A robótica já faz parte da mão de obra empregada em fábricas, depósitos e em outros locais que envolvem trabalhos manuais. Isso não significa, no entanto, que os humanos tornaram-se totalmente obsoletos.
Enquanto que os robôs são eficazes em realizar determinadas tarefas, outras ainda são melhor executadas por humanos. Por esse motivo, a distribuição correta do trabalho entre pessoas e máquinas tem se tornado cada vez mais complexa, mas também extremamente importante.
Com o objetivo de criar uma solução para isso, pesquisadores do Instituto de Robótica da Carnegie Mellon University desenvolveram um planejador algorítmico que auxilia a delegar tarefas a humanos e robôs.
Batizado de “Act, Delegate or Learn” (ADL), o planejador analisa uma lista de tarefas e decide qual a melhor forma de distribuí-las.
Os autores do estudo realizaram três perguntas durante o processo de desenvolvimento da tecnologia: quando um robô deve agir para completar uma tarefa; quando uma tarefa deve ser delegada a humanos; e quando um robô deve aprender a realizar uma nova tarefa.
Custo-benefício
Conforme explicam os pesquisadores, cada decisão acarreta em custos diferentes, incluindo o tempo que um humano leva para concluir uma tarefa ou ensinar um robô a executá-la, por exemplo. Além disso, caso o robô falhe, também haverá custos associados ao erro. Portanto, o sistema leva isso em consideração para distribuir as tarefas da melhor forma possível.
Em relação às aplicações dessa tecnologia, os cientistas afirmam que ela pode ser útil em fábricas e montadoras, na organização de pacotes ou em qualquer outro ambiente em que humanos e robôs possam colaborar uns com os outros para completar tarefas.
Um dos testes realizados pela equipe da Carnegie Mellon University envolveu um cenário em que humanos e robôs precisavam inserir blocos em uma placa, encaixando peças Lego de diferentes tamanhos e formas.
Aprendizagem de robôs
A solução criada pelos pesquisadores de utilizar algoritmos e software para decidir como delegar e distribuir tarefas não é uma estratégia pioneira. Ainda assim, o estudo destaca-se pelo fato de ser um dos primeiros a incluir a aprendizagem de robôs.
De acordo com os autores, os robôs não são algo estático; eles são capazes de aprender e serem aprimorados. Na indústria de manufatura, por exemplo, uma pessoa costuma ser responsável por manipular manualmente um braço robótico para ensiná-lo como completar uma tarefa.
Ensinar robôs é um exercício que leva tempo e, portanto, acarreta em um alto custo inicial. Pensando a longo prazo, no entanto, ensinar uma nova habilidade a uma máquina pode ser benéfico.
O grande desafio é decidir em quais momentos é melhor ensinar um robô ou delegar a tarefa a um humano. A resposta depende de quantas outras tarefas uma máquina seria capaz de realizar após aprender uma nova habilidade.
Ao utilizar o planejador para tomar as decisões, os pesquisadores observaram resultados promissores. Os algoritmos proporcionaram um desempenho melhor que os modelos tradicionais, apresentando uma redução de 10% a 15% nos custos associados à execução das tarefas.
