Robotica e IA fisica
I ricercatori creano un pianificatore algoritmico per delegare compiti a esseri umani e robot

Punti chiaveIl pianificatore ADL riduce i costi dei compiti uomo-robot del 10-15 percento rispetto…
Vedi di più
- Il pianificatore ADL riduce i costi dei compiti uomo-robot del 10-15 percento rispetto ai modelli tradizionali.
- Il sistema integra in modo unico l'apprendimento del robot nelle decisioni di delega dei compiti per i team uomo-robot.
- ADL ottimizza quando insegnare a un robot rispetto alla delega di un compito a un lavoratore umano.
Un team di ricercatori dell’Istituto di robotica dell’Università di Carnegie Mellon (RI) ha sviluppato un pianificatore algoritmico in grado di aiutare a delegare compiti a esseri umani e robot. Il pianificatore si chiama “Agire, Delegare o Imparare” (ADL) e considera un elenco di compiti prima di decidere il modo migliore per assegnarli.
Il lavoro intitolato “Synergistic Scheduling of Learning and Allocation of Tasks in Human-Robot Teams” è stato presentato alla Conferenza internazionale su robotica e automazione a Philadelphia.
Tre domande focalizzate
Durante lo sviluppo di ADL, il team si è concentrato su tre domande:
- Quando un robot dovrebbe completare un compito?
- Quando un compito dovrebbe essere delegato a un essere umano?
- Quando un robot dovrebbe imparare un nuovo compito?
Shivam Vats è il ricercatore principale e uno studente di dottorato presso l’RI.
“Ci sono costi associati alle decisioni prese, come il tempo che un essere umano impiega per completare un compito o insegnare a un robot a completare un compito e il costo di un robot che fallisce in un compito”, ha detto Vats. “Considerati tutti questi costi, il nostro sistema fornirà la divisione del lavoro ottimale”.
Utilizzi potenziali per ADL
Questo nuovo sistema potrebbe essere utilizzato in impianti di produzione e assemblaggio per ordinare pacchi o in qualsiasi ambiente che coinvolga la collaborazione tra esseri umani e robot per eseguire compiti. Il pianificatore è stato testato in scenari che coinvolgono esseri umani e robot che inseriscono blocchi in una tavola forata e impilano forme diverse fatte di mattoni Lego.
L’approccio di delegare e dividere il lavoro attraverso algoritmi e software è stato utilizzato per qualche tempo, ma il nuovo sistema è il primo a includere l’apprendimento del robot nel proprio ragionamento.
“I robot non sono più statici”, ha detto Vats. “Possono essere migliorati e si possono insegnare loro nuovi compiti”.
In ambienti di produzione che coinvolgono robot, i lavoratori di solito manipolano manualmente un braccio robotico per insegnare a un robot a completare un compito. Tuttavia, ciò può richiedere molto tempo e richiedere un grande costo iniziale. A causa di ciò, è fondamentale determinare il momento migliore per insegnare a un robot rispetto a delegare lo stesso compito a un essere umano. Questa decisione richiede al robot di prevedere altri compiti che può eseguire dopo aver appreso il compito originale.
Il pianificatore converte ciò in un programma di ottimizzazione che viene solitamente utilizzato nella pianificazione, nella progettazione di reti di comunicazione o nella pianificazione della produzione. Rispetto ai modelli tradizionali, il nuovo pianificatore ha superato i modelli tradizionali in tutti i casi e ha ridotto il costo associato al completamento dei compiti del 10% al 15%.
Il team di ricerca includeva anche Oliver Kroemer, che è un professore assistente presso l’RI, e Maxim Likhachev, un professore associato presso l’RI.












