计算机科学家开发了针对急诊室机器人的准确导航系统

加利福尼亚大学圣地亚哥分校的计算机科学家开发了一种针对机器人的新型导航系统，证明其更为准确。该系统将使机器人能够更好地在急诊室和拥挤的临床环境中导航。除了新系统外，研究人员还开发了一组开源视频的数据集，可以用于训练未来的机器人导航系统。

该研究在国际机器人和自动化会议上发表，该会议将于5月30日至6月5日在中国西安举行。该团队由Laurel Riek教授和Angelique Taylor博士生领导。

临床医生一直在讨论机器人如何帮助急诊室的医生、护士和工作人员，并且其中一个结论是，他们可以通过交付物资和材料来提供帮助。为了实现这一点，机器人必须能够避免涉及忙碌的临床医生和与患者在一起的情况。

Riek在UC San Diego的计算机科学和急诊医学领域担任职务。

“为了执行这些任务，机器人必须了解复杂的医院环境和周围工作人员的背景，”Riek说。

安全关键深度Q网络（SafeDQN）

Taylor和同事们开发的导航系统称为安全关键深度Q网络（SafeDQN）。它是基于一个算法，观察空间中人群的密度和移动速度。

该算法基于对急诊室中临床医生的观察，例如，当一个团队为一名病情恶化的患者提供帮助时。临床医生在急诊环境中移动迅速和精确，因此导航系统使机器人能够在避免干扰的情况下绕过这些人群。

Taylor是Riek的医疗机器人实验室的一员，位于UC San Diego计算机科学和工程系。

“我们的系统是为应对急诊室中可能发生的最坏情况而设计的，”Taylor说。

该算法是通过来自急诊室纪录片和真人秀的YouTube视频训练的。有超过700个视频可供其他研究团队用于训练算法和机器人。

该算法在模拟环境中进行了测试，当与其他最先进的机器人导航系统相比，SafeDQN系统在所有情况下都更高效和安全。

研究人员现在将在真实环境中的物理机器人上测试该系统，并表示它在急诊室以外的领域（如搜索和救援任务）也有应用。