論文の概要: Extending Structural Causal Models for Autonomous Embodied Systems

• arxiv url: http://arxiv.org/abs/2406.01384v2
• Date: Wed, 4 Sep 2024 00:10:23 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-07 02:44:29.109813
• Title: Extending Structural Causal Models for Autonomous Embodied Systems
• Title（参考訳）: 自律型身体システムのための構造因果モデルの拡張
• Authors: Rhys Howard, Lars Kunze,
• Abstract要約: 我々は、自律的な実施システムと因果推論の分離を橋渡しすることを目指している。 まず、そのようなシステムにおける構造因果モデルの統合を制限した課題を特定する。 これらの課題に対処するために、構造因果モデルフォーマリズムに対する理論的拡張をいくつか導入する。
• 参考スコア（独自算出の注目度）: 5.309950889075669
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this work we aim to bridge the divide between autonomous embodied systems and causal reasoning. Autonomous embodied systems have come to increasingly interact with humans, 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 embodied systems. 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 a constant space temporal causal model representation. While not an extension itself, we also prove through the extensions we have introduced that dynamically mutable sets can be captured within structural causal models while maintaining a form of causal stationarity. Finally we introduce two case study architectures demonstrating the application of these extensions along with a discussion of where these extensions could be utilised in future work.
• Abstract（参考訳）: 本研究は,自律型実施システムと因果推論の分離を橋渡しすることを目的としている。 自律的な体操システムは、ますます人間と相互作用し始めており、多くの場合、それらと相互作用する人々の身体的または精神的な健康にリスクをもたらす可能性がある。 一方、因果的モデルは、本質的に透明性と対照的な説明を提供する能力があるにもかかわらず、そのようなシステム内での使用は限られている。 そこで,我々はまず,自律型実施システムにおける構造因果モデルの統合を制限した課題を特定する。 次に、これらの課題に取り組むために、構造因果モデルフォーマリズムに対する理論的拡張をいくつか導入する。 これにより、これらのモデルがより高度なモジュール化とカプセル化を持つように拡張され、一定の空間時間因果モデル表現が提示される。 拡張そのものではないが、私たちが導入した拡張を通して、動的に変更可能な集合が、因果定常性の形式を維持しながら構造因果モデル内で捕捉できることが証明されている。 最後に、これらの拡張の応用を実証する2つのケーススタディアーキテクチャを紹介します。

関連論文リスト

• Exploring the Causality of End-to-End Autonomous Driving [57.631400236930375]
  本稿では,エンドツーエンド自動運転の因果関係を探究し,分析するための包括的アプローチを提案する。 私たちの研究は、エンドツーエンドの自動運転の謎を初めて明らかにし、ブラックボックスを白い箱に変えた。
  論文  参考訳（メタデータ） (2024-07-09T04:56:11Z)
• Interactive Autonomous Navigation with Internal State Inference and Interactivity Estimation [58.21683603243387]
  本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。 これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。 提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-11-27T18:57:42Z)
• Towards Formal Fault Injection for Safety Assessment of Automated Systems [0.0]
  本稿では,開発ライフサイクルを通じてこれら2つのテクニックを融合したフォーマルなフォールトインジェクションを紹介する。 我々は,形式的手法と断層注入の相互支援の5つの領域を同定し,より密着的なアプローチを提唱する。
  論文  参考訳（メタデータ） (2023-11-16T11:34:18Z)
• LLM4Drive: A Survey of Large Language Models for Autonomous Driving [67.843551583229]
  大規模言語モデル(LLM)は、文脈理解、論理的推論、回答生成などの能力を示した。 本稿では,自動走行のための大規模言語モデル (LLM4AD) に関する研究ラインを体系的にレビューする。
  論文  参考訳（メタデータ） (2023-11-02T07:23:33Z)
• Towards Probabilistic Causal Discovery, Inference & Explanations for Autonomous Drones in Mine Surveying Tasks [5.569226615350014]
  因果モデリングは、自律的なエージェントによる意思決定や結果の説明を支援することができる。 ここでは,塩鉱で稼働するドローンシステムにおける因果関係に関する課題を特定する。 本稿では、因果的インフォームドPOMDP計画、オンラインSCM適応、およびポストホックな反事実的説明からなる確率的因果関係の枠組みを提案する。
  論文  参考訳（メタデータ） (2023-08-19T15:12:55Z)
• On a Uniform Causality Model for Industrial Automation [61.303828551910634]
  産業自動化の様々な応用分野に対する一様因果モデルを提案する。 得られたモデルは、サイバー物理システムの振る舞いを数学的に記述する。 このモデルは、機械学習に焦点を当てた産業自動化における新しいアプローチの応用の基盤として機能することが示されている。
  論文  参考訳（メタデータ） (2022-09-20T11:23:51Z)
• Causal Fairness Analysis [68.12191782657437]
  意思決定設定における公平性の問題を理解し、モデル化し、潜在的に解決するためのフレームワークを導入します。 我々のアプローチの主な洞察は、観測データに存在する格差の定量化と、基礎となる、しばしば観測されていない、因果的なメカニズムの収集を結びつけることである。 本研究は,文献中の異なる基準間の関係を整理し,説明するための最初の体系的試みであるフェアネスマップにおいて,本研究の成果を左右するものである。
  論文  参考訳（メタデータ） (2022-07-23T01:06:34Z)
• Separating Rule Discovery and Global Solution Composition in a Learning Classifier System [0.0]
  本稿では,特に産業シナリオに特化して設計された,容易に解釈可能なルールベース学習システムを提案する。 システムの主な利点の1つは、ルールの条件とどのルールが問題に対する解決策を構成するかを別々に進化させることである。 SupRB2の評価結果はXCSFに匹敵するが,モデル構造を容易に制御できる。
  論文  参考訳（メタデータ） (2022-02-03T16:45:05Z)
• CausalCity: Complex Simulations with Agency for Causal Discovery and Reasoning [68.74447489372037]
  本稿では,因果探索と反事実推論のためのアルゴリズムの開発を目的とした,高忠実度シミュレーション環境を提案する。 私たちの作業の中核となるコンポーネントは、複雑なシナリオを定義して作成することが簡単になるような、テキストの緊急性を導入することです。 我々は3つの最先端の手法による実験を行い、ベースラインを作成し、この環境の可利用性を強調する。
  論文  参考訳（メタデータ） (2021-06-25T00:21:41Z)
• Modeling Perception Errors towards Robust Decision Making in Autonomous Vehicles [11.503090828741191]
  意思決定サブシステムが堅牢で安全な判断を下すのに十分な認識サブシステムは十分か? 自律システムの挙動に異なる種類の知覚・知覚誤差が与える影響を解析する方法を示す。
  論文  参考訳（メタデータ） (2020-01-31T08:02:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。