Robotică și IA fizică

Cercetătorii creează un planificator algoritmic pentru delegarea sarcinilor către oameni și roboți

Alex McFarland
Adaugă Unite.AI la sursele tale preferate pe Google
Puncte cheiePlanificatorul ADL reduce costurile sarcinilor om-robot cu 10 până la 15 procente față…
Vezi mai mult
  • Planificatorul ADL reduce costurile sarcinilor om-robot cu 10 până la 15 procente față de modelele tradiționale.
  • Sistemul integrează în mod unic învățarea robotică în deciziile de delegare a sarcinilor pentru echipele om-robot.
  • ADL optimizează momentul în care să înveți un robot versus delegarea unei sarcini unui lucrător uman.

O echipă de cercetători de la Institutul de Robotică al Universității Carnegie Mellon (RI) a dezvoltat un planificator algoritmic care poate ajuta la delegarea sarcinilor către oameni și roboți. Planificatorul se numește “Act, Delegate or Learn” (ADL) și ia în considerare o listă de sarcini înainte de a decide cea mai bună modalitate de a le atribui.

Lucrarea intitulată “Planificarea sinergică a învățării și alocării sarcinilor în echipe om-robot” a fost prezentată la Conferința Internațională de Robotică și Automatizare de la Philadelphia.

Trei întrebări focalizate

La dezvoltarea ADL, echipa s-a concentrat pe trei întrebări:

  1. Când ar trebui un robot să finalizeze o sarcină?
  2. Când ar trebui o sarcină să fie delegată unui om?
  3. Când ar trebui un robot să învețe o nouă sarcină?

Shivam Vats este cercetătorul principal și student doctorand în RI.

“Există costuri asociate deciziilor luate, cum ar fi timpul necesar unui om pentru a finaliza o sarcină sau pentru a învăța un robot să finalizeze o sarcină și costul unui robot care nu reușește să finalizeze o sarcină”, a spus Vats. “Având în vedere toate aceste costuri, sistemul nostru va oferi o diviziune optimă a muncii”.

Posibile utilizări pentru ADL

Noul sistem poate fi utilizat în fabrici de producție și asamblare pentru a sorta pachete sau în orice mediu care implică colaborarea dintre oameni și roboți pentru a efectua sarcini. Planificatorul a fost testat în scenarii care implică oameni și roboți care introduc blocuri într-o placă cu orificii și stivuiesc forme diferite realizate din cuburi Lego.

Abordarea de a delega și diviza munca prin algoritmi și software a existat de ceva timp, dar noul sistem este primul care include învățarea robotului în raționamentul său.

“Roboții nu mai sunt statici”, a spus Vats. “Ei pot fi îmbunătățiți și pot fi învățați”.

În medii de producție care implică roboți, lucrătorii obișnuiesc să manipuleze manual un braț robotic pentru a învăța un robot cum să finalizeze o sarcină. Cu toate acestea, acest lucru poate dura mult timp și poate necesita un cost inițial mare. Din cauza acestui fapt, este crucial să se determine cel mai bun moment pentru a învăța un robot versus a delega aceeași sarcină unui om. Această decizie necesită ca robotul să prevadă alte sarcini pe care le poate finaliza după ce a învățat sarcina originală.

Planificatorul convertește acest lucru într-un program de optimizare care este de obicei utilizat în planificarea calendaristică, proiectarea rețelelor de comunicații sau planificarea producției. Atunci când este comparat cu modelele tradiționale, noul planificator le-a depășit în toate cazurile și a scăzut costul asociat finalizării sarcinilor cu 10% până la 15%.

Echipa de cercetare a inclus, de asemenea, pe Oliver Kroemer, care este profesor asistent în RI, și pe Maxim Likhachev, profesor asociat în RI.

Alex conduce operațiunile de știri alimentate de AI ale Unite.AI, combinând jurnalismul, cercetarea și automatizarea pentru a susține o acoperire rapidă și scalabilă a inteligenței artificiale. Munca sa ajută la asigurarea că dezvoltările emergente ale AI sunt aduse la lumină eficient, menținând standardele editoriale ale publicației.