Extending Structural Causal Models for Autonomous Vehicles to Simplify Temporal System Construction & Enable Dynamic Interactions Between Agents

要約

この作業では、自動運転車と因果的推論の間の格差を埋めることを目指しています。
自律型の車両は、人間のドライバーとますます相互作用するようになり、多くの場合、相互作用する人の身体的または精神的な幸福にリスクをもたらす可能性があります。
一方、因果モデルは、固有の透明性と対照的な説明を提供する能力にもかかわらず、そのようなシステム内での使用が限られていることがわかりました。
そのため、最初に、自律車両内の構造因果モデルの統合を制限している課題を特定します。
次に、これらの課題に取り組むために、構造的因果モデル形式に多くの理論的拡張を導入します。
これにより、これらのモデルは、より大きなレベルのモジュール化とカプセル化を備えており、一定の空間の複雑さを伴う時間的因果モデル表現を提示します。
また、動的に可変性のあるセット（たとえば、時間をかけでさまざまな自律車両の数のさまざまな数の自動車）を構造的因果モデル内で使用しながら、因果関係の定常性を維持しながら使用できることを導入した拡張機能を通じて証明します。
最後に、自動運転車およびサービスロボットドメインのコンテキストでの拡張機能の適用と、将来の作業の潜在的な方向について説明します。

要約(オリジナル)

In this work we aim to bridge the divide between autonomous vehicles and causal reasoning. Autonomous vehicles have come to increasingly interact with human drivers, and in many cases may pose risks to the physical or mental well-being of those they interact with. Meanwhile causal models, despite their inherent transparency and ability to offer contrastive explanations, have found limited usage within such systems. As such, we first identify the challenges that have limited the integration of structural causal models within autonomous vehicles. We then introduce a number of theoretical extensions to the structural causal model formalism in order to tackle these challenges. This augments these models to possess greater levels of modularisation and encapsulation, as well presenting temporal causal model representation with constant space complexity. We also prove through the extensions we have introduced that dynamically mutable sets (e.g. varying numbers of autonomous vehicles across time) can be used within a structural causal model while maintaining a relaxed form of causal stationarity. Finally we discuss the application of the extensions in the context of the autonomous vehicle and service robotics domain along with potential directions for future work.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google