ROS-Causal在真实世界人机空间交互场景中的实验评估
机器人学
2026-02-17 v2 人工智能
摘要
在人类共享环境中部署机器人需要深入理解附近智能体和物体如何交互。利用因果推断对因果关系进行建模有助于预测人类行为并预期机器人干预。然而，由于现有因果发现方法在机器人领域事实标准框架ROS生态系统中缺乏实现，阻碍了其在真实机器人上的有效利用。为弥补这一差距，我们此前提出了ROS-Causal，一个基于ROS的框架，用于在机载数据收集和人机空间交互中的因果发现。本文在仿真和实验室场景的新人机空间交互数据集上对ROS-Causal进行了实验评估，以评估其性能和有效性。我们的分析证明了该方法的有效性，展示了机器人如何在数据收集过程中直接在机载提取因果模型。从仿真生成的在线因果模型与实验室实验一致。这些发现有助于研究人员首先在仿真中研究变量间的因果关系（无需真人），进而促进机器人在真实人类环境中的实际部署。ROS-Causal: https://lcastri.github.io/roscausal
引用
@article{arxiv.2406.04955,
title = {Experimental Evaluation of ROS-Causal in Real-World Human-Robot Spatial Interaction Scenarios},
author = {Luca Castri and Gloria Beraldo and Sariah Mghames and Marc Hanheide and Nicola Bellotto},
journal= {arXiv preprint arXiv:2406.04955},
year = {2026}
}
备注
Published at 2024 IEEE International Conference on Robot and Human Interactive Communication (RO-MAN)