Datamatikere udvikler præcis navigationsystem til robotter på akutafdelinger

Et nyt udviklet navigationsystem til robotter, der har vist sig at være mere præcist, er blevet udviklet af datamatikere på University of California San Diego. Systemet vil kunne hjælpe robotter med at navigere bedre på akutafdelinger og i overfyldte kliniske miljøer. Sammen med det nye system har forskerne også udviklet en samling af open source-videoer, der kan bruges til at træne fremtidige robotnavigationsystemer.

Forskningen blev præsenteret i en artikel til den Internationale Konference om Robotik og Automation, der finder sted i Xi’an, Kina fra den 30. maj til den 5. juni. Holdet blev ledet af professor Laurel Riek og ph.d.-studerende Angelique Taylor.

Klinikere har længe talt om, hvordan robotter kunne hjælpe læger, sygeplejersker og personale på akutafdelingen, og en af konklusionerne var, at de bedst kunne gøre dette ved at levere forsyninger og materialer. For at dette kan ske, må robotterne være i stand til at undgå situationer, der involverer beskæftigede klinikere, der er sammen med patienter i kritisk eller alvorlig tilstand.

Riek har udnævnelser i datamatik og akutmedicin på UC San Diego.

“For at udføre disse opgaver, må robotterne forstå konteksten af komplekse hospitalmiljøer og de mennesker, der arbejder omkring dem,” sagde Riek.

Sikkerhedskritisk Dyb Q-Netværk (SafeDQN)

Navigationsystemet, der er bygget af Taylor og kolleger, kaldes Sikkerhedskritisk Dyb Q-Netværk (SafeDQN). Det er bygget omkring en algoritme, der ser på, hvor mange mennesker der er samlet i et rum, og hvor abruptt de bevæger sig.

Algoritmen baserer sig på observationer af klinikere på akutafdelingen, for eksempel, når et helt hold giver hjælp til en patient, der har en forværret tilstand. Klinikere bevæger sig omkring i en akut situation på en meget præcis og hurtig måde, så navigationsystemet giver robotterne mulighed for at bevæge sig omkring disse grupper af mennesker, mens de undgår at komme i vejen.

Taylor er en del af Rieks Healthcare Robotics Lab på UC San Diego’s afdeling for datamatik og ingeniørvidenskab.

“Vores system er designet til at håndtere de værste scenarier, der kan ske på akutafdelingen,” sagde Taylor

Algoritmen blev trænet med videoer fra Youtube, der stammer fra dokumentarfilm og realityshows om akutafdelinger. Der er over 700 videoer, der er tilgængelige for andre forskningsteams, der søger at træne algoritmer og robotter.

Algoritmen blev testet i en simuleret miljø, og når den blev sammenlignet med andre avancerede navigationsystemer for robotter, var SafeDQN-systemet mere effektivt og sikkert i alle tilfælde.

Forskerne vil nu teste systemet på en fysisk robot i en rigtig verden, og de siger, at det har anvendelser uden for akutafdelingen, såsom eftersøgnings- og redningsmissioner.