评估基于时序观测的因果发现技术在道路驾驶行为中的应用
人工智能
2024-03-07 v2 机器人学
摘要
自主机器人需要对其环境中动态智能体的行为进行推理。描述这些关系的模型创建通常通过应用因果发现技术来完成。然而，就目前而言，观测式因果发现技术难以充分应对自主智能体领域在线使用中典型的因果稀疏性与非平稳性等条件。同时，由于领域限制，干预式技术并非总是可行。为了更好地探究观测式技术面临的问题并促进对这些话题的进一步讨论，我们在自动驾驶领域对 10 种当代观测式时序因果发现方法进行了基准测试。通过在取自真实世界数据集的因果场景以及合成生成的场景上评估这些方法，我们指出了为使因果发现技术应用于上述用例所需做出的改进。最后，我们讨论了未来工作的潜在方向，以更好地应对当前最先进的技术所经历的困难。
引用
@article{arxiv.2302.00064,
title = {Evaluating Temporal Observation-Based Causal Discovery Techniques Applied to Road Driver Behaviour},
author = {Rhys Howard and Lars Kunze},
journal= {arXiv preprint arXiv:2302.00064},
year = {2024}
}
备注
26 Pages = 13 Pages (Main Content) + 5 Pages (References) + 8 Pages (Appendix), 2 Figures, To be published in the Proceedings of the 2nd Conference on Causal Learning and Reasoning as part of the Journal of Machine Learning Research Workshop and Conference Proceedings series, Final submission version; Updated from initial to final submission version