该系统帮助机器人更好地导航急诊室

文章内容

加州大学圣地亚哥分校的计算机科学家开发了一种更精确的导航系统，使机器人能够更好地适应繁忙的临床环境，更具体地适应急诊科。研究人员还开发了一个开源视频数据集，以帮助未来训练机器人导航系统。

由Laurel Riek教授和博士生Angelique Taylor领导的团队在5月30日至6月5日在中国西安举行的机器人与自动化国际会议上详细介绍了他们的发现。

该项目源于多年来与临床医生的对话。大家一致认为，机器人最能帮助急诊科的医生、护士和工作人员运送物资和材料。但这意味着机器人必须知道如何避免临床医生忙于照顾危重病人的情况。

“为了完成这些任务，机器人必须了解复杂的医院环境和周围工作的人，”里克说，他在加州大学圣地亚哥分校担任计算机科学和急诊医学的双重职位。

泰勒和同事们围绕一种算法构建了导航系统，安全关键深度q网络(SafeDQN)，该算法考虑了有多少人聚集在一个空间里，以及这些人移动的速度和突然程度。这是基于对急诊科临床医生行为的观察。当病人病情恶化时，一个小组立即聚集在他们周围提供援助。临床医生的动作迅速、警觉、准确。导航系统引导机器人绕过这些聚集在一起的人群，不碍事。

泰勒是加州大学圣地亚哥分校计算机科学与工程系Riek医疗机器人实验室的一员，他说:“我们的系统旨在应对急诊科可能发生的最坏情况。”

该团队在YouTube上的视频中训练算法，这些视频主要来自纪录片和真人秀，比如《Trauma: Life in The ER》和《Boston EMS》。这组超过700个视频可供其他研究团队训练其他算法和机器人。

研究人员在模拟环境中测试了他们的算法，并将其性能与其他最先进的机器人导航系统进行了比较。SafeDQN系统在所有情况下都生成了最有效和最安全的路径。

接下来的步骤包括在现实环境中在物理机器人上测试该系统。Riek和他的同事计划与加州大学圣地亚哥分校的健康研究人员合作，他们运营校园的健康培训和模拟中心。

这些算法也可以在急诊部门之外使用，例如在搜索和救援任务中。

博士生Sachiko Matsumoto和本科生Wesley Xiao也对这篇论文做出了贡献。

急诊科移动机器人的社会导航

Angelique M. Taylor, Sachiko Mastumoto, Wesley Xiao和Laurel Riek，加州大学圣地亚哥分校
http://cseweb.ucsd.edu/~lriek/papers/taylor-icra-2021.pdf