Experimental Evaluation of ROS-Causal in Real-World Human-Robot Spatial Interaction Scenarios

要約

人間が共有する環境にロボットを導入するには、近くのエージェントと物体がどのように相互作用するかを深く理解する必要があります。
因果関係をモデル化するために因果推論を採用すると、人間の行動の予測が容易になり、ロボットの介入を予測できるようになります。
しかし、ロボット工学における事実上の標準フレームワークである ROS エコシステム内に既存の因果関係発見手法が実装されていないため、重大な課題が生じており、実際のロボットでの効果的な利用が妨げられています。
このギャップを埋めるために、私たちは以前の研究で、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に設計された ROS ベースのフレームワークである ROS-Causal を提案しました。
この研究では、シミュレーションと実験室シナリオにおける人間とロボットの空間的相互作用の新しいデータセットの両方で ROS-Causal の実験的評価を提示し、そのパフォーマンスと有効性を評価します。
私たちの分析はこのアプローチの有効性を実証し、データ収集中にロボットによって因果モデルがどのように直接抽出できるかを示しています。
シミュレーションから生成されたオンライン因果モデルは、実験室での実験から得られたモデルと一致しています。
これらの発見は、研究者が共有環境でロボット システムのパフォーマンスを向上させるのに役立ちます。まず、実際の人間を使用しないシミュレーションで変数間の因果関係を研究し、次に実際の人間の環境での実際のロボットの展開を容易にすることができます。
ROS-Causal: https://lcastri.github.io/roscausal

要約(オリジナル)

Deploying robots in human-shared environments requires a deep understanding of how nearby agents and objects interact. Employing causal inference to model cause-and-effect relationships facilitates the prediction of human behaviours and enables the anticipation of robot interventions. However, a significant challenge arises due to the absence of implementation of existing causal discovery methods within the ROS ecosystem, the standard de-facto framework in robotics, hindering effective utilisation on real robots. To bridge this gap, in our previous work we proposed ROS-Causal, a ROS-based framework designed for onboard data collection and causal discovery in human-robot spatial interactions. In this work, we present an experimental evaluation of ROS-Causal both in simulation and on a new dataset of human-robot spatial interactions in a lab scenario, to assess its performance and effectiveness. Our analysis demonstrates the efficacy of this approach, showcasing how causal models can be extracted directly onboard by robots during data collection. The online causal models generated from the simulation are consistent with those from lab experiments. These findings can help researchers to enhance the performance of robotic systems in shared environments, firstly by studying the causal relations between variables in simulation without real people, and then facilitating the actual robot deployment in real human environments. ROS-Causal: https://lcastri.github.io/roscausal

arxiv情報

提供元, 利用サービス

arxiv.jp, Google