로보틱스
연구자들은 인간과 로봇에게 작업을 위임하기 위한 알고리즘 플래너를 만듭니다.
Carnegie Mellon University의 Robotics Institute(RI)의 연구팀은 작업을 인간과 로봇에게 위임할 수 있는 알고리즘 플래너를 개발했습니다. 플래너는 "Act, Delegate 또는 Learn"(ADL)이라고 하며 작업을 할당하는 가장 좋은 방법을 결정하기 전에 작업 목록을 고려합니다.
"라는 제목의 작품인간-로봇 팀의 학습 및 작업 할당의 시너지 스케줄링"는 필라델피아에서 열린 로봇 공학 및 자동화에 관한 국제 회의에서 발표되었습니다.
세 가지 집중된 질문
ADL을 개발할 때 팀은 세 가지 질문에 중점을 두었습니다.
- 로봇은 언제 작업을 완료해야 합니까?
- 작업을 사람에게 위임해야 하는 경우는 언제입니까?
- 로봇은 언제 새로운 작업을 학습해야 합니까?
Shivam Vats는 수석 연구원이자 박사입니다. RI 학생.
Vats는 "인간이 작업을 완료하거나 로봇이 작업을 완료하도록 가르치는 데 걸리는 시간과 로봇이 작업에 실패하는 비용과 같은 결정과 관련된 비용이 있습니다"라고 말했습니다. "이러한 모든 비용을 고려할 때 우리 시스템은 최적의 분업을 제공할 것입니다."
ADL의 잠재적 용도
이 새로운 시스템은 패키지를 분류하기 위해 제조 및 조립 공장에서 사용하거나 작업을 수행하기 위해 인간-로봇 협업이 필요한 모든 환경에서 사용할 수 있습니다. 플래너는 사람과 로봇이 페그 보드에 블록을 삽입하고 레고 블록으로 만든 다양한 모양을 쌓는 시나리오에서 테스트되었습니다.
알고리즘과 소프트웨어를 통해 노동을 위임하고 분담하는 접근 방식은 예전부터 있었지만 로봇 학습을 추론에 포함시킨 새로운 시스템은 처음입니다.
"로봇은 더 이상 정적이지 않습니다."라고 Vats는 말했습니다. "그들은 개선될 수 있고 가르칠 수 있습니다."
로봇이 포함된 제조 환경에서 작업자는 일반적으로 로봇 팔을 수동으로 조작하여 로봇에게 작업 완료 방법을 가르칩니다. 그러나 이것은 많은 시간이 소요될 수 있고 큰 선행 비용이 필요할 수 있습니다. 이 때문에 동일한 작업을 인간에게 위임하는 것과 로봇을 가르치는 가장 좋은 시간을 파악하는 것이 중요합니다. 이 결정을 내리려면 로봇이 원본을 학습한 후 완료할 수 있는 다른 작업을 예측해야 합니다.
플래너는 이것을 스케줄링, 통신 네트워크 설계 또는 생산 계획에 일반적으로 사용되는 최적화 프로그램으로 변환합니다. 기존 모델과 비교했을 때 새 플래너는 모든 경우에서 성능을 능가했으며 작업 완료와 관련된 비용을 10%에서 15%까지 줄였습니다.
연구팀에는 RI 조교수인 올리버 크로머(Oliver Kroemer)와 RI 부교수인 막심 리카체프(Maxim Likhachev)도 포함됐다.
