Исследователи Создали Алгоритмический Планировщик для Делегирования Задач Людям и Роботам

Команда исследователей в Институте робототехники Университета Карнеги-Меллона (RI) разработала алгоритмический планировщик, который может помочь делегировать задачи людям и роботам. Планировщик называется “Act, Delegate or Learn” (ADL), и он рассматривает список задач перед принятием решения о том, как их назначить.

Работа под названием “Синергетическое планирование обучения и распределения задач в командах человека и робота” была представлена на Международной конференции по робототехнике и автоматизации в Филадельфии.

Три Сосредоточенных Вопроса

При разработке ADL команда сосредоточилась на трех вопросах:

1. Когда робот должен выполнить задачу?
2. Когда задачу следует делегировать человеку?
3. Когда робот должен научиться новой задаче?

Шивам Ватс является ведущим исследователем и аспирантом в RI.

“Есть затраты, связанные с принятием решений, такие как время, необходимое человеку для выполнения задачи или обучения робота для выполнения задачи, и стоимость неудачи робота при выполнении задачи”, – сказал Ватс. “Учитывая все эти затраты, наша система даст вам оптимальное разделение труда”.

Потенциальные Применения ADL

Эта новая система может быть использована на производственных и сборочных предприятиях для сортировки пакетов или в любой среде, которая涉ивает сотрудничество человека и робота для выполнения задач. Планировщик был протестирован в сценариях, включающих людей и роботов, вставляющих блоки в доску с отверстиями и укладывающих разные формы, сделанные из кирпичей Lego.

Подход к делегированию и разделению труда через алгоритмы и программное обеспечение существует уже некоторое время, но новая система является первой, которая включает обучение робота в свою логику.

“Роботы больше не являются статичными”, – сказал Ватс. “Их можно улучшить и обучить”.

В производственных средах, которые включают роботов, работники обычно вручную манипулируют роботизированной рукой, чтобы обучить робота выполнению задачи. Однако это может занять много времени и требует значительных первоначальных затрат. Поэтому важно определить лучшее время для обучения робота, а не делегировать задачу человеку. Это решение требует от робота предсказать другие задачи, которые он может выполнить после обучения исходной задаче.

Планировщик преобразует это в программу оптимизации, которая обычно используется в планировании, проектировании сетей связи или производственном планировании. По сравнению с традиционными моделями, новый планировщик превзошел их во всех случаях и снизил затраты, связанные с выполнением задач, на 10% до 15%.

Исследовательская команда также включала Оливера Кроемера, который является помощником профессора в RI, и Максима Лихачева, который является доцентом в RI.