随着机器人越来越多地加入工人的行列，在工厂、仓库和其他地方工作，因此划分谁将执行哪些任务变得越来越复杂和重要，比如人类更适合哪些任务，机器人又更适合哪些任务。在某些情况下，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：机器人应该什么时候采取行动来完成一项任务？什么时候应该将任务委托给人类？机器人什么时候应该学习新任务？
首席研究员 Shivam Vats 说：“做出的决定会产生成本，例如人类完成一项任务或教机器人完成一项任务所花费的时间，以及机器人在一项任务中失败的成本。考虑到所有这些成本，我们的系统将为您提供最佳的分工。”
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。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。
使用算法和软件来决定如何委派和分工并不是什么新鲜事，即使机器人是团队的一部分。然而，这项工作是最早将机器人学习纳入其推理的工作之一。
Vats说： “机器人不再是静止的，他们可以被改进，他们可以被教导。”
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%。
