Робототехніка та фізичний ШІ

Дослідники створили алгоритмічного планувальника для делегування завдань людям і роботам

Alex McFarland
Додайте Unite.AI до бажаних джерел у Google
Ключові моментиПланувальник ADL знижує витрати на виконання завдань людиною та роботом на 10–15%…
Показати більше
  • Планувальник ADL знижує витрати на виконання завдань людиною та роботом на 10–15% порівняно з традиційними моделями.
  • Система унікальним чином інтегрує навчання робота в рішення щодо делегування завдань у командах людей і роботів.
  • ADL оптимізує, коли навчати робота, а коли делегувати завдання людині-працівнику.

Команда дослідників Інституту робототехніки (RI) Університету Карнегі-Меллона розробила алгоритмічного планувальника, який може допомогти делегувати завдання людям і роботам. Планувальник називається “Діяти, делегувати або вивчати” (ADL), і він розглядає список завдань перед тим, як вирішити, яким чином їх призначити.

Робота під назвою “Синергійне планування навчання та розподілу завдань у командах людини та робота” була представлена на Міжнародній конференції з робототехніки та автоматизації у Філадельфії.

Три зосереджені питання

Під час розробки ADL команда зосередилася на трьох питаннях:

  1. Коли робот повинен виконати завдання?
  2. Коли завдання повинно бути делеговано людині?
  3. Коли робот повинен вивчити нове завдання?

Шівам Ватс є головним дослідником і аспірантом у RI.

“Є витрати, пов’язані з прийнятими рішеннями, такими як час, необхідний людині для виконання завдання, або час, необхідний людині, щоб навчити робота виконувати завдання, та вартість невдалого виконання завдання роботом”, – сказав Ватс. “Ураховуючи всі ці витрати, наша система дасть вам оптимальний розподіл праці.”

Потенційні застосування ADL

Ця нова система може бути використана на виробничих та складальних підприємствах для сортування пакетів, або в будь-якому середовищі, яке включає співробітництво людини та робота для виконання завдань. Планувальник був протестований у сценаріях, за участю людей і роботів, які вставляють блоки у дошку з гніздами та укладають різні форми з цеглинок Lego.

Підхід делегування та розподілу праці через алгоритми та програмне забезпечення існує вже деякий час, але ця нова система є першою, яка включає навчання роботів у своїх міркуваннях.

“Роботи вже не статичні”, – сказав Ватс. “Їх можна покращити та навчити.”

У виробничих середовищах, які включають роботів, працівники зазвичай ручним чином маніпулюють роботизованою рукою, щоб навчити робота виконувати завдання. Однак це може зайняти багато часу та вимагати великих початкових витрат. Через це дуже важливо визначити найкращий час для навчання робота порівняно з делегуванням завдання людині. Це рішення вимагає від робота передбачення інших завдань, які він може виконати після вивчення основного завдання.

Планувальник перетворює це у програму оптимізації, яка зазвичай використовується у плануванні, проектуванні мереж зв’язку або виробничому плануванні. Коли порівнюється з традиційними моделями, новий планувальник перевершив їх у всіх випадках та зменшив витрати, пов’язані з виконанням завдань, на 10% до 15%.

Дослідницька команда також включала Олівера Кроемера, який є асистентом професора у RI, та Максима Ліхачова, який є асоційованим професором у RI.

Alex McFarland

Alex очолює новинний підрозділ Unite.AI, що працює на базі ШІ, поєднуючи журналістику, дослідження та автоматизацію для підтримки своєчасного та масштабованого висвітлення штучного інтелекту. Його робота допомагає забезпечити ефективне виявлення нових розробок ШІ, зберігаючи редакційні стандарти видання.