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更精确的导航系统，它将使机器人能够更好地协商一般和急诊部门繁忙的临床环境。研究人员还开发了开源视频的数据集，以帮助将来训练机器人导航系统。

该团队由Laurel Riek教授和博士领导。学生Angelique Taylor在5月30日至6月5日在西安举行的国际机器人与自动化会议上的一篇论文中详细介绍了他们的发现。

该项目源于与临床医生长达数年的对话。人们一致认为，机器人将通过提供物资和材料来最好地帮助急诊科的医生，护士和工作人员。但这意味着机器人必须知道如何避免临床医生正忙着照顾处于严重或严重状况的患者的情况。

Riek说：“要执行这些任务，机器人必须了解复杂的医院环境及其周围的人的环境。” Riek既在计算机科学领域又在急诊医学领域任职。

泰勒及其同事围绕一种算法构建了导航系统，即安全关键深度Q网络(SafeDQN)，该算法考虑了空间中有多少人聚集在一起以及这些人移动的速度和突变程度。这是基于对急诊科临床医生行为的观察。当患者的病情恶化时，一个团队立即聚集在他们周围以提供援助。临床医生的动作迅速，机敏且精确。该导航系统指挥机器人走动的人，这些集群群体，顺便在外面。

泰勒说：“我们的系统旨在应对急诊室中可能发生的最坏情况。”泰勒说，他是加州大学圣地亚哥分校计算机科学与工程系Riek的医疗机器人实验室的成员。

小组在YouTube的视频上训练了该算法，这些视频主要来自纪录片和真人秀，例如“创伤：ER中的生命”和“波士顿EMS”。这套700多个视频可供其他研究团队使用，以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新的机器人导航系统进行了比较。在所有情况下，SafeDQN系统都会生成最有效和最安全的路径。

下一步包括在现实环境中的物理机器人上测试系统。Riek及其同事计划与UC San Diego Health研究人员合作，后者负责运营校园的医疗培训和模拟中心。

该算法也可以在急诊室之外使用，例如在搜救任务中。