24/03/2022 - À medida que os robôs juntam cada vez mais pessoas no chão de fábrica, nos armazéns e em outros lugares no trabalho, a divisão de quem fará quais tarefas cresce em complexidade e importância. Pessoas são mais adequadas para algumas tarefas, robôs para outras. E, em alguns casos, é vantajoso gastar tempo ensinando um robô a fazer uma tarefa agora e colher os benefícios mais tarde.
Pesquisadores do Instituto de Robótica (RI) da Universidade Carnegie Mellon desenvolveram um planejador algorítmico que ajuda a delegar tarefas a humanos e robôs. O planejador, "Agir, Delegar ou Aprender" (ADL), considera uma lista de tarefas e decide a melhor forma de atribuí-las. Os pesquisadores fizeram três perguntas: Quando um robô deve agir para completar uma tarefa? Quando uma tarefa deve ser delegada a um humano? E quando um robô deve aprender uma nova tarefa?
"Existem custos associados às decisões tomadas, como o tempo que um humano leva para concluir uma tarefa ou ensinar um robô a concluir uma tarefa e o custo de um robô falhar em uma tarefa", disse Shivam Vats, pesquisador-chefe e um Ph.D. aluno do RI. "Dados todos esses custos, nosso sistema lhe dará a divisão ideal do trabalho."
O trabalho da equipe pode ser útil em fábricas e fábricas de montagem, para classificação de pacotes ou em qualquer ambiente onde humanos e robôs colaborem para concluir várias tarefas. Os pesquisadores testaram o planejador em cenários em que humanos e robôs tiveram que inserir blocos em uma placa de pinos e empilhar peças de diferentes formas e tamanhos feitas de peças de Lego.
Usar algoritmos e software para decidir como delegar e dividir o trabalho não é novidade, mesmo quando os robôs fazem parte da equipe. No entanto, este trabalho está entre os primeiros a incluir o aprendizado de robôs em seu raciocínio.
"Os robôs não são mais estáticos", disse Vats. "Eles podem ser melhorados e podem ser ensinados."
Leia também - Em apenas 5 anos, energia solar deve ser mais barata do que combustíveis fósseis
Muitas vezes, na fabricação, uma pessoa manipula manualmente um braço robótico para ensinar ao robô como concluir uma tarefa. Ensinar um robô leva tempo e, portanto, tem um alto custo inicial. Mas pode ser benéfico a longo prazo se o robô puder aprender uma nova habilidade. Parte da complexidade é decidir quando é melhor ensinar um robô em vez de delegar a tarefa a um humano. Isso exige que o robô preveja quais outras tarefas ele pode concluir depois de aprender uma nova tarefa.
Dada essa informação, o planejador converte o problema em um programa inteiro misto – um programa de otimização comumente usado em programação, planejamento de produção ou projeto de redes de comunicação – que pode ser resolvido com eficiência por software de prateleira. O planejador teve um desempenho melhor do que os modelos tradicionais em todas as instâncias e reduziu o custo de conclusão das tarefas em 10% a 15%.
A Vats apresentou o trabalho "Synergistic Scheduling of Learning and Allocation of Tasks in Human-Robot Teams" na Conferência Internacional de Robótica e Automação na Filadélfia, onde foi indicado para o prêmio de excelente papel de interação. A equipe de pesquisa incluiu Oliver Kroemer, professor assistente do RI; e Maxim Likhachev, professor associado do RI.
A pesquisa foi financiada pelo Escritório de Pesquisa Naval e pelo Laboratório de Pesquisa do Exército.
Fonte: https://www.sciencedaily.com/