Causal Reinforcement Learning for Robotics: A Review

本文系统综述了机器人领域因果强化学习（Causal Reinforcement Learning）的最新进展。因果强化学习将因果推断与强化学习结合，通过建模变量间的因果关系而非仅统计关联，提升机器人策略的泛化能力、可解释性和干预决策能力。文章分析了因果发现、因果效应估计、反事实推理在强化学习中的应用，以及因果世界模型、因果策略优化、因果迁移学习等关键技术。适用场景包括机器人决策、干预推理、领域迁移、安全控制等需要因果理解的领域。来源机构包括Google DeepMind、MIT、UC Berkeley等顶尖研究机构。