Computerwetenschappers ontwikkelen nauwkeurig navigatiesysteem voor robots in de spoedafdeling

Een nieuw ontwikkeld navigatiesysteem voor robots dat zich heeft bewezen als meer nauwkeurig, is ontwikkeld door computerwetenschappers aan de Universiteit van Californië in San Diego. Het systeem zal robots in staat stellen beter te navigeren in spoedafdelingen en drukke klinische omgevingen. Naast het nieuwe systeem hebben de onderzoekers ook een dataset van open source-videos ontwikkeld die kunnen worden gebruikt om toekomstige robotnavigatiesystemen te trainen.

Het onderzoek werd gepresenteerd in een paper voor de Internationale Conferentie over Robotica en Automatisering, die plaatsvindt in Xi’an, China van 30 mei tot 5 juni. Het team werd geleid door professor Laurel Riek en promovendus Angelique Taylor.

Klinici hebben lang gesproken over hoe robots artsen, verpleegkundigen en personeel in de spoedafdeling kunnen helpen, en een van de conclusies was dat ze dit het beste kunnen doen door benodigdheden en materialen te leveren. Hiervoor moeten de robots in staat zijn situaties te vermijden waarin drukbezette klinici met patiënten in kritieke of ernstige toestand zijn.

Riek heeft aanstellingen in computerwetenschap en spoedeisende geneeskunde aan de UC San Diego.

“Om deze taken uit te voeren, moeten robots de context van complexe ziekenhuisomgevingen en de mensen die eromheen werken begrijpen,” zei Riek.

Veiligheidskritisch Diep Q-Netwerk (SafeDQN)

Het navigatiesysteem dat door Taylor en collega’s is gebouwd, heet het Veiligheidskritisch Diep Q-Netwerk (SafeDQN). Het is gebouwd rond een algoritme dat kijkt naar hoeveel mensen samen in een ruimte zijn en hoe abrupt ze zich bewegen.

Het algoritme baseert dit op observaties van klinici in de spoedafdeling, bijvoorbeeld wanneer een heel team hulp verleent aan een patiënt met een verslechterende toestand. Klinici bewegen zich in een spoedsetting op een zeer precieze en snelle manier, dus het navigatiesysteem stelt de robots in staat om rond deze groepen mensen te bewegen zonder in de weg te komen.

Taylor maakt deel uit van Riek’s Healthcare Robotics Lab aan de afdeling Computerwetenschap en Techniek van de UC San Diego.

“Ons systeem is ontworpen om met de ergste scenario’s om te gaan die in de ED kunnen gebeuren,” zei Taylor

Het algoritme werd getraind met videos op Youtube die afkomstig zijn van documentaires en realityshows over spoedafdelingen. Er zijn meer dan 700 videos beschikbaar voor andere onderzoeksteams die algoritmes en robots willen trainen.

Het algoritme werd getest in een gesimuleerde omgeving, en toen het werd vergeleken met andere state-of-the-art navigatiesystemen voor robots, was het SafeDQN-systeem in alle gevallen efficiënter en veiliger.

De onderzoekers zullen het systeem nu testen op een fysieke robot in een real-life omgeving, en ze zeggen dat het toepassingen heeft buiten de spoedafdeling, zoals zoek- en reddingsmissies.