ROS-Causal: A ROS-based Causal Analysis Framework for Human-Robot Interaction Applications

要約

人間が共有する空間にロボットを導入するには、近くのエージェントや物体間の相互作用を理解する必要があります。
因果推論による因果関係のモデル化は、人間の行動を予測し、ロボットの介入を予測するのに役立ちます。
しかし、既存の因果関係発見手法には現在、ロボット工学における事実上の標準である ROS エコシステム内での実装が欠如しており、ロボット工学における効果的な利用が妨げられているため、重大な課題が生じています。
このギャップに対処するために、この論文では、人間とロボットの空間的インタラクションにおけるオンボードデータ収集と因果関係発見のための ROS ベースのフレームワークである ROS-Causal を紹介します。
ROS と統合されたアドホック シミュレーターは、データ収集中にロボットがオンボードで因果モデルを生成することを示し、このアプローチの有効性を示しています。
ROS-Causal は GitHub: https://github.com/lcastri/roscausal.git で入手できます。

要約(オリジナル)

Deploying robots in human-shared spaces requires understanding interactions among nearby agents and objects. Modelling cause-and-effect relations through causal inference aids in predicting human behaviours and anticipating robot interventions. However, a critical challenge arises as existing causal discovery methods currently lack an implementation inside the ROS ecosystem, the standard de facto in robotics, hindering effective utilisation in robotics. To address this gap, this paper introduces ROS-Causal, a ROS-based framework for onboard data collection and causal discovery in human-robot spatial interactions. An ad-hoc simulator, integrated with ROS, illustrates the approach’s effectiveness, showcasing the robot onboard generation of causal models during data collection. ROS-Causal is available on GitHub: https://github.com/lcastri/roscausal.git.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google