Counterfactual Reasoning for Robot Decision Making

本文深入研究了反事实推理在机器人决策中的应用。反事实推理通过回答"如果采取了不同的动作会发生什么"的问题，使机器人能够进行想象式推理和事后分析，提升决策质量和学习效率。文章比较了不同反事实推理框架（结构因果模型、孪生网络、反事实数据增强）在机器人策略评估、策略改进、故障分析中的应用，提出了结合反事实推理与强化学习的方法，并在多种机器人任务上验证了反事实推理在样本效率和决策质量上的优势。来源机构包括MIT、CMU、DeepMind等研究机构。