随着机器人越来越多地与人们一起在工厂、仓库和其他地方工作，划分谁将完成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做一项任务并在以后获得好处是有利的。googletag。命令。push（function（）{googletag.display（'div-gpt-ad-1453799284784-2'）；}）；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，可以帮助将任务分配给人类和机器人。“行动、授权或学习”（ADL）计划员考虑任务列表，并决定如何最好地分配任务。研究人员提出了三个问题：机器人应该在什么时候完成任务？何时应将任务委派给人员？机器人什么时候应该学习新任务？
国际扶轮首席研究员、博士生希瓦姆·瓦茨（ShivamVats）表示：“做出的决定会带来成本，例如人类完成任务或教机器人完成任务所需的时间，以及机器人在任务中失败的成本。”。“考虑到所有这些成本，我们的系统将为您提供最佳的分工。”
该团队的工作在制造和装配厂、包装分拣或任何人类和机器人协作完成多项任务的环境中都很有用。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零件的场景中测试了该计划器。
即使机器人是团队的一部分，使用算法和软件来决定如何委派和分配劳动力也不是什么新鲜事。然而，这项工作是第一次将机器人学习纳入其推理中。
“机器人不再是静止的，”瓦茨说。“他们可以改进，也可以教授。”
通常在制造业中，一个人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，如果机器人能够学习一项新技能，这将是有益的。复杂性的一部分在于决定什么时候最好教机器人，而不是把任务委托给人。这就要求机器人在学习新任务后预测它还能完成哪些其他任务。
根据这些信息，规划人员将问题转化为一个混合整数程序鈥攁n通常用于调度、生产计划或设计通信网络的优化程序鈥攖hat可以通过现成的软件有效地解决。计划者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%至15%。
这项研究发表在arXiv上。进一步探索