研究人员开发算法来为人机团队分配任务

随着机器人越来越多地加入工厂车间、仓库和其他地方的工作人员，划分谁将执行哪些任务变得越来越复杂和重要。人更适合某些任务，机器人更适合其他任务。在某些情况下，花时间教机器人现在完成一项任务并在以后获得收益是有利的。

卡内基梅隆大学机器人研究所 (RI) 的研究人员开发了一种算法规划器，可帮助将任务委派给人类和机器人。计划者“行动、委托或学习”(ADL)考虑任务列表并决定如何最好地分配它们。研究人员提出了三个问题：机器人应该什么时候行动来完成一项任务?什么时候应该将任务委托给人类?机器人什么时候应该学习新任务?

首席研究员 Shivam Vats 说：“做出的决定会产生成本，例如人类完成一项任务或教机器人完成一项任务所花费的时间，以及机器人在一项任务中失败的成本。”博士学位 RI的学生。“考虑到所有这些成本，我们的系统将为您提供最佳的分工。”

该团队的工作可用于制造和装配厂、分拣包裹或人类和机器人协作完成多项任务的任何环境。研究人员在人类和机器人必须将积木插入钉板并堆叠由乐高积木制成的不同形状和大小的部件的场景中测试了规划器。

使用算法和软件来决定如何委派和分工并不是什么新鲜事，即使机器人是团队的一部分。然而，这项工作是最早将机器人学习纳入其推理的工作之一。

“机器人不再是静止的，”Vats 说。“他们可以被改进，他们可以被教导。”

通常在制造业中，人们会手动操纵机械臂来教机器人如何完成任务。教机器人需要时间，因此前期成本很高。但从长远来看，如果机器人可以学习一项新技能，这将是有益的。部分复杂性在于决定何时最好教机器人而不是将任务委托给人类。这就要求机器人在学习一个新任务后预测它还能完成哪些其他任务。

给定这些信息，计划者将问题转换为混合整数程序——一种通常用于调度、生产计划或设计通信网络的优化程序——可以通过现成的软件有效地解决。计划器在所有情况下的表现都优于传统模型，并将完成任务的成本降低了 10% 到 15%。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！