计算机科学家开发出准确的急诊室机器人导航系统

加州大学圣地亚哥分校的计算机科学家开发出了一种新的机器人导航系统，已被证明更为准确。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个开源视频数据集，可以用于训练未来的机器人导航系统。

该研究在一篇提交给国际机器人和自动化会议的论文中被介绍，该会议将于5月30日至6月5日在中国西安举行。该团队由劳雷尔·里克教授和安吉丽克·泰勒博士生领导。

临床医生长期以来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做到这一点。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患者的复杂情况。

里克在加州大学圣地亚哥分校担任计算机科学和急诊医学的职务。

“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的人，”里克说。

安全关键深度Q网络（SafeDQN）

泰勒和同事们开发的导航系统称为安全关键深度Q网络（SafeDQN）。它是基于一种算法，观察空间中的人数和他们移动的突然性。

该算法基于对急诊室中临床医生的观察，例如，当整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得非常精确和快速，因此导航系统使机器人能够在这些人群中移动，同时避免妨碍他们。

泰勒是里克的医疗机器人实验室的一员，该实验室位于加州大学圣地亚哥分校计算机科学和工程系。

“我们的系统旨在处理急诊室中可能发生的最坏情况，”泰勒说。

该算法是通过来自YouTube的关于急诊室的纪录片和真人秀视频进行训练的。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时，SafeDQN系统在所有情况下都更高效、更安全。

研究人员现在将在物理机器人上测试该系统，并在现实环境中使用，并且他们说它在急诊室以外的领域也具有应用价值，例如搜索和救援任务。