Este sistema ayuda a los robots a navegar mejor por las salas de emergencia

Los informáticos de la Universidad de California en San Diego han desarrollado un sistema de navegación más preciso que permitirá a los robots negociar mejor los entornos clínicos ocupados en general y los departamentos de emergencia más específicamente. Los investigadores también desarrollaron un conjunto de datos de video de código abierto para ayudar a entrenar sistemas de navegación robóticos en el futuro.

El equipo, dirigido por la profesora Laurel Riek y la estudiante de doctorado Angelique Taylor, detalla los hallazgos en un documento para la Conferencia Internacional sobre Robótica y Automatización que se llevará a cabo del 30 de mayo al 5 de junio en Xi’an, China.

El proyecto surgió de conversaciones con médicos a lo largo de varios años. La creencia común era que los robots ayudarían mejor a los médicos, enfermeras y personal de la sala de emergencias al proporcionar suministros y materiales. Pero eso significa que los robots deben saber cómo evitar situaciones en las que los médicos estén ocupados cuidando a un paciente grave o crítico.

«Para realizar estas tareas, los robots necesitan comprender el contexto de entornos hospitalarios complejos y las personas que trabajan a su alrededor», dijo Riek, quien tiene citas en ciencias de la computación y medicina de emergencia en UC San Diego.

Taylor y sus colegas construyeron el sistema de navegación, Safety Critical Deep Q-Network (SafeDQN), en torno a un algoritmo que tiene en cuenta cuántas personas están agrupadas en un espacio y qué tan rápido y abruptamente se mueven estas personas. Esto se basa en observaciones del comportamiento de los médicos en la sala de emergencias. Cuando la condición de un paciente empeora, un equipo se reúne inmediatamente a su alrededor para brindarle ayuda. Los movimientos de los médicos son rápidos, atentos y precisos. El sistema de navegación indica a los robots que se muevan alrededor de estos grupos agrupados de personas, manteniéndose fuera del camino.

«Nuestro sistema fue diseñado para abordar los peores escenarios que pueden ocurrir en la disfunción eréctil», dijo Taylor, quien es parte del Laboratorio de Robótica de Salud de Riek en el Departamento de Computación e Ingeniería de UC San Diego.

El equipo entrenó el algoritmo en videos de YouTube, principalmente de documentales y reality shows, como «Trauma: Life in the ER» y «Boston EMS». El conjunto de más de 700 videos está disponible para que otros equipos de investigación capaciten a otros algoritmos y robots.

Los investigadores probaron su algoritmo en un entorno de simulación y compararon su rendimiento con otros sistemas de navegación robótica de última generación. El sistema SafeDQN generó las rutas más eficientes y seguras en todos los casos.

Los siguientes pasos incluyen probar el sistema en un robot físico en un entorno realista. Riek y sus colegas planean asociarse con los investigadores de UC San Diego Health que dirigen el centro de capacitación y simulación de salud del campus.

Los algoritmos también podrían usarse fuera de la sala de emergencias, por ejemplo, durante misiones de búsqueda y rescate. La estudiante de doctorado Sachiko Matsumoto y el estudiante universitario Wesley Xiao también contribuyeron al documento. Navegación social para robots móviles en el servicio de urgencias

Angelique M. Taylor, Sachiko Mastumoto, Wesley Xiao y Laurel Riek, Universidad de California San Diego. http://cseweb.ucsd.edu/~lriek/papers/taylor-icra-2021.pdf