Feb, 2024

ROS-Causal: 基于 ROS 的人机交互应用因果分析框架

PDF
TL;DR该论文介绍了 ROS-Causal，这是一个基于 ROS 的框架，用于在人机空间交互中进行数据收集和因果推理，并通过 ROS 集成的临时模拟器展示了机器人在数据收集过程中生成因果模型的效果。
发现论文，激发创造
  • ROS-Causal 在真实世界人机空间交互场景中的实验评估

    在人类共享环境中部署机器人需要对附近的代理和物体的互动进行深入理解。利用因果推断模型因果关系有助于预测人类行为并使机器人干预成为可能。本研究评估了 ROS-Causal，在模拟和实验室场景中进行数据集的性能和效果分析，证明了该方法的有效性，同时提供了帮助研究人员改进机器人系统在共享环境中性能的发现。

    Jun, 2024

  • 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

  • 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

  • 基于观测学习的因果机器人通讯

    介绍了如何应用心理学的学习行为洞见为机器人意图交流提供洞见，并通过从一个动作序列中选择性地解释因果动作的方式，使机器人更有效地传达其目的。

    Mar, 2022

  • 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

  • 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

  • 机器人操纵任务中基于物理的因果推理，用于安全和稳健的下一最佳行动选择

    通过将基于物理的因果推理嵌入机器人的决策过程中，我们可以使机器人任务执行更安全、更可靠，对各种类型的不确定性更具鲁棒性。

    Mar, 2024

  • 利用人类引导的因果知识实现更一般化的机器人任务规划

    通过人类引导的因果知识的使用，作者在语言接口和机器人上开发和测试了一种方法，可以使机器人在新环境中获得泛化解决方案。

    Oct, 2021

  • 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

  • 使用因果机器学习的行星任务自主机械臂操作

    自主机器臂操纵器在行星探索和原位资源利用任务中具有提高时间效率和生产效率的潜力，并且操作器可以自行处理对象并执行目标特定动作。我们利用因果机器学习在模拟的行星环境中训练操纵器自主研究一些它没有先前知识的对象，如行星岩石，并且通过不同的因果因素对它们进行分类，这些因素包括质量或摩擦系数等，这些因素决定了其相互作用的结果。我们通过强化学习使操纵器学会以揭示潜在因果因素的方式相互作用，我们证明了即使没有任何对象的先前知识或以前收集的训练数据，该方法也能够奏效。我们在真实的操纵器模型下在行星探索条件下进行训练。

    Mar, 2024