arXiv cs.AI· Francesco Baldo, Luca Castri, Gloria Beraldo, Nicola Bellotto·· 3 天前AI 评分20
因果推断如何评估走廊场景中社交导航信号的真实作用
Estimating the Causal Impact of Social Navigation Signals in Corridor Scenarios
AI 导读
一项研究用因果模型估计走廊人机交互中社交导航信号是否真正提升通行成功率。研究将交互建模为包含机器人动作、行人占用、可用空间、任务结果和静态障碍物混杂因子的因果 DAG，结果显示仅基于观测的估计会错误地认为该信号有害，而因果估计表明其有益。
正文 · AI 翻译
摘要：在人类共享环境中部署机器人，不仅需要决定如何导航，还需要决定何时值得发出专门的社交信号。在此类场景中，经典的基于观测的推断可能产生误导：混杂因素可能会使信号与任务结果之间估计出的关系产生偏差，从而导致错误决策。因果推断提供了一个框架，通过建模连接观测、动作和结果的机制，并在考虑混杂路径后估计干预效应，来厘清这些关系。我们研究了一个走廊中的人机交互场景，并使用因果模型来估计社交导航信号是否能因果性地提高通行成功率。我们将该交互表示为一个因果 DAG，涉及机器人动作、行人占用、可用空间、任务结果以及一个受控混杂因素（静态障碍物）。我们将干预估计与仅以机器人动作为条件得到的观测估计进行比较，后者未显式建模干预。我们的结果表明，考虑混杂变量可能会逆转从朴素观测分析中得出的结论：观测估计错误地表明社交信号是有害的，而因果估计则表明它是有益的。这种差异凸显了未能考虑混杂因素如何导致错误结论，并证明了因果模型对于社交机器人导航中情境感知信号决策的重要性。
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.16411 [cs.RO] |
| （或 arXiv:2610.16411v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.16411 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Nicola Bellotto [查看电子邮件]
[v1]
2026年10月12日星期一 08:46:26 UTC（436 KB）
来源：arXiv cs.AI · arxiv.org