論文の概要: Estimating the Causal Impact of Social Navigation Signals in Corridor Scenarios

• arxiv url: http://arxiv.org/abs/2610.16411v1
• Date: Mon, 12 Oct 2026 08:46:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.338446
• Title: Estimating the Causal Impact of Social Navigation Signals in Corridor Scenarios
• Title（参考訳）: 回廊シナリオにおけるソーシャルナビゲーション信号の因果影響の推定
• Abstract要約: 我々は因果モデルを用いて、社会航法信号が交通の成功を因果的に改善するかどうかを推定する。 本研究は, 観測解析から得られた結論を逆転させることが可能であることを示す。
• 参考スコア（独自算出の注目度）: 3.0398874274478676
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deploying robots in human-shared environments requires deciding not only how to navigate, but also when dedicated social signals are worth emitting. Classic observation-based inference can be misleading in such settings: confounding factors may bias the estimated relationship between a signal and the task outcome, leading to incorrect decisions. Causal inference provides a framework for disentangling these relationships by modelling the mechanisms linking observations, actions, and outcomes, and by estimating interventional effects after accounting for confounding paths. We study a human-robot interaction scenario in a corridor and use a causal model to estimate whether a social navigation signal causally improves transit success. We represent the interaction as a causal DAG involving robot action, pedestrian occupancy, available space, task outcome, and a controlled confounder (static obstacles). We compare the interventional estimate with the observational estimate obtained by conditioning only on the robot action, which does not explicitly model interventions. Our results show that accounting for confounding variables can reverse the conclusions drawn from naive observational analysis: the observational estimate wrongly suggests that the social signal is detrimental, whereas the causal estimate shows that it is beneficial. This discrepancy highlights how failing to account for confounding can lead to incorrect conclusions and demonstrates the importance of causal models for context-aware signalling decisions in social robot navigation.
• Abstract（参考訳）: 人間と共有された環境でロボットを配置するには、ナビゲートの仕方だけでなく、専用の社会的信号が放出される価値がある場合も決める必要がある。 コンバウンディング要因は、信号とタスク結果の間の推定された関係をバイアスし、誤った判断につながる可能性がある。 因果推論(英: Causal inference)は、観察、行動、成果をリンクするメカニズムをモデル化し、経路の相違を考慮した介入効果を推定することによって、これらの関係を解消するための枠組みを提供する。 本研究では、廊下における人間とロボットの相互作用シナリオを調査し、因果モデルを用いて、社会的ナビゲーション信号が交通の成功を因果的に改善するかどうかを推定する。 我々は,ロボット行動,歩行者占有,利用可能な空間,タスクアウトカム,制御された共同設立者(静電障害)を含む因果DAGとして相互作用を表現している。 本研究では,ロボット動作のみを条件づけた観察推定値と介入推定値を比較し,介入を明示的にモデル化しない。 この結果から,観測結果から得られた結論は,社会的信号が有害であることを示すのに対して,因果的推定は有益であることを示すのに対して,観察的推定は誤って社会的信号が有害であることを示す。 この不一致は、社会的ロボットナビゲーションにおけるコンテキスト認識シグナル決定における因果モデルの重要性を示す。

関連論文リスト

• TRACER: Adaptive Multi-Robot Social Navigation via Joint Human-Response Prediction and Interaction-Aware Replanning [15.947366731480585]
  人影空間におけるマルチロボットナビゲーションは本質的にインタラクティブである。 本稿では,予測と適応のループを閉じる双方向リテーディング・ホライゾン・フレームワークであるTRACERを提案する。 実験により、TRACERはキャパシティマッチングされた添加物予測器よりも、より正確に付加的でない多ボット相互作用効果を捉えることが示された。
  論文  参考訳（メタデータ） (2026-09-16T14:59:12Z)
• Estimating Online Influence Needs Causal Modeling! Counterfactual Analysis of Social Media Engagement [6.979194533898427]
  政策タイミングとエンゲージメント効果の両方に適応する新しい共同治療・アウトカムフレームワークを導入する。 本手法は,医療の因果推論手法に適応し,ソーシャルメディアの相互作用の逐次的性質に平均治療効果(ATE)を推定する。
  論文  参考訳（メタデータ） (2025-05-25T23:03:24Z)
• Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
  社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。 本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。 マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
  論文  参考訳（メタデータ） (2024-01-22T18:58:22Z)
• Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
  誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。 既存の感受性研究は、自己報告された信念に大きく依存している。 本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
  論文  参考訳（メタデータ） (2023-11-16T07:22:56Z)
• Neighborhood Adaptive Estimators for Causal Inference under Network Interference [109.17155002599978]
  ネットワークに接続された単位による古典的非干渉仮定の違反について考察する。 トラクタビリティでは、干渉がどのように広がるかを記述する既知のネットワークを考える。
  論文  参考訳（メタデータ） (2022-12-07T14:53:47Z)
• Causal Discovery of Dynamic Models for Predicting Human Spatial Interactions [5.742409080817885]
  本稿では,人間とロボットの空間的相互作用をモデル化するための因果探索手法を提案する。 最先端の因果探索アルゴリズムを初めて活用するために、新しい方法と実用的な解決策について議論する。
  論文  参考訳（メタデータ） (2022-10-29T08:56:48Z)
• Empirical Estimates on Hand Manipulation are Recoverable: A Step Towards Individualized and Explainable Robotic Support in Everyday Activities [80.37857025201036]
  ロボットシステムの鍵となる課題は、他のエージェントの振る舞いを理解することである。 正しい推論の処理は、(衝突)因子が実験的に制御されない場合、特に困難である。 人に関する観察研究を行うために必要なツールをロボットに装備することを提案する。
  論文  参考訳（メタデータ） (2022-01-27T22:15:56Z)
• Causal Inference under Networked Interference and Intervention Policy Enhancement [35.149125599812706]
  ランダム化実験のデータから個々の治療効果を推定することは因果推論において重要な課題である。 通常、ランダム化実験や相互接続された単位による観測実験では、干渉下でのみ治療反応を観察することができる。 本稿では,グラフの依存性を捕捉する強力なツールであるGNNを用いて,一般的なネットワーク干渉下での因果効果の推定について検討する。
  論文  参考訳（メタデータ） (2020-02-20T00:35:50Z)

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。