Robótica e IA física
Pesquisadores Criam Planejador Algorítmico para Delegar Tarefas a Humanos e Robôs
Adicione Unite.AI às suas fontes preferidas no Google
Uma equipe de pesquisadores do Instituto de Robótica da Universidade Carnegie Mellon (RI) desenvolveu um planejador algorítmico que pode ajudar a delegar tarefas a humanos e robôs. O planejador é chamado de “Atuar, Delegar ou Aprender” (ADL), e considera uma lista de tarefas antes de decidir a melhor maneira de atribuí-las.
O trabalho intitulado “Agendamento Sinérgico de Aprendizado e Alocação de Tarefas em Equipes Humanas e Robóticas” foi apresentado na Conferência Internacional de Robótica e Automação em Filadélfia.
Três Perguntas Focadas
Ao desenvolver o ADL, a equipe se concentrou em três perguntas:
- Quando um robô deve completar uma tarefa?
- Quando uma tarefa deve ser delegada a um humano?
- Quando um robô deve aprender uma nova tarefa?
Shivam Vats é o principal pesquisador e um estudante de doutorado no RI.
“Há custos associados às decisões tomadas, como o tempo que um humano leva para completar uma tarefa ou ensinar um robô a completar uma tarefa e o custo de um robô falhar em uma tarefa”, disse Vats. “Dado todos esses custos, nosso sistema fornecerá a divisão ótima do trabalho.”
Usos Potenciais para o ADL
Esse novo sistema pode ser usado em fábricas e plantas de montagem para classificar pacotes, ou em qualquer ambiente que envolva colaboração humana e robótica para realizar tarefas. O planejador foi testado em cenários que envolvem humanos e robôs inserindo blocos em uma placa de pegs e empilhando diferentes formas feitas de tijolos de Lego.
A abordagem de delegar e dividir o trabalho por meio de algoritmos e software tem sido usada por algum tempo, mas o novo sistema é o primeiro a incluir o aprendizado de robôs em sua lógica.
“Os robôs não são mais estáticos”, disse Vats. “Eles podem ser melhorados e podem ser ensinados.”
Em ambientes de fabricação que envolvem robôs, os trabalhadores geralmente manipulam manualmente um braço robótico para ensinar um robô a completar uma tarefa. No entanto, isso pode levar muito tempo e exigir um grande custo inicial. Por causa disso, é crucial determinar o melhor momento para ensinar um robô versus delegar a mesma tarefa a um humano. Essa decisão exige que o robô preveja outras tarefas que ele pode completar após aprender a tarefa original.
O planejador converte isso em um programa de otimização que é normalmente usado em programação, design de redes de comunicação ou planejamento de produção. Quando comparado a modelos tradicionais, o novo planejador superou todos eles em todas as instâncias e reduziu o custo associado ao completar as tarefas em 10% a 15%.
A equipe de pesquisa também incluiu Oliver Kroemer, que é professor assistente no RI, e Maxim Likhachev, professor associado no RI.
