卡内基梅隆大学开发新算法为人类和机器人团队优化分工任务

人更适合做一些工作，机器人更适合做一些工作。而在某些情况下，现在花时间教机器人做某项任务，以后再收获回报是有利的。

卡内基梅隆大学机器人研究所（RI）的研究人员已经开发出一种算法计划器，帮助将任务委托给人类和机器人。这个名为"行动、授权或学习"（ADL）的计划器考虑了一系列职责，并决定如何最好地分配这些职责。研究人员提出了三个问题。机器人何时应采取行动完成任务？什么时候应该将一项任务委托给人类？以及什么时候机器人应该学习一项新任务？

该团队的工作在制造业和装配厂中可能很有价值，用于分拣包裹，或在人类和机器人合作完成几项工作的任何环境中。为了测试该规划器，研究人员设置了一些场景，人类和机器人必须将积木插入钉板，并将不同形状和尺寸的乐高积木制成的部件堆叠起来。

使用算法和软件来决定如何委托和分工并不新鲜，即使机器人是团队的一部分。然而，这项工作是首批将机器人学习纳入其推理的工作之一。通常在制造业中，一个人将手动操纵一个机械臂，教机器人如何完成一项任务。教导机器人需要时间，因此，前期成本很高。但从长远来看，如果机器人能学会一项新的技能，这可能是有益的。

复杂性的一部分是决定什么时候教机器人，而不是把任务委托给人类。这需要机器人预测在学习新任务后，它还能完成哪些任务。考虑到这些信息，规划器将问题转化为混合整数程序，这种是一种常用于调度、生产计划或设计通信网络的优化程序，可由现成的软件有效解决。规划器在所有实例中的表现都优于传统模型，完成任务的成本降低了10%到15%。