研究人員開發算法來為人機團隊分配任務

隨著機器人越來越多地加入工廠車間、倉庫和其他地方的工作人員，劃分誰將執行哪些任務變得越來越復雜和重要。人更適合某些任務，機器人更適合其他任務。在某些情況下，花時間教機器人現在完成一項任務并在以后獲得收益是有利的。

卡內基梅隆大學機器人研究所 (RI) 的研究人員開發了一種算法規劃器，可幫助將任務委派給人類和機器人。計劃者“行動、委托或學習”(ADL)考慮任務列表并決定如何最好地分配它們。研究人員提出了三個問題：機器人應該什么時候行動來完成一項任務?什么時候應該將任務委托給人類?機器人什么時候應該學習新任務?

首席研究員 Shivam Vats 說：“做出的決定會產生成本，例如人類完成一項任務或教機器人完成一項任務所花費的時間，以及機器人在一項任務中失敗的成本。”博士學位 RI的學生。“考慮到所有這些成本，我們的系統將為您提供最佳的分工。”

該團隊的工作可用于制造和裝配廠、分揀包裹或人類和機器人協作完成多項任務的任何環境。研究人員在人類和機器人必須將積木插入釘板并堆疊由樂高積木制成的不同形狀和大小的部件的場景中測試了規劃器。

使用算法和軟件來決定如何委派和分工并不是什么新鮮事，即使機器人是團隊的一部分。然而，這項工作是最早將機器人學習納入其推理的工作之一。

“機器人不再是靜止的，”Vats 說。“他們可以被改進，他們可以被教導。”

通常在制造業中，人們會手動操縱機械臂來教機器人如何完成任務。教機器人需要時間，因此前期成本很高。但從長遠來看，如果機器人可以學習一項新技能，這將是有益的。部分復雜性在于決定何時最好教機器人而不是將任務委托給人類。這就要求機器人在學習一個新任務后預測它還能完成哪些其他任務。

給定這些信息，計劃者將問題轉換為混合整數程序——一種通常用于調度、生產計劃或設計通信網絡的優化程序——可以通過現成的軟件有效地解決。計劃器在所有情況下的表現都優于傳統模型，并將完成任務的成本降低了 10% 到 15%。