Towards a Causal Probabilistic Framework for Prediction, Action-Selection & Explanations for Robot Block-Stacking Tasks

要約

現実世界の不確実性は、システム設計者がロボットが遭遇する可能性のあるすべてのシナリオを予測して明示的に設計することが不可能であることを意味します。
したがって、このように設計されたロボットは壊れやすく、高度に制御された環境外では故障します。
因果モデルは、現実世界のロボットが通常遭遇するノイズや不確実性の確率的表現に加えて、ロボットとその環境との相互作用を支配する因果関係の正式な知識をコード化するための原則に基づいたフレームワークを提供します。
これらのモデルを因果推論と組み合わせることで、自律エージェントがその環境を理解し、推論し、説明できるようになります。
この研究では、ロボットのブロック積み上げタスクの問題に焦点を当てます。これは、ロボットが示す基本的な認識および操作能力が、倉庫物流や家庭用人間支援ロボットなどの多くのアプリケーションで必要とされるためです。
我々は、物理シミュレーション機能を構造因果モデルに組み込む新しい因果確率フレームワークを提案します。これにより、ロボットがブロックスタッキングタスクの現在の状態を認識して評価し、配置候補から次善のアクションを推論し、ポストを生成できるようになります。
ありきたりな反事実的な説明。
次善のアクション選択結果の例を提供し、シミュレートされた現実世界のロボット ブロック積み上げタスクにおける計画された実験の概要を示します。

要約(オリジナル)

Uncertainties in the real world mean that is impossible for system designers to anticipate and explicitly design for all scenarios that a robot might encounter. Thus, robots designed like this are fragile and fail outside of highly-controlled environments. Causal models provide a principled framework to encode formal knowledge of the causal relationships that govern the robot’s interaction with its environment, in addition to probabilistic representations of noise and uncertainty typically encountered by real-world robots. Combined with causal inference, these models permit an autonomous agent to understand, reason about, and explain its environment. In this work, we focus on the problem of a robot block-stacking task due to the fundamental perception and manipulation capabilities it demonstrates, required by many applications including warehouse logistics and domestic human support robotics. We propose a novel causal probabilistic framework to embed a physics simulation capability into a structural causal model to permit robots to perceive and assess the current state of a block-stacking task, reason about the next-best action from placement candidates, and generate post-hoc counterfactual explanations. We provide exemplar next-best action selection results and outline planned experimentation in simulated and real-world robot block-stacking tasks.

arxiv情報

著者 Ricardo Cannizzaro,Jonathan Routley,Lars Kunze
発行日 2023-09-29 00:19:11+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.LG, cs.RO, G.3, stat.AP, stat.ML パーマリンク