Man mano che i robot si uniscono sempre più alle persone in fabbrica, nei magazzini e altrove sul lavoro, la suddivisione tra chi farà quali compiti cresce in complessità e importanza. Le persone sono più adatte per alcuni compiti, i robot per altri. E in alcuni casi, è vantaggioso dedicare del tempo a insegnare a un robot a svolgere un’attività ora e a trarne i frutti in seguito.
I ricercatori del Robotics Institute (RI) della Carnegie Mellon University hanno sviluppato un pianificatore algoritmico che aiuta a delegare compiti a esseri umani e robot. Il pianificatore, “Agisci, delega o impara” (ADL), considera un elenco di attività e decide come assegnarle al meglio. I ricercatori hanno posto tre domande: quando dovrebbe agire un robot per completare un compito? Quando dovrebbe essere delegato un compito a un essere umano? E quando un robot dovrebbe imparare un nuovo compito?
“Ci sono costi associati alle decisioni prese, come il tempo impiegato da un essere umano per completare un compito o insegnare a un robot a completare un compito e il costo di un robot che fallisce in un compito”, ha affermato Shivam Vats, ricercatore capo e un dottorato di ricerca studente del RI. “Dati tutti questi costi, il nostro sistema ti darà la divisione ottimale del lavoro.”
Il lavoro del team potrebbe essere utile negli impianti di produzione e assemblaggio, per lo smistamento dei pacchi o in qualsiasi ambiente in cui esseri umani e robot collaborano per completare diverse attività. I ricercatori hanno testato il pianificatore in scenari in cui esseri umani e robot hanno dovuto inserire blocchi in una bacheca e impilare parti di diverse forme e dimensioni fatte di mattoncini Lego.
Usare algoritmi e software per decidere come delegare e dividere il lavoro non è una novità, anche quando i robot fanno parte del team. Tuttavia, questo lavoro è tra i primi a includere l’apprendimento robotico nel suo ragionamento.
“I robot non sono più statici”, ha detto Vats. “Possono essere migliorati e possono essere insegnati.”
Spesso nella produzione, una persona manipola manualmente un braccio robotico per insegnare al robot come completare un’attività. L’insegnamento di un robot richiede tempo e, pertanto, ha un costo iniziale elevato. Ma può essere utile a lungo termine se il robot può apprendere una nuova abilità. Parte della complessità sta nel decidere quando è meglio insegnare a un robot invece di delegare il compito a un essere umano. Ciò richiede al robot di prevedere quali altre attività può completare dopo aver appreso una nuova attività.
Date queste informazioni, il pianificatore converte il problema in un programma intero misto, un programma di ottimizzazione comunemente utilizzato nella pianificazione, nella pianificazione della produzione o nella progettazione di reti di comunicazione, che può essere risolto in modo efficiente da un software standard. Il pianificatore ha ottenuto risultati migliori rispetto ai modelli tradizionali in tutti i casi e ha ridotto il costo del completamento delle attività dal 10% al 15%.
Vats ha presentato il lavoro “Synergistic Scheduling of Learning and Allocation of Tasks in Human-Robot Teams” alla Conferenza internazionale sulla robotica e l’automazione a Filadelfia, dove è stato nominato per l’eccezionale premio di interazione. Il gruppo di ricerca comprendeva Oliver Kroemer, un assistente professore al RI; e Maxim Likhachev, professore associato al RI.
La ricerca è stata finanziata dall’Office of Naval Research e dal Army Research Laboratory.
Fonte storia:
Materiali forniti da Università Carnegie Mellon. Originale scritto da Aaron Aupperlee. Nota: il contenuto può essere modificato per stile e lunghezza.
