面向观测型人机交互研究的因果推断方法导论
机器人学
2023-11-01 v1
摘要
人机交互（HRI）研究中的定量方法主要依赖实验室环境下的随机对照实验。然而，当外部效度、伦理约束与数据收集便利性成为考量时，此类实验并非总可行。此外，随着消费级机器人日益普及，HRI 研究者将获得越来越多的真实世界数据，这就需要适用于观测数据分析的定量方法。本文为 HRI 研究者提出一种替代性的定量研究路径，采用因果推断方法，使研究者能在无法进行随机对照实验的观测环境中识别因果关系。我们凸显了使用消费级家用机器人的 HRI 研究可能涉及的若干情景，以说明因果推断方法如何应用于观测型 HRI 研究。随后我们提供了一份教程，从图模型视角总结因果推断的关键概念，并在全文链接至代码示例（可在 https://gitlab.com/causal/causal_hri 获取）。我们的工作为观测型 HRI 研究新方法的进一步讨论铺平道路，同时为 HRI 研究者将因果推断技术纳入其分析工具箱提供了起点。
引用
@article{arxiv.2310.20468,
title = {An Introduction to Causal Inference Methods for Observational Human-Robot Interaction Research},
author = {Jaron J. R. Lee and Gopika Ajaykumar and Ilya Shpitser and Chien-Ming Huang},
journal= {arXiv preprint arXiv:2310.20468},
year = {2023}
}
备注
28 pages