Компьютерные ученые разработали точную систему навигации для роботов в отделении неотложной помощи

Новая система навигации для роботов, которая оказалась более точной, была разработана компьютерными учеными из Университета Калифорнии в Сан-Диего. Эта система позволит роботам лучше ориентироваться в отделениях неотложной помощи и загруженных клинических условиях. Вместе с новой системой исследователи также разработали набор данных из открытых видеороликов, которые можно использовать для обучения будущих систем навигации роботов.

Исследование было представлено в статье для Международной конференции по робототехнике и автоматизации, которая пройдет в Сиане, Китай, с 30 мая по 5 июня. Команду возглавляли профессор Лорел Рик и аспирантка Анжелик Тейлор.

Клиницисты давно говорят о том, как роботы могут помочь врачам, медсестрам и персоналу в отделении неотложной помощи, и одним из выводов было то, что они могут лучше всего сделать это, доставляя припасы и материалы. Для этого роботы должны быть способны избегать ситуаций, связанных с занятыми клиницистами, которые работают с пациентами в критическом или тяжелом состоянии.

Рик имеет назначения в области компьютерных наук и медицины неотложных состояний в Университете Калифорнии в Сан-Диего.

“Чтобы выполнить эти задачи, роботы должны понимать контекст сложных больничных сред и людей, работающих вокруг них”, – сказала Рик.

Безопасная критическая глубокая нейронная сеть (SafeDQN)

Система навигации, разработанная Тейлор и ее коллегами, называется Безопасная критическая глубокая нейронная сеть (SafeDQN). Она была построена вокруг алгоритма, который учитывает количество людей, собравшихся в пространстве, и то, как быстро они движутся.

Алгоритм основан на наблюдениях за клиницистами в отделении неотложной помощи, например, когда вся команда оказывает помощь пациенту с ухудшающимся состоянием. Клиницисты двигаются в условиях неотложной помощи очень точно и быстро, поэтому система навигации позволяет роботам двигаться вокруг этих групп людей, избегая попадания в их путь.

Тейлор является частью лаборатории робототехники здравоохранения Рик в Университете Калифорнии в Сан-Диего.

“Наша система была разработана для решения худших сценариев, которые могут произойти в отделении неотложной помощи”, – сказала Тейлор

Алгоритм был обучен видеороликами на YouTube, которые были взяты из документальных и реалити-шоу об отделениях неотложной помощи. Существует более 700 видеороликов, доступных для других исследовательских команд, которые хотят обучить алгоритмы и роботов.

Алгоритм был протестирован в симулированной среде, и когда его сравнили с другими системами навигации для роботов, система SafeDQN оказалась более эффективной и безопасной во всех случаях.

Исследователи теперь будут тестировать систему на физическом роботе в реальной среде, и они говорят, что она имеет применения за пределами отделения неотложной помощи, такие как поисково-спасательные миссии.