面向机器人应用的高效因果发现
机器人学
2023-10-25 v2 人工智能
摘要
在与人类共享的环境（如仓库、购物中心或医院）中使用机器人自动化任务，要求这些机器人理解附近智能体与物体之间的基本物理交互。具体而言，建立表征这些元素之间因果关系的模型，有助于预测未预见的人类行为并预判特定机器人动作的结果。要适用于机器人，因果分析必须既快速又准确，以满足实时性需求以及大多数机器人应用中典型的计算资源限制。本文展示了我们用于快速准确因果分析的方法——滤波化PCMCI（F-PCMCI，Filtered PCMCI）——的实际演示以及一个真实机器人应用。所给应用说明了我们的F-PCMCI如何准确且及时地重建人机交互场景的因果模型，该模型随后可用于提升交互质量。
引用
@article{arxiv.2310.14925,
title = {Efficient Causal Discovery for Robotics Applications},
author = {Luca Castri and Sariah Mghames and Nicola Bellotto},
journal= {arXiv preprint arXiv:2310.14925},
year = {2023}
}
备注
Published at 5th Italian Conference on Robotics and Intelligent Machines (I-RIM 3D 2023)