ROS-Causal：一种基于 ROS 的人机交互应用因果分析框架
机器人学
2024-03-22 v3 人工智能
摘要
在人类共享空间部署机器人需要理解附近智能体与物体之间的相互作用。通过因果推断建模因果关系有助于预测人类行为并预判机器人干预措施。然而，一个关键挑战在于现有的因果发现方法缺乏在机器人事实标准生态系统 ROS 中的实现，阻碍了其在机器人领域的有效利用。为填补这一空白，本文介绍了 ROS-Causal，这是一个基于 ROS 的框架，用于人机空间交互中的机载数据收集和因果发现。一个与 ROS 集成的专用模拟器展示了该方法的有效性，呈现了机器人在数据收集过程中生成因果模型的能力。ROS-Causal 已在 GitHub 上开源：https://github.com/lcastri/roscausal.git。
引用
@article{arxiv.2402.16068,
title = {ROS-Causal: A ROS-based Causal Analysis Framework for Human-Robot Interaction Applications},
author = {Luca Castri and Gloria Beraldo and Sariah Mghames and Marc Hanheide and Nicola Bellotto},
journal= {arXiv preprint arXiv:2402.16068},
year = {2024}
}
备注
Accepted by the "Causal-HRI: Causal Learning for Human-Robot Interaction" workshop at the 2024 ACM/IEEE International Conference on Human-Robot Interaction (HRI)