內基梅隆大學機器人研究所開發的一種新的算法規劃器在人類和機器人之間進行了最佳的任務分配。隨着機器人越來越多地加入到人們在工廠車間、倉庫和其他地方的工作中，決定誰來做哪些工作的複雜性和重要性也在增加。
人更適合做一些工作，機器人更適合做一些工作。而在某些情況下，現在花時間教機器人做某項任務，以後再收穫回報是有利的。
卡內基梅隆大學機器人研究所（RI）的研究人員已經開發出一種算法計劃器，幫助將任務委託給人類和機器人。這個名為”行動、授權或學習”（ADL）的計劃器考慮了一系列職責，並決定如何最好地分配這些職責。研究人員提出了三個問題。機器人何時應採取行動完成任務？什麼時候應該將一項任務委託給人類？以及什麼時候機器人應該學習一項新任務？
該團隊的工作在製造業和裝配廠中可能很有價值，用於分揀包裹，或在人類和機器人合作完成幾項工作的任何環境中。為了測試該規劃器，研究人員設置了一些場景，人類和機器人必須將積木插入釘板，並將不同形狀和尺寸的樂高積木製成的部件堆疊起來。
使用算法和軟件來決定如何委託和分工並不新鮮，即使機器人是團隊的一部分。然而，這項工作是首批將機器人學習納入其推理的工作之一。通常在製造業中，一個人將手動操縱一個機械臂，教機器人如何完成一項任務。教導機器人需要時間，因此，前期成本很高。但從長遠來看，如果機器人能學會一項新的技能，這可能是有益的。
複雜性的一部分是決定什麼時候教機器人，而不是把任務委託給人類。這需要機器人預測在學習新任務后，它還能完成哪些任務。考慮到這些信息，規劃器將問題轉化為混合整數程序，這種是一種常用於調度、生產計劃或設計通信網絡的優化程序，可由現成的軟件有效解決。規劃器在所有實例中的表現都優於傳統模型，完成任務的成本降低了10%到15%。