Ilmuwan Komputer Mengembangkan Sistem Navigasi Akurat untuk Robot di Ruang Gawat Darurat

Sebuah sistem navigasi baru untuk robot yang terbukti lebih akurat telah dikembangkan oleh ilmuwan komputer di University of California San Diego. Sistem ini akan memungkinkan robot untuk lebih baik dalam menavigasi departemen gawat darurat dan lingkungan klinis yang padat. Bersama dengan sistem baru, peneliti juga mengembangkan dataset video sumber terbuka yang dapat digunakan untuk melatih sistem navigasi robot di masa depan.

Penelitian ini dipresentasikan dalam sebuah makalah untuk Konferensi Internasional tentang Robotika dan Otomasi, yang akan diadakan di Xi’an, Cina dari 30 Mei hingga 5 Juni. Tim ini dipimpin oleh Profesor Laurel Riek dan mahasiswa doktor Angelique Taylor.

Klinisi telah lama membicarakan tentang bagaimana robot dapat membantu dokter, perawat, dan staf di departemen gawat darurat, dan salah satu kesimpulan adalah bahwa mereka dapat melakukan ini dengan mengirimkan pasokan dan bahan. Untuk ini terjadi, robot harus mampu menghindari situasi yang melibatkan klinisi sibuk yang sedang merawat pasien dalam kondisi kritis atau serius.

Riek memiliki penunjukan di ilmu komputer dan kedokteran gawat darurat di UC San Diego.

“Untuk melakukan tugas-tugas ini, robot harus memahami konteks lingkungan rumah sakit yang kompleks dan orang-orang yang bekerja di sekitarnya,” kata Riek.

Safety Critical Deep Q-Network (SafeDQN)

Sistem navigasi yang dibangun oleh Taylor dan rekan-rekannya disebut Safety Critical Deep Q-Network (SafeDQN). Ini dibangun di sekitar algoritma yang melihat berapa banyak orang yang berkumpul di sebuah ruang dan seberapa tiba-tiba mereka bergerak.

Algoritma ini didasarkan pada pengamatan klinisi di departemen gawat darurat, misalnya, ketika sebuah tim memberikan bantuan kepada pasien yang memiliki kondisi yang memburuk. Klinisi bergerak di lingkungan gawat darurat dengan sangat presisi dan cepat, sehingga sistem navigasi memungkinkan robot untuk bergerak di sekitar kelompok orang-orang ini sambil menghindari mengganggu.

Taylor adalah bagian dari Laboratorium Robotika Kesehatan Riek di Departemen Ilmu Komputer dan Teknik UC San Diego.

“Sistem kami dirancang untuk menangani skenario terburuk yang dapat terjadi di ED,” kata Taylor

Algoritma ini dilatih oleh video di Youtube yang berasal dari dokumenter dan acara realitas tentang ruang gawat darurat. Terdapat lebih dari 700 video yang tersedia untuk tim peneliti lain yang ingin melatih algoritma dan robot.

Algoritma ini diuji dalam lingkungan simulasi, dan ketika diuji melawan sistem navigasi robot lainnya, sistem SafeDQN lebih efisien dan aman dalam semua kasus.

Peneliti sekarang akan menguji sistem ini pada robot fisik di lingkungan nyata, dan mereka mengatakan bahwa sistem ini memiliki aplikasi di luar departemen gawat darurat, seperti misi pencarian dan penyelamatan.