Tietokoneen tutkijat kehittivät tarkin navigaatiojärjestelmän hätähuoneen roboteille

Kalifornian yliopiston San Diegon tietokoneen tutkijat ovat kehittäneet uuden navigaatiojärjestelmän roboteille, joka on osoittautunut tarkin. Järjestelmä mahdollistaa robotien paremman navigoinnin hätäosastoissa ja ruuhkaisissa kliinisissä ympäristöissä. Tutkijat kehittivät myös avoimen lähdekoodin videoiden tietokannan, jota voidaan käyttää tulevien robottien navigaatiojärjestelmien koulutukseen.

Tutkimus esiteltiin paperissa Kansainvälisessä robottiikan ja automaation konferenssissa, joka järjestetään Xi’anissa, Kiinassa 30. toukokuuta – 5. kesäkuuta. Tutkimusryhmää johti professori Laurel Riek ja tohtorikoulutettava Angelique Taylor.

Kliinikot ovat pitkään keskustelleet siitä, miten robotit voivat auttaa lääkäreitä, hoitajia ja henkilökuntaa hätäosastolla, ja yksi johtopäätöksistä oli, että he voivat parhaiten toimia toimittamalla tarvikkeita ja materiaaleja. Tämä edellyttää, että robotit kykenevät välttämään tilanteita, joissa kiireiset klinikkatyöntekijät ovat potilaiden kanssa kriittisissä tai vakavissa tilanteissa.

Riek on nimitetty tietokoneen tutkimuksen ja hätä lääketieteen osastolle UC San Diegossa.

“Näiden tehtävien suorittamiseksi robotit on ymmärrettävä sairaalaympäristön konteksti ja siellä työskentelevät ihmiset”, sanoi Riek.

Turva- kriittinen syvä Q-verkko (SafeDQN)

Taylorin ja kollegoiden kehittämä navigaatiojärjestelmä on nimeltään Turva-kriittinen syvä Q-verkko (SafeDQN). Se perustuu algoritmiin, joka tarkkailee, kuinka monta ihmistä on tiiviissä tilassa ja kuinka nopeasti he liikkuvat.

Algoritmi perustuu havaintoihin kliinikoista hätäosastolla, esimerkiksi kun koko tiimi antaa apua potilaalle, jolla on paheneva tila. Kliinikot liikkuvat hätätilanteissa hyvin tarkasti ja nopeasti, joten navigaatiojärjestelmä mahdollistaa robotien liikkumisen näiden ihmisten ryhmissä estämättä.

Taylor on osa Riekin terveydenhuollon robottiikan laboratoriota UC San Diegon tietokoneen osastolla.

“Järjestelmämme on suunniteltu käsittelemään huonointa mahdollista skenaariota, joka voi tapahtua hätäosastolla”, sanoi Taylor

Algoritmi on koulutettu Youtube-videoiden avulla, jotka ovat peräisin dokumenteista ja todellisuustelevisio-ohjelmista hätäosastoista. Yli 700 videota on saatavilla muiden tutkimusryhmien käyttöön robottien navigaatiojärjestelmien koulutukseen.

Algoritmi on testattu simuloitussa ympäristössä, ja kun se asetettiin vertailuun muihin robottien navigaatiojärjestelmiin, SafeDQN-järjestelmä osoittautui tehokkaammaksi ja turvallisemmaksi kaikissa tapauksissa.

Tutkijat testaavat nyt järjestelmää fyysisellä robotilla todellisessa ympäristössä, ja he sanovat, että sillä on sovelluksia hätäosaston ulkopuolella, kuten etsintä- ja pelastustehtävissä.