2021-05-13

美国科学家建立了一种新AI识别系统，可以帮助在医院急诊室中实现精准导航

美国加州大学圣地亚哥分校(University of California San Diego)的计算机科学家开发了一种更精确的导航系统，可以让机器人更好地应对普通科和急诊科繁忙的临床环境。研究人员还开发了一个开源视频数据集，以帮助训练未来的机器人导航系统。

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国际机器人和自动化会议上发表了一篇论文，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，机器人将最好地帮助医生、护士和急诊室的工作人员运送物资。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。Riek说:“为了完成这些任务，机器人必须了解复杂的医院环境以及周围的工作人员。”Riek在加州大学圣地亚哥分校(UC San Diego)担任计算机科学和急诊医学的职务。泰勒和他的同事们建立了这个导航系统， the Safety Critical Deep Q-Network（SafeDQN），它围绕着一种算法，考虑在一个空间中聚集了多少人，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。当病人的病情恶化时，一个小组会立即聚集在他们周围提供援助。临床医生的动作迅速、灵敏、精确。导航系统会引导机器人绕过成群的人群，避开挡道的地方。

该团队用YouTube上的视频来训练算法，这些视频大多来自纪录片和真人秀，比如《创伤:急诊室的生活》(Trauma: Life in The ER)和《波士顿EMS》(Boston EMS)。这700多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一个物理机器人上测试该系统。Riek和他的同事们计划与加州大学圣地亚哥分校的医疗保健培训和模拟中心的研究人员合作。这些算法也可以用于急诊部门之外，比如搜索和救援任务。