欢迎光临医疗机器人网站,提供需求定制服务

医疗机器人

我们是一家国内领先的提供工程服务产品公司

人工智能与战争流行(16)医疗配送机器人

作者:八月      发布时间:2021-04-23      浏览量:0
前面我们介绍了人工智能的历史和基本应用。

前面我们介绍了人工智能的历史和基本应用。从本章开始,我们将重点讨论人工智能如何帮助战斗、战争和灾后经济重建。

新型冠状病毒比SARS具有更强的传染性,在找到特异性药物和疫苗之前,分离是最有效的方法。武汉市的经验表明,医院集体感染往往是社区疫情爆发的先兆,做好医院隔离工作,避免交叉感染尤为重要。在古代,虽然人们也认识到了这一点,但由于缺乏现代工具,所以多次未能真正实现有效的隔离。

人工智能时代,医院可以使用医疗配送机器人、送药、送餐、衣物回收和医疗废物回收,减少医护人员与病人接触的频率,降低病毒交叉感染的风险。

医疗分配机器人通常能够独立地识别和读取地图,独立识别和读取工作环境,建立信息库,独立规划路径,随时随地完成材料的点对点分布,这些功能和自动驾驶仪在原则上是相同的,都需要高清晰度的地图、定位、感知、规划、控制等,都有相同的传感器配置,包括激励雷达、超声波、里程计、陀螺仪/加速度计等。不同之处在于自动驾驶速度相对较大,场景规模较大,因此传感器应该能够探索更远的距离,具有更高的精度和灵敏度,但传感器的结构比较接近,从数学角度来说,它们在一定程度上是一件事情。

制作一个自动驾驶或医疗分配机器人,首先建立一个高精度的地图,完整的描述环境,高精度的定位机器人,使机器人有一个感知,知道谁在路上和汽车。医疗配送机器人应感知病房、电梯、障碍物等。传感后,医疗配送机器人开始进行路径规划,由设备控制机器执行预定路径。所以从基本逻辑上看,自动驾驶汽车和医疗配送机器人也是非常相似的。

1。人工势场法是机器人导航中提出的一种虚拟力法,其基本方法是将机器人在周围环境中的运动设计成一种势场中的运动,这是对机器人运动环境的抽象描述。机器人在存在时有一定的抽象势能,有两种势能:排斥极和引力极。

2.网格方法:移动机器人的实际几何形状可以用正方形区域表示。在规划过程中,将机器人简化为一个点,并相应地扩展和模糊了环境中的障碍物边界。工作空间用网格表示,即工作空间被划分为相同大小的正方形,网格的大小与机器人的大小相同。

3.板模型方法:基于二维清洁环境,提出了一种基于完全遍历路径规划的地图。为了完成完全的穿越路径规划,DeCarvalh定义了五种模板,即前向模型(面向模型)、沿边转向模型(侧移)、反向跟踪(Backtracker)、U型转向模型和U型交替模型。模板模型方法基于先验知识和以往的环境地图遍历机器人,使所获得的环境信息与预定模板相匹配。因此,整个路径由一系列模板组成。在该方法中,为了简化路径规划过程,事先对环境进行了扩展,使得这个小而灵活的机器人可以看作是一个粒子。基于模板的模型完全跨越路径规划,需要预先定义环境模型和模板内存,因此不易处理环境的变化,如机器人穿越过程中的突发性障碍。

4。模糊控制算法:模糊控制方法的应用和路径规划是一种非常有特色的方法,是在线规划中常用的一种规划方法,包括建模和全局规划。该方法利用多个传感器检测前方道路和障碍物的状况,根据驾驶员的驾驶经验制定模糊控制规则,对传感器信息进行处理,输出速度、加速度、旋转角度等控制量,引导车辆前进。该方法最大的优点是参与者的驾驶经验少,计算量不多,可以实现实时规划,克服了势场法容易产生的局部极点问题,效果理想。模糊控制的路径规划方法特别适用于局部避碰规划,具有设计简单、直观、速度快、效果好等特点。

5.神经网络路径规划:神经网络已经应用于许多工程领域,机器人领域也不例外。神经网络在路径规划中也有着广泛的应用。为了清理移动机器人从一个地方到另一个地方的交通,TSE提出了BP神经网络,通过自学习实现自主导航路径规划。通过离线学习可以实现完全的越障路径规划,分为三个步骤:运动行为规划、路径规划和全局路径规划。在运动行为阶段,机器人通过各种传感器采集三维环境信息,并将信息输入到BP神经网络中。机器人可以清理周围的区域,直到没有未清理的区域。在路线规划阶段,清洁机器人决定最短的路径通向工作空间中的其他未清洁区域。在全局路径规划中,生成一个全局环境图,然后机器人从起点开始清理整个工作空间。

6.遗传算法:遗传算法是JohnH Oland于20世纪70年代初提出的一种自然选择和种群遗传机制搜索算法。它模拟自然选择和自然遗传过程中的繁殖、交配和突变。它将每个可能的解决方案看作一个组中的一个个体(所有可能的解决方案),将每个个体编码成一个字符串,根据预定的目标函数对每个个体进行评估,并给出一个适当的值。在开始时,一些个人(即候选方案)总是随机生成的。根据这些个体的适应度,采用遗传算法(选择、交叉、变异)交叉组合这些个体,得到一个新的个体。由于继承了前代的一些优良特性,这一群新个体明显优于上一代,因此逐渐向更好的解决方向发展。遗传算法不需要对复杂优化问题建模和复杂运算,因此可以利用遗传算法的三种算子找到最优解,因此在各个领域得到了广泛的应用。在机器人相关领域的研究中,遗传算法已被应用于机械手轨迹生成、多机器人路径规划、冗余机械手避障等领域。

随着人工智能技术的日益普及,人工智能技术开始融入医院的各个角落,许多医院的自动化程度得到了一定程度的提高,医护人员的工作量得到了减轻,实现了对交叉感染的有效隔离和预防。