Causal Reasoning for Robotics: A Survey
Causal Reasoning for Robotics: A Survey（机器人因果推理综述）是由因果推理和机器人领域研究者系统整理的经典综述论文，是机器人因果推理领域最重要的综述之一。该论文系统地回顾了因果推理技术在机器人中的应用，包括因果推理的基本概念与框架（Pearl因果层次结构、do-calculus、结构因果模型SCM、因果图）、机器人因果推理的关键技术（因果发现、因果效应估计、反事实推理、因果强化学习、因果模仿学习）、因果推理在机器人各个领域的应用（机器人操作、导航、感知、人机交互、故障诊断、安全决策）等多个方面。该论文详细分析了机器人因果推理的核心挑战，包括高维连续状态空间的因果发现、部分可观测环境下的因果推断、干预数据的稀缺性、因果模型与学习模型的融合、实时性要求、可解释性等，并讨论了因果推理在工业机器人、服务机器人、自动驾驶、医疗机器人等领域的应用前景。因果推理是使机器人能够理解因果关系而非仅仅相关性的关键技术，能够提高决策的可解释性、鲁棒性和泛化能力，在需要因果理解和反事实推理的机器人应用中具有重要意义。该论文被引用超过600次，是机器人因果推理领域的入门必读文献，对后续的因果强化学习、因果模仿学习、可解释机器人决策等研究产生了深远影响。
主体信息
Causal Reasoning for Robotics: A Survey（机器人因果推理综述）是由因果推理和机器人领域研究者系统整理的经典综述论文，是机器人因果推理领域最重要的综述之一。该论文系统地回顾了因果推理技术在机器人中的应用，包括因果推理的基本概念与框架（Pearl因果层次结构、do-calculus、结构因果模型SCM、因果图）、机器人因果推理的关键技术（因果发现、因果效应估计、反事实推理、因果强化学习、因果模仿学习）、因果推理在机器人各个领域的应用（机器人操作、导航、感知、人机交互、故障诊断、安全决策）等多个方面。该论文详细分析了机器人因果推理的核心挑战，包括高维连续状态空间的因果发现、部分可观测环境下的因果推断、干预数据的稀缺性、因果模型与学习模型的融合、实时性要求、可解释性等，并讨论了因果推理在工业机器人、服务机器人、自动驾驶、医疗机器人等领域的应用前景。因果推理是使机器人能够理解因果关系而非仅仅相关性的关键技术，能够提高决策的可解释性、鲁棒性和泛化能力，在需要因果理解和反事实推理的机器人应用中具有重要意义。该论文被引用超过600次，是机器人因果推理领域的入门必读文献，对后续的因果强化学习、因果模仿学习、可解释机器人决策等研究产生了深远影响。