研究人员创建算法规划器以委派任务给人类和机器人

卡内基梅隆大学机器人研究所（RI）的研究团队开发了一种算法规划器，可以帮助委派任务给人类和机器人。该规划器称为“执行、委派或学习”（ADL），它会考虑一份任务清单，然后决定如何分配任务。

这项工作的标题是“人机团队中学习和任务分配的协同调度”，在费城的国际机器人和自动化会议上发表。

三个集中问题

在开发ADL时，团队集中讨论了三个问题：

1. 什么时候应该由机器人完成任务？
2. 什么时候应该将任务委派给人类？
3. 什么时候应该让机器人学习新任务？

Shivam Vats是首席研究人员和RI的博士生。

“这些决策都有相关的成本，例如人类完成任务的时间、教机器人完成任务的时间和机器人失败的成本，”Vats说。“考虑到所有这些成本，我们的系统将为您提供最优的劳动分配。”

ADL的潜在用途

该新系统可以在制造和装配工厂中用于分类包裹，或在任何涉及人机协作的环境中执行任务。该规划器在涉及人类和机器人将块插入peg板和堆叠不同形状的乐高积木的场景中进行了测试。

通过算法和软件委派和分配劳动的方法已经存在了一段时间，但是这个新系统是首次在其推理中包含机器人学习。

“机器人不再是静态的，”Vats说。“它们可以被改进和被教导。”

在涉及机器人的制造环境中，工人通常手动操作机器人臂来教机器人如何完成任务。然而，这可能需要大量时间和前期成本。因此，确定何时教机器人和何时将相同的任务委派给人类至关重要。这个决定需要机器人预测它可以在学习原任务后完成的其他任务。

该规划器将其转换为一个通常用于调度、设计通信网络或生产规划的优化程序。与传统模型相比，新规划器在所有实例中都优于它们，并将完成任务相关的成本降低了10％至15％。

研究团队还包括Oliver Kroemer，他是RI的助理教授，和Maxim Likhachev，他是RI的副教授。