Robotik ve fiziksel yapay zeka
Araştırmacılar İnsanlara ve Robotlara Görevleri Devretmek için Algoritmik Bir Planlayıcı Geliştirdiler

Öne çıkan noktalarADL planlayıcısı, geleneksel modellere kıyasla insan-robot görev maliyetlerini yüzde 10…
Daha fazla göster
- ADL planlayıcısı, geleneksel modellere kıyasla insan-robot görev maliyetlerini yüzde 10 ila 15 oranında azaltıyor.
- Sistem, insan-robot ekipleri için görev devretme kararlarına robot öğrenimini benzersiz bir şekilde entegre ediyor.
- ADL, bir robota ne zaman öğretileceğine karşı bir görevi insan çalışana devretme zamanını optimize ediyor.
Carnegie Mellon Üniversitesi’nin Robotik Enstitüsü (RI) bünyesindeki bir araştırma ekibi, görevleri insanlara ve robotlara devretmeye yardımcı olabilecek bir algoritmik planlayıcı geliştirdi. Planlayıcı “Act, Delegate or Learn” (ADL) olarak adlandırılmış ve görev listesini dikkate alarak görevleri atamanın en iyi yolunu belirlemektedir.
“Synergistic Scheduling of Learning and Allocation of Tasks in Human-Robot Teams” adlı çalışma, Philadelphia’da düzenlenen Uluslararası Robotik ve Otomasyon Konferansı’nda sunuldu.
Üç Odaklı Soru
ADL’yi geliştirirken, ekip üç soruya odaklandı:
- Bir robotun görevi ne zaman tamamlaması gerekir?
- Bir görevi ne zaman insana devretmek gerekir?
- Bir robota yeni bir görevi ne zaman öğretmek gerekir?
Shivam Vats, baş araştırmacı ve RI’de doktora öğrencisidir.
“Kararlar ile ilgili maliyetler vardır, örneğin bir insanın görevi tamamlaması veya robota görevi tamamlamayı öğretmesi için gereken zaman ve robotun görevde başarısız olmasının maliyeti,” dedi Vats. “Tüm bu maliyetleri göz önünde bulundurarak, sistem size en optimal iş bölümünü verecektir.”
ADL için Potansiyel Kullanımlar
Bu yeni sistem, paketleri sıralamak için imalat ve montaj tesislerinde veya insan-robot işbirliği ile görevleri gerçekleştirmek için herhangi bir ortamda kullanılabilir. Planlayıcı, insanların ve robotların delikli bir panoya blokları yerleştirmeleri ve Lego bloklarından farklı şekilleri istiflemeleri senaryolarında test edildi.
Görevleri devretme ve iş bölümünü algoritmalar ve yazılımlar yoluyla gerçekleştirmek için kullanılan yaklaşım, bir süredir mevcuttur, ancak yeni sistem, robot öğrenmesini akıl yürütmesine dahil eden ilk sistemdir.
“Robotlar artık statik değil,” dedi Vats. “İyileştirilebilirler ve eğitilebilirler.”
İmalat ortamlarında, genellikle robotik kollara manuel olarak müdahale edilerek bir robota görevi tamamlama öğretme işlemi gerçekleştirilir. Ancak bu, çok zaman alabilir ve büyük bir ön maliyet gerektirebilir. Bu nedenle, bir robota ne zaman öğretileceğini ve aynı görevin ne zaman bir insana devredileceğini belirlemek çok önemlidir. Bu karar, robotun, ilk görevi öğrendikten sonra gerçekleştirebileceği diğer görevleri öngörmesini gerektirir.
Planlayıcı, bu kararı genellikle zamanlama, iletişim ağları tasarımı veya üretim planlama için kullanılan bir optimizasyon programına dönüştürür. Geleneksel modellere kıyasla, yeni planlayıcı tüm örneklerde daha iyi performans gösterdi ve görevleri tamamlama maliyetini %10 ila %15 oranında azalttı.
Araştırma ekibinde Oliver Kroemer, RI’de yardımcı profesör ve Maxim Likhachev, RI’de doçent de yer aldı.












