Online Scheduling of Operator Assistance for Multi-Robot Teams with Uncertain Robot Capabilities and Environments
Notice bibliographique
Résumé
In this study, we consider the problem of allocating human operator assistance in a system with multiple autonomous robots. Each robot is assigned with an independent mission, each defined as a sequence of tasks. While executing a task, a robot can either operate autonomously or be teleoperated by the human operator to complete the task at a faster rate. We are interested in finding a schedule of teleoperated tasks in order to minimize the system makespan. Makespan is the time elapse from the initial time to the time that all robots finish their missions. Both deterministic and stochastic models of robot task completion times are considered in this study. We first show that the deterministic problem of finding the optimal teleoperation schedule is NP-Hard. We then formulate the problem as a Mixed Integer Linear Program, which can be used to optimally solve small to moderate-sized instances. We also develop an anytime algorithm that makes use of the system structure to provide a fast and high-quality solution of the operator scheduling problem, even for larger instances. Our key insight in this algorithm is to identify blocking tasks in greedily-created schedules and iteratively remove those blocks to improve the quality of the solution. Through numerical simulations, we demonstrate the benefits of the proposed algorithm as an efficient and scalable approach that outperforms other common solution techniques. Expanding research to the stochastic setting, where task duration is random variable to represent uncertainty of robot capabilities and environments, we developed a parameterized replanning policy. This policy selectively chooses to update the schedule based on task observations. The parameter can be used to control the trade- \noff between performance and efficiency. The resulting policy demonstrates good planning competence in both average and worst cases. Results also show significant reduction in resource requirements for replanning, with little to no compromise in performance, when compared to the policy that replans on every task completion.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».