内基梅隆大学机器人研究所开发的一种新的算法规划器在人类和机器人之间进行了最佳的任务分配。随着机器人越来越多地加入到人们在工厂车间、仓库和其他地方的工作中，决定谁来做哪些工作的复杂性和重要性也在增加。
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%。