Datorforskare utvecklar exakt navigeringssystem för robotar i akutrum

En nyutvecklat navigeringssystem för robotar som har visat sig vara mer exakt har utvecklats av datorforskare vid University of California San Diego. Systemet kommer att möjliggöra för robotar att bättre navigera i akutrum och trångbodda kliniska miljöer. Utöver det nya systemet har forskarna också utvecklat en dataset med öppen källkod-videor som kan användas för att träna framtida robotnavigeringssystem.

Forskningen presenterades i en artikel för den internationella konferensen om robotik och automation, som kommer att äga rum i Xi’an, Kina från den 30 maj till den 5 juni. Teamet leddes av professor Laurel Riek och doktorand Angelique Taylor.

Kliniker har länge talat om hur robotar kunde hjälpa läkare, sjuksköterskor och personal i akutrummet, och en av slutsatserna var att de kunde göra detta genom att leverera förnödenheter och material. För att detta ska kunna ske måste robotarna kunna undvika situationer som involverar upptagna kliniker som arbetar med patienter i kritiskt eller allvarligt tillstånd.

Riek har tjänster inom datavetenskap och akutmedicin vid UC San Diego.

“För att utföra dessa uppgifter måste robotarna förstå sammanhanget i komplexa sjukhusmiljöer och de människor som arbetar runt omkring dem”, sa Riek.

Säkerhetskritisk Deep Q-Network (SafeDQN)

Navigeringssystemet som byggdes av Taylor och kollegor kallas Safety Critical Deep Q-Network (SafeDQN). Det byggdes runt en algoritm som tittar på hur många människor som är trångt samlade i ett utrymme och hur abrupt de rör sig.

Algoritmen baseras på observationer av kliniker i akutrummet, till exempel när en hel team ger hjälp till en patient som har ett försämrat tillstånd. Kliniker rör sig runt i ett akutrum i en mycket exakt och snabb väg, så navigeringssystemet möjliggör för robotarna att röra sig runt dessa grupper av människor samtidigt som de undviker att komma i vägen.

Taylor är en del av Rieks Healthcare Robotics Lab vid UC San Diego Department of Computer Science and Engineering.

“Vårt system var utformat för att hantera de värsta fallscenarierna som kan hända i ED”, sa Taylor

Algoritmen tränades med videor på Youtube som kom från dokumentärer och reality-shower om akutrum. Det finns över 700 videor som är tillgängliga för andra forskarteam som vill träna algoritmer och robotar.

Algoritmen testades i en simulerad miljö, och när den jämfördes med andra state-of-the-art-navigeringssystem för robotar, var SafeDQN-systemet mer effektivt och säkert i alla fall.

Forskarna kommer nu att testa systemet på en fysisk robot i en verklig miljö, och de säger att det har tillämpningar utanför akutrummet, såsom sök- och räddningsuppdrag.