Ricercatori creano un pianificatore algoritmico per delegare compiti a esseri umani e robot

Un team di ricercatori presso il Robotics Institute (RI) della Carnegie Mellon University ha sviluppato un pianificatore algoritmico in grado di aiutare a delegare compiti a esseri umani e robot. Il pianificatore si chiama “Act, Delegate or Learn” (ADL) e prende in considerazione 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: 

1. Quando un robot dovrebbe completare un compito? 
2. Quando un compito dovrebbe essere delegato a un essere umano?
3. Quando un robot dovrebbe imparare un nuovo compito?

Shivam Vats è il ricercatore principale e uno studente di dottorato presso il 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 quei costi, il nostro sistema fornirà la divisione ottimale del lavoro.”

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 uomo-robot per eseguire compiti. Il pianificatore è stato testato in scenari che coinvolgono esseri umani e robot che inseriscono blocchi in una tavola di peg o 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 un primo esempio quando si tratta di includere l’apprendimento del robot nella sua logica. 

“I robot non sono più statici”, ha detto Vats. “Possono essere migliorati e possono essere insegnati.”

Negli ambienti di produzione che coinvolgono robot, i lavoratori di solito manipolano manualmente un braccio robotico per insegnare a un robot come completare un compito. Tuttavia, ciò può richiedere molto tempo e richiedere un grande costo iniziale. A causa di ciò, è cruciale 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 completare 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 tutti gli esempi 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 il RI, e Maxim Likhachev, un professore associato presso il RI.