Científicos informáticos de la Universidad de California en San Diego desarrollaron un nuevo sistema de navegación para robots que ha demostrado ser más preciso. El sistema permitirá que los robots naveguen mejor por los departamentos de emergencia y los entornos clínicos abarrotados. Junto con el nuevo sistema, los investigadores también desarrollaron un conjunto de datos de videos de código abierto que se pueden usar para entrenar futuros sistemas de navegación robótica.
Él investigar fue presentado en un documento para la Conferencia Internacional sobre Robótica y Automatización, que tendrá lugar en Xi’an, China, del 30 de mayo al 5 de junio. El equipo estuvo dirigido por la profesora Laurel Riek y la estudiante de doctorado Angelique Taylor.
Los médicos han hablado durante mucho tiempo sobre cómo los robots podrían ayudar a los médicos, las enfermeras y el personal del departamento de emergencias, y una de las conclusiones fue que la mejor forma de hacerlo es mediante la entrega de suministros y materiales. Para que esto suceda, los robots tendrían que ser capaces de evitar situaciones que involucren a médicos ocupados que estén con pacientes en estado crítico o grave.
Riek tiene citas en informática y medicina de emergencia en UC San Diego.
“Para realizar estas tareas, los robots deben comprender el contexto de los entornos hospitalarios complejos y las personas que trabajan a su alrededor”, dijo Riek.
Seguridad crítica Deep Q-Network (SafeDQN)
El sistema de navegación construido por Taylor y sus colegas se llama Safety Critical Deep Q-Network (SafeDQN). Se construyó en torno a un algoritmo que analiza cuántas personas se amontonan en un espacio y qué tan abruptamente se mueven.
El algoritmo se basa en las observaciones de los médicos en el departamento de emergencias, por ejemplo, cuando un equipo completo brinda ayuda a un paciente que tiene una condición que empeora. Los médicos se mueven en un entorno de emergencia de una manera muy precisa y rápida, por lo que el sistema de navegación permite a los robots moverse entre estos grupos de personas sin entorpecer su camino.
Taylor es parte del Laboratorio de robótica para el cuidado de la salud de Riek en el Departamento de informática e ingeniería de UC San Diego.
“Nuestro sistema fue diseñado para lidiar con los peores escenarios que pueden ocurrir en el servicio de urgencias”, dijo Taylor.
El algoritmo fue entrenado por videos en Youtube que provenían de documentales y reality shows sobre salas de emergencia. Hay más de 700 videos que están disponibles para otros equipos de investigación que buscan entrenar algoritmos y robots.
El algoritmo se probó en un entorno simulado y, al compararlo con otros sistemas de navegación para robots de última generación, el sistema SafeDQN fue más eficiente y seguro en todos los casos.
Los investigadores ahora probarán el sistema en un robot físico en un entorno de la vida real y dicen que tiene aplicaciones fuera del departamento de emergencias, como misiones de búsqueda y rescate.