua biaya tersebut, sistem kami akan memberikan pembagian tugas yang optimal.”

Potensi Penggunaan ADL

Sistem baru ini dapat digunakan di pabrik manufaktur dan perakitan untuk mengatur paket, atau di lingkungan mana pun yang melibatkan kerja sama antara manusia dan robot untuk menyelesaikan tugas. Perencana ini diuji dalam skenario yang melibatkan manusia dan robot memasukkan balok ke dalam papan peg dan menumpuk bentuk yang berbeda yang terbuat dari bata Lego.

Pendekatan mendelegasikan dan membagi tugas melalui algoritma dan perangkat lunak telah ada selama beberapa waktu, tetapi sistem baru ini merupakan yang pertama dalam hal memasukkan pembelajaran robot dalam penalarannya.

“Robot tidak lagi statis,” kata Vats. “Mereka dapat ditingkatkan dan dapat diajarkan.”

Di lingkungan manufaktur yang melibatkan robot, pekerja biasanya secara manual memanipulasi lengan robot untuk mengajar robot cara menyelesaikan tugas. Namun, ini dapat memakan waktu lama dan memerlukan biaya awal yang besar. Karena itu, sangat penting untuk menentukan waktu terbaik untuk mengajar robot versus mendelegasikan tugas yang sama kepada manusia. Keputusan ini memerlukan robot untuk memprediksi tugas lain yang dapat diselesaikan setelah mempelajari tugas asli.

Perencana ini mengubahnya menjadi program optimasi yang biasanya digunakan dalam penjadwalan, merancang jaringan komunikasi, atau perencanaan produksi. Ketika dibandingkan dengan model tradisional, perencana baru ini outperform mereka dalam semua kasus dan mengurangi biaya yang terkait dengan menyelesaikan tugas sebesar 10% hingga 15%.

Tim peneliti juga termasuk Oliver Kroemer, yang merupakan asisten profesor di RI, dan Maxim Likhachev, yang merupakan profesor asosiasi di RI.