Arrêté pour non-distanciation sociale par un robot de surveillance mobile COVID-19

COVID Surveillance Robot
Robot de surveillance COVID

Le robot détecte le non-respect des normes de distanciation sociale, classe les piétons non conformes en groupes et navigue de manière autonome vers le groupe statique contenant le plus de personnes (un groupe de 3 personnes dans ce scénario). Le robot encourage les piétons non conformes à s’écarter et à maintenir au moins 2 mètres de distance sociale en affichant un message sur l’écran monté. Le robot CS capture également des images thermiques de la scène et les transmet au personnel de sécurité/de santé approprié. Crédit : Sathyamoorthy et al., 2021, PLOS ONE, CC-BY 4.0

Un robot de surveillance pourrait aider à réduire la propagation de la maladie et également faciliter la recherche des contacts.

Une nouvelle stratégie pour réduire la propagation des COVID-19[feminine utilise un robot mobile qui détecte les personnes dans les foules qui ne respectent pas les règles de distanciation sociale, navigue vers elles et les encourage à s’éloigner. Adarsh ​​Jagan Sathyamoorthy de l’Université du Maryland, College Park, et ses collègues présentent ces résultats dans la revue en libre accès PLOS ONE le 1er décembre 2021.

Des recherches antérieures ont montré que rester à au moins deux mètres l’un de l’autre peut réduire la propagation du COVID-19. Les méthodes basées sur la technologie, telles que les stratégies utilisant le WiFi et le Bluetooth, sont prometteuses pour aider à détecter et à décourager les écarts de distanciation sociale. Cependant, de nombreuses approches de ce type nécessitent la participation d’individus ou d’infrastructures existantes, de sorte que les robots sont devenus un outil potentiel pour lutter contre la distanciation sociale dans les foules.

Maintenant, Sathyamoorthy et ses collègues ont développé une nouvelle façon d’utiliser un robot mobile autonome à cette fin. Le robot peut détecter les brèches et y naviguer à l’aide de sa propre caméra rouge vert bleu-profondeur (RVB-D) et d’un capteur LiDAR (détection de lumière et télémétrie) 2D, et peut puiser dans un système de vidéosurveillance existant, si disponible. Une fois qu’il atteint la brèche, le robot encourage les gens à se séparer via un texte qui apparaît sur un écran monté.

Le robot utilise un nouveau système pour trier les personnes qui ont enfreint les règles de distanciation sociale en différents groupes, les hiérarchiser selon qu’elles sont immobiles ou en mouvement, puis accédez à elles. Ce système utilise une méthode d’apprentissage automatique connue sous le nom de Deep Reinforcement Learning et Frozone, un algorithme précédemment développé par plusieurs des mêmes chercheurs pour aider les robots à naviguer dans les foules.

Les chercheurs ont testé leur méthode en demandant à des volontaires de mettre en scène des scénarios de violation de la distanciation sociale tout en restant immobiles, en marchant ou en se déplaçant de manière erratique. Leur robot a été capable de détecter et de traiter la plupart des violations qui se sont produites, et la vidéosurveillance a amélioré ses performances.

Le robot utilise également une caméra thermique qui peut détecter les personnes présentant des fièvres potentielles, facilitant les efforts de recherche des contacts, tout en incorporant des mesures pour assurer la protection de la vie privée et l’anonymisation.

Des recherches supplémentaires sont nécessaires pour valider et affiner cette méthode, par exemple en explorant l’impact de la présence de robots sur le comportement des gens dans les foules.

Les auteurs ajoutent : « De nombreux travailleurs de la santé et du personnel de sécurité ont dû mettre leur santé en danger pour servir le public pendant la pandémie de COVID-19. L’objectif principal de notre travail est de leur fournir des outils pour servir leurs communautés de manière sûre et efficace.

Articles connexes