Araştırmacılar İnsanlara ve Robotlara Görevleri Devretmek için Algoritmik Bir Planlayıcı Geliştirdiler

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 atanmanın 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:

1. Bir robota görevi ne zaman tamamlaması gerekir?
2. Bir görevi ne zaman insana devretmek gerekir?
3. Bir robota yeni bir görevi ne zaman öğretmek gerekir?

Shivam Vats, lead araştırmacı ve RI’de doktora öğrencisidir.

“Kararlar ile ilgili maliyetler vardır, örneğin bir görevi tamamlamak için bir insana veya bir robota öğretmek için gereken zaman ve bir robota görevi tamamlama 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 bir peg board’a blokları yerleştirmeleri ve Lego bloklarından farklı şekilleri istiflemeleri senaryolarında test edildi.

Görevleri devretme ve iş bölümünü algoritmalar ve yazılımlar yoluyla gerçekleştirmek için kullanılan yaklaşım, already bazı zaman önce ortaya çıkmıştı, ancak yeni sistem, robot öğrenmesini nedenlerine dahil etmesi açısından ilk kez gerçekleştirildi.

“Robotlar artık statik değil,” dedi Vats. “İyileştirilebilirler ve öğretilabilirler.”

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 öğretmek yerine aynı görevi insana devretmek için en iyi zamanı belirlemek çok önemlidir. Bu karar, robota, öğrendikten sonra gerçekleştirebileceği diğer görevleri öngörme yeteneği 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 asociate profesör de yer aldı.