Cientistas da Computação Desenvolvem Sistema de Navegação Preciso para Robôs de Sala de Emergência

Um novo sistema de navegação 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 em departamentos de emergência e ambientes clínicos movimentados. Além do 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 apresentada em um artigo para a Conferência Internacional de Robótica e Automação, que ocorrerá em Xi’an, China, de 30 de maio a 5 de junho. A equipe foi liderada pelo Professor Laurel Riek e pelo estudante de doutorado Angelique Taylor.

Clínicos há muito tempo falam sobre como os robôs podem ajudar médicos, enfermeiros e funcionários no departamento de emergência, e uma das conclusões foi que eles podem fazer isso melhor entregando suprimentos e materiais. Para que isso aconteça, os robôs precisam ser capazes de evitar situações que envolvam clínicos movimentados que estão com pacientes em condição crítica ou grave.

Riek tem nomeações 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 redor deles”, disse Riek.

Rede Neural Profunda de Segurança Crítica (SafeDQN)

O sistema de navegação construído por Taylor e colegas é chamado de Rede Neural Profunda de Segurança Crítica (SafeDQN). Ele foi construído em torno de um algoritmo que olha para quantas pessoas estão reunidas em um espaço e como elas se movem abruptamente.

O algoritmo baseia-se em observações de clínicos no departamento de emergência, por exemplo, quando uma equipe inteira fornece ajuda a um paciente que tem uma condição piorando. Clínicos se movem em um ambiente de emergência de uma maneira muito precisa e rápida, então o sistema de navegação permite que os robôs se movam ao redor desses grupos de pessoas enquanto evitam se intrometer.

Taylor faz parte do Laboratório de Robótica de Saúde de Riek no Departamento de Ciência e Engenharia da Computação da UC San Diego.

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

O algoritmo foi treinado por vídeos no Youtube que vieram de documentários e programas de reality shows sobre salas de emergência. Existem mais de 700 vídeos disponíveis para outras equipes de pesquisa que buscam treinar algoritmos e robôs.

O algoritmo foi testado em um ambiente simulado, e quando comparado a outros sistemas de navegação de robôs de última geração, 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 real, e eles dizem que ele tem aplicações fora do departamento de emergência, como missões de busca e resgate.