Cientistas da computação desenvolvem sistema de navegação preciso para robôs de emergência

Um sistema de navegação recém-desenvolvido para robôs que provou ser mais preciso foi desenvolvido por cientistas da computação da Universidade da Califórnia em San Diego. O sistema permitirá que os robôs naveguem melhor nos departamentos de emergência e em ambientes clínicos lotados. Juntamente com o novo sistema, os pesquisadores também desenvolveram um conjunto de dados de vídeos de código aberto que podem ser usados ​​para treinar futuros sistemas de navegação robótica. 

A pesquisa foi apresentado em um artigo para a Conferência Internacional sobre Robótica e Automação, que acontecerá em Xi'an, China, de 30 de maio a 5 de junho. A equipe foi liderada pela professora Laurel Riek e pela estudante de doutorado Angelique Taylor. 

Os médicos há muito falam sobre como os robôs podem ajudar médicos, enfermeiros e funcionários do departamento de emergência, e uma das conclusões foi que eles poderiam fazer isso melhor entregando suprimentos e materiais. Para que isso aconteça, os robôs teriam que ser capazes de evitar situações que envolvam médicos ocupados que estejam com pacientes em estado crítico ou grave. 

Riek mantém compromissos em ciência da computação e medicina de emergência na UC San Diego. 

“Para realizar essas tarefas, os robôs devem entender o contexto de ambientes hospitalares complexos e as pessoas que trabalham ao seu redor”, disse Riek.

Rede Q profunda crítica de segurança (SafeDQN) 

O sistema de navegação construído por Taylor e seus colegas é chamado de Safety Critical Deep Q-Network (SafeDQN). Ele foi construído em torno de um algoritmo que analisa quantas pessoas estão amontoadas em um espaço e com que rapidez elas se movem. 

O algoritmo baseia-se nas observações dos médicos no departamento de emergência, por exemplo, quando toda uma equipe presta ajuda a um paciente que está piorando. Os médicos se movimentam em um ambiente de emergência de maneira muito precisa e rápida, de modo que o sistema de navegação permite que os robôs se desloquem entre esses grupos de pessoas, evitando atrapalhar.

Taylor faz parte do Riek's Healthcare Robotics Lab no Departamento de Ciência da Computação e Engenharia da UC San Diego. 

“Nosso sistema foi projetado para lidar com os piores cenários que podem acontecer no pronto-socorro”, disse Taylor

O algoritmo foi treinado por vídeos no Youtube provenientes de documentários e reality shows sobre pronto-socorros. Existem mais de 700 vídeos disponíveis para outras equipes de pesquisa que buscam treinar algoritmos e robôs.

O algoritmo foi testado em ambiente simulado e, quando comparado a outros sistemas de navegação de última geração para robôs, o sistema SafeDQN foi mais eficiente e seguro em todos os casos. 

Os pesquisadores agora testarão o sistema em um robô físico em um ambiente da vida real e dizem que ele tem aplicações fora do departamento de emergência, como missões de busca e resgate.