一种以人为中心的因果图创建引导方法
机器人学
2024-03-05 v1
摘要
因果推断作为经济学、基因组学和医学等学科的基石,正日益被认为是推进机器人领域的基础。特别是,从观测数据中推理因果关系的能力对于机器人系统的鲁棒泛化至关重要。然而,作为表示因果关系机制的有向无环图构建面临着巨大挑战。目前,对因果推断的深入理解以及对因果关系的认知,必须被手动编程到因果图中。为了解决这一难题,我们展示了构建以人为中心的增强现实框架以创建因果图的初步成果。具体而言,我们的系统通过让人类参与选择变量、建立关系、执行干预、生成反事实解释以及在每一步评估生成的因果图,来引导因果发现过程。我们通过在拾取与放置任务上的物理机器人机械臂突出了我们框架的潜力。
引用
@article{arxiv.2403.01622,
title = {A Human-Centered Approach for Bootstrapping Causal Graph Creation},
author = {Minh Q. Tram and Nolan B. Gutierrez and William J. Beksi},
journal= {arXiv preprint arXiv:2403.01622},
year = {2024}
}
备注
To be presented at the 2024 ACM/IEEE International Conference on Human-Robot Interaction (HRI) Workshop on Causal Learning for Human-Robot Interaction (Causal-HRI)