Computerwëssenschaftler entwéckelen präzis Navigatiounssystem fir Noutraumroboter

En neit entwéckelte Navigatiounssystem fir Roboteren, dee sech méi genee bewisen huet, gouf vun Informatiker vun der University of California San Diego entwéckelt. De System erlaabt Roboteren besser Noutdepartementer a voller klinescher Ëmfeld ze navigéieren. Zesumme mam neie System hunn d'Fuerscher och en Dataset vun Open Source Videoen entwéckelt, déi benotzt kënne fir zukünfteg Roboter Navigatiounssystemer ze trainéieren. 

d' Fuerschung gouf an engem Pabeier presentéiert fir d'International Konferenz iwwer Robotik an Automatioun, déi zu Xi'an, China vum 30. Mee bis de 5. Juni stattfënnt. D'Team gouf vum Professor Laurel Riek a Ph.D Student Angelique Taylor geleet. 

D'Kliniker hu scho laang driwwer geschwat wéi Roboter Dokteren, Infirmièren a Personal an der Noutdepartement hëllefe kënnen, an ee vun de Conclusiounen war datt se dat am Beschten maache kënnen andeems se Versuergung a Material liwweren. Fir dëst ze geschéien, mussen d'Robotere fäeg sinn Situatiounen ze vermeiden, déi beschäftegt Kliniker involvéieren, déi mat Patienten a kriteschen oder eeschten Zoustand sinn. 

Riek hält Rendez-vousen an Informatik an Noutmedizin op UC San Diego. 

"Fir dës Aufgaben auszeféieren, mussen d'Roboter de Kontext vu komplexe Spidolsëmfeld verstoen an d'Leit, déi ronderëm si schaffen", sot de Riek.

Safety Critical Deep Q-Network (SafeDQN) 

D'Navigatiounssystem gebaut vum Taylor a Kollegen gëtt de Safety Critical Deep Q-Network (SafeDQN) genannt. Et gouf ronderëm en Algorithmus gebaut, dee kuckt wéi vill Leit an engem Raum zesummegefaasst sinn a wéi abrupt se sech beweegen. 

Den Algorithmus baséiert dëst op Observatioune vu Kliniker an der Noutdepartement, zum Beispill, wann e ganzt Team Hëllef fir e Patient gëtt deen e verschlechtert Zoustand huet. D'Kliniker beweegen sech an engem Noutfall op eng ganz präzis a séier Manéier ronderëm, sou datt de Navigatiounssystem de Roboter erméiglecht, ronderëm dës Gruppe vu Leit ze beweegen, a vermeide se an de Wee ze kommen.

Taylor ass Deel vum Riek's Healthcare Robotics Lab am UC San Diego Department of Computer Science and Engineering. 

"Eise System gouf entwéckelt fir mat de schlëmmste Fall Szenarien ze këmmeren, déi an der ED geschéie kënnen," sot Taylor

Den Algorithmus gouf duerch Videoen op Youtube trainéiert, déi aus Dokumentarfilmer a Realitéit Shows iwwer Noutsäll kommen. Et gi méi wéi 700 Videoen déi verfügbar sinn fir aner Fuerschungsteams déi Algorithmen a Roboter trainéieren.

Den Algorithmus gouf an engem simuléierten Ëmfeld getest, a wa se géint aner modernste Navigatiounssystemer fir Roboteren gesat ginn, war de SafeDQN System an alle Fäll méi effizient a sécher. 

D'Fuerscher wäerten elo de System op engem kierperleche Roboter an engem realen Ëmfeld testen, a si soen datt et Uwendungen ausserhalb vun der Noutdepartement huet, wéi Sich- a Rettungsmissiounen.