Aug, 2023

关于在矿山测绘任务中实现无人机的概率因果发现、推断与解释

PDF
TL;DR部署因果模型的无人机系统在盐矿环境中遇到了混淆因素、非稳态和无法提前构建完整因果模型等挑战，为了解决这些问题，我们提出了一种基于概率因果框架的解决方案，其中包括因果知识驱动的 POMDP 规划、在线 SCM 调整和事后可反事实解释。同时，我们将计划进行实验，评估这一框架在模拟矿山环境和真实矿山数据集上与无人机系统的集成效果。
causal modellingautonomous agentsdrone systemsalt mineprobabilistic causal framework
发现论文，激发创造
  • 面向机器人堆叠任务的因果概率预测、行动选择和解释框架

    通过引入因果模型和物理仿真能力，提出了一个新颖的概率框架，使得机器人能够感知和评估积木堆叠任务的当前状态，推理出最佳动作，并生成事后的反事实解释。

    Aug, 2023

  • 基于时间观察的因果发现技术在道路驾驶行为上的评估

    本文探讨了从低级别的时间观察中学习高级因果结构的问题，使用了当代基于观察的时间因果发现技术来探究自主机器人场景中的因果发现，并在多个数据集上进行了实验验证，提出了未来探索因果发现在自主机器人中应用的方向。

    Jan, 2023

  • 预测人类空间互动的动态模型的因果发现

    本研究将因果发现方法应用于人机空间相互作用建模，从真实世界的传感器数据中尝试理解人类行为，提高服务机器人场景的预测准确性。

    Oct, 2022

  • 使用干预学习自主代理端因果模型

    本篇论文介绍了一种基于 agent assessment module 的 AI 系统执行高级指令序列并回答用户问题的方法，通过不同类别的查询来比较这种方法的计算要求和正确模型的学习所需的努力，并介绍了动态因果决策网络来捕捉 STRIPS-like 领域的因果结构。

    Aug, 2021

  • 在极端环境中部署机器人的概率模型检查

    本文介绍了一个用于验证机器人安全和可靠性需求的概率模型检查框架，并使用两种新型估计器（基于保守贝叶斯推断和不精确概率模型）从实际操作数据中学习未知的转移参数。在极端环境下的无人潜水器实际部署数据上演示了该方法。

    Dec, 2018

  • 为什么失败了？一种因果推理方法寻找机器人失败的解释

    本文提出了一种新方法以解决机器人失败后向用户提供直观的因果解释，其利用生成对比性解释的方式，基于来自贝叶斯网络的因果模型，并在两个场景中测试了其准确性。

    Apr, 2022

  • 随机序列多智能体决策的因果社交解释

    我们提出一个新颖的框架，用于在随机序列多智能体环境中为智能体的决策提供因果解释，通过自然语言交流回答广泛的用户查询，涉及联想、干预或反事实的因果推理。该方法不假定任何特定的因果图，而是依赖于相互作用的生成模型来模拟反事实世界，从而识别决策背后的显著原因。我们将该方法应用于自动驾驶的运动规划，并在耦合交互的模拟场景中进行测试。我们的方法可以正确地识别和排名相关的原因，并向用户提供简明的解释。

    Feb, 2023

  • 扩展结构性因果模型在自主体认系统中的应用

    自主系统中利用因果推理的案例研究，通过结构性因果模型提高系统的透明度、结果解释能力和对外部变量的推理，增强公众信任感并促进相关规范制定。

    Jun, 2024

  • 基于仿真的反事实因果推断：真实世界驾驶员行为研究

    提出了三种反事实因果发现方法，其通过提取事件的方式解决了动态环境中因果链的不稳定性，同时采用反事实模拟来克服因无法在公共道路上进行实验而带来的干扰，实验结果表明，该方法在智能驾驶中因果关系的建立方面表现显著优于传统方法。

    Jun, 2023

  • 高效机器人应用的因果发现

    利用机器人实现快速而准确的因果分析，以提高机器人与人类的交互质量。

    Oct, 2023