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

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, Delega sau Învață” (ADL), și ia în considerare o listă de sarcini înainte de a decide cea mai bună modalitate de a le atribui. 

Lucrarea intitulată „Programarea sinergică a învățării și alocării sarcinilor în echipele de roboți și oameni” 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 eșecului unui robot la o sarcină”, a spus Vats. “Având în vedere toate aceste costuri, sistemul nostru va oferi o diviziune optimă a muncii.”

Utilizări potențiale pentru ADL

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

Abordarea delegării și divizării muncii 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 mediile de producție care implică roboți, lucrătorii obișnuiesc să manipuleze manual un braț robotic pentru a învăța un robot să finalizeze o sarcină. Cu toate acestea, acest lucru poate dura mult timp și poate necesita un cost inițial mare. Din acest motiv, 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 programare, proiectarea rețelelor de comunicare sau planificarea producției. În comparație cu modelele tradiționale, noul planificator a depășit-le în toate cazurile și a redus costul asociat finalizării sarcinilor cu 10% până la 15%. 

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