นักวิทยาศาสตร์คอมพิวเตอร์สร้างระบบนำทางสำหรับหุ่นยนต์ในห้องฉุกเฉิน

นักวิทยาศาสตร์คอมพิวเตอร์จากมหาวิทยาลัยแคลิฟอร์เนียซานดิเอโกได้พัฒนาระบบนำทางสำหรับหุ่นยนต์ที่มีความแม่นยำสูงขึ้น ระบบนี้จะช่วยให้หุ่นยนต์สามารถนำทางในห้องฉุกเฉินและในสภาพแวดล้อมทางคลินิกที่มีการจราจรหนาแน่นได้ดีขึ้น นอกจากนี้นักวิจัยยังพัฒนาเซตข้อมูลวิดีโอแบบโอเพ่นซอร์สที่สามารถใช้ในการฝึกอบรมระบบนำทางหุ่นยนต์ในอนาคต

การวิจัยนี้ได้รับการนำเสนอในงานประชุมระหว่างประเทศเกี่ยวกับหุ่นยนต์และการควบคุมอัตโนมัติ ซึ่งจะจัดขึ้นที่เมืองซีอาน ประเทศจีน ตั้งแต่วันที่ 30 พฤษภาคมถึง 5 มิถุนายน ทีมนักวิจัยนำโดย Профессор Laurel Riek และนักศึกษาระดับ博士 Angelique Taylor

แพทย์และพยาบาลได้พูดถึงเรื่องหุ่นยนต์ที่สามารถช่วยเหลือในห้องฉุกเฉิน และหนึ่งในข้อสรุปคือหุ่นยนต์สามารถช่วยเหลือได้ดีที่สุดโดยการนำส่งอุปกรณ์และวัสดุให้กับแพทย์และพยาบาล สำหรับสิ่งนี้ที่จะเกิดขึ้น หุ่นยนต์จะต้องสามารถหลีกเลี่ยงสถานการณ์ที่มีแพทย์และพยาบาลที่กำลังดูแลผู้ป่วยในสถานการณ์临床ที่รุนแรงหรือวิกฤติ

Riek มีตำแหน่งในคณะคอมพิวเตอร์และการแพทย์ฉุกเฉิน tại UC San Diego

“เพื่อทำงานเหล่านี้ หุ่นยนต์ต้องเข้าใจบริบทของสภาพแวดล้อมทางคลินิกที่ซับซ้อนและบุคคลที่ทำงานรอบๆ หุ่นยนต์” Riek กล่าว

ระบบนำทางที่มีความปลอดภัยสูง (SafeDQN)

ระบบนำทางที่พัฒนาโดย Taylor และเพื่อนร่วมงานมีชื่อว่า Safety Critical Deep Q-Network (SafeDQN) ระบบนี้ถูกสร้างขึ้นโดยใช้อัลกอริทึมที่พิจารณาจากจำนวนคนในพื้นที่และความเร็วในการเคลื่อนไหวของพวกเขา

อัลกอริทึมพิจารณาจากการสังเกตแพทย์และพยาบาลในห้องฉุกเฉิน ตัวอย่างเช่น เมื่อทีมแพทย์ให้การช่วยเหลือผู้ป่วยที่มีสภาพรุนแรง แพทย์และพยาบาลจะเคลื่อนไหวอย่างรวดเร็วและแม่นยำ ระบบนำทางจึงช่วยให้หุ่นยนต์สามารถเคลื่อนไหวรอบๆ กลุ่มคนเหล่านี้โดยไม่ขัดขวางการทำงานของพวกเขา

Taylor เป็นส่วนหนึ่งของ Healthcare Robotics Lab ของ Riek ที่ภาควิชาวิศวกรรมคอมพิวเตอร์และการแพทย์ UC San Diego

“ระบบของเราถูกออกแบบมาเพื่อรับมือกับสถานการณ์ที่เลวร้ายที่สุดที่อาจเกิดขึ้นในห้องฉุกเฉิน” Taylor กล่าว

อัลกอริทึมถูกฝึกอบรมโดยใช้วิดีโอจากยูทูบที่มาจากสารคดีและรายการเรียลลิตี้โชว์เกี่ยวกับห้องฉุกเฉิน มีวิดีโอมากกว่า 700 รายการที่สามารถใช้สำหรับการฝึกอบรมอัลกอริทึมและหุ่นยนต์ของทีมวิจัยอื่นๆ

อัลกอริทึมถูกทดสอบใน môi trườngจำลอง และเมื่อเปรียบเทียบกับระบบนำทางอัตโนมัติอื่นๆ สำหรับหุ่นยนต์ ระบบ SafeDQN มีประสิทธิภาพและความปลอดภัยสูงกว่าใน mọiกรณี

นักวิจัยจะทดสอบระบบนี้บนหุ่นยนต์จริงใน môi trườngจริง และพวกเขากล่าวว่าระบบนี้มีการใช้งานนอกห้องฉุกเฉิน เช่น การค้นหาและช่วยเหลือ