资讯
首页  >  专题  >  环球科学  >  环球科学<前沿资讯>

团队分工太难协调?这种事情可能需要交给AI

团队,分工,协调
图片来源:Pixabay
机器越来越多地出现在工厂车间、仓库以及许多其他工作环境中,而如何协调工人和机器间的任务分配问题则因此变得愈加复杂和重要。在某些场景下,一些工作适合由人工完成,而另一些工作则适合由机器操作。所谓磨刀不误砍柴工,虽然训练机器完成某项任务需要一些时间,但之后也可以收获其所带来的回报。
卡内基梅隆大学机器研究所(RI)的研究人员所研发的名为“行动、授权和学习”(ADL)的算法规划器,可以帮助我们协调分配人工和机器的任务完成比例。该算法规划器可以通过运算生成一份职责清单,来实现对相关任务的最佳分配。研究人员围绕三个问题展开研究:何时应该启动机器完成任务?何时应该将某项任务委托给人工操作?以及何时应该让机器学习某项新任务?
学习,算法,最佳分配
图片来源:Pixabay
研究的首席研究员希瓦姆-瓦茨博士指出:“每项决策背后都会计算相应的成本,如让人工完成或通过训练机器完成某项任务所需的时间,或者机器在某项任务中出现失误的概率。当系统计算完所有的成本后便可以获得最佳的劳动分工方案。”该研究成果不仅可以应用于制造车间、装配厂以及分类包装等领域,还可以在各种需要人机交互合作的工作环境中大显身手。为了测试该算法规划器性能,研究人员设置了一项需要人机合作的任务,即人和机器必须把乐高积木插入钉板,并将形状大小不同的积木零件堆叠起来。
人们过去也通过利用算法和软件对机器实现过任务委托和分工,但该研究却是首次将机器学习纳入体系。瓦茨认为:“这也证明机器不再只是单一地完成任务,而是可以被改进和训练的。
制造业,工人,机器
图片来源:Pixabay
在制造业中,通常是工人通过手动操纵机械臂来引导机器完成某项任务。从长远来看,虽然前期机器训练所需的时间成本很高,但之后机器若能学会某项新技能那么对于未来也将是有益的。其中的部分复杂性还在于,如何判别何时最适合通过训练机器还是通过委托人工来完成任务。这则要求机器在学习新技能后对其还能完成的其他任务提前做出判断。结合这些考量,该算法规划器将问题转化成了一种现成的混合整数程序(即一种常用于调度、生产计划或设计通信网络的优化程序),在所有实际测试中不但把任务完成的成本降低了10%至15%,而且其表现也优于其他传统模型。
翻译:范嘉豪
审校:王昱
引进来源:scitechdaily

本文来自:中国数字科技馆
本文是中国数字科技馆(www.cdstm.cn)原创内容,转载请注明出处和作者,否则我们将依法追究侵权责任。
[责任编辑:环球科学]
分享到:
文章排行榜
©2011-2025 版权所有:中国数字科技馆
未经书面许可任何人不得复制或镜像
京ICP备11000850号-1 京公网安备11010502039775号
信息网络传播视听节目许可证0111611号
国家科技基础条件平台
./t20220722_1071903_taonews.html