연구자들, 인간과 로봇에게 작업을 위임하는 알고리즘 플래너 개발

카네기 멜런 대학교의 로봇공학 연구소(RI)의 연구자들은 인간과 로봇에게 작업을 위임하는 알고리즘 플래너를 개발했습니다. 이 플래너는 “Act, Delegate or Learn” (ADL)이라고 불리며, 작업 목록을 고려하여 작업을 할당하는 최선의 방법을 결정합니다.

제목이 “Synergistic Scheduling of Learning and Allocation of Tasks in Human-Robot Teams”인 이 연구는 필라델피아에서 열린 로봇공학 및 자동화 국제 회의에서 발표되었습니다.

세 가지 집중된 질문

ADL을 개발할 때, 팀은 세 가지 질문에 집중했습니다.

1. 로봇이 작업을 완료해야 하는 경우는 언제인가?
2. 작업을 인간에게 위임해야 하는 경우는 언제인가?
3. 로봇이 새로운 작업을 배우야 하는 경우는 언제인가?

리드 연구자이자 RI의 박사 과정 학생인 Shivam Vats는 다음과 같이 말했습니다.

“의사 결정에 따른 비용이 있습니다. 예를 들어, 인간이 작업을 완료하는 데 걸리는 시간이나 로봇에게 작업을 가르치는 데 걸리는 시간, 로봇이 작업에 실패하는 데 따른 비용 등이 있습니다. 이러한 비용을 모두 고려하여 최적의 노동 분배를 제공하는 시스템을 개발했습니다.”

ADL의 잠재적 사용

이 새로운 시스템은 제조 및 조립 공장에서 패키지를 분류하거나 인간-로봇 협력을 통해 작업을 수행하는 모든 환경에서 사용될 수 있습니다. 이 플래너는 인간과 로봇이 펙스 보드에 블록을 삽입하고 레고 블록으로 만든 다양한 모양을 쌓는 시나리오에서 테스트되었습니다.

알고리즘과 소프트웨어를 통해 노동을 위임하고 분배하는 접근법은 이미 일부 존재합니다. 그러나 이 새로운 시스템은 로봇 학습을 포함하여 의사 결정에 대해 처음으로 고려합니다.

“로봇은 더 이상 정적이지 않습니다. 로봇은 개선될 수 있고 가르칠 수 있습니다.”라고 Vats는 말했습니다.

로봇이 포함된 제조 환경에서, 작업자는 일반적으로 로봇의 팔을 수동으로 조작하여 로봇에게 작업을 가르칩니다. 그러나 이 과정은 많은 시간과 초기 비용이 많이 들 수 있습니다. 따라서 로봇에게 작업을 가르치는 것이 좋을 때와 인간에게 작업을 위임하는 것이 좋을 때를 결정하는 것이 중요합니다. 이 결정은 로봇이 원래 작업을 배우고 난 후에 수행할 수 있는 다른 작업을 예측해야 합니다.

이 플래너는 일반적으로 스케줄링, 통신 네트워크 설계 또는 생산 계획에 사용되는 최적화 프로그램으로 변환됩니다. 전통적인 모델과 비교했을 때, 새로운 플래너는 모든 경우에서 더 나은 성능을 보였으며 작업을 완료하는 데 관련된 비용을 10%에서 15%까지 줄였습니다.

연구 팀에는 RI의 조교수인 Oliver Kroemer와 RI의 부교수인 Maxim Likhachev도 포함되었습니다.