Umeå universitets logga

umu.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Robot causal discovery aided by human interaction
Umeå universitet, Samhällsvetenskapliga fakulteten, Handelshögskolan vid Umeå universitet, Statistik.ORCID-id: 0009-0001-3326-2643
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för datavetenskap.ORCID-id: 0000-0001-7242-2200
Umeå universitet, Samhällsvetenskapliga fakulteten, Handelshögskolan vid Umeå universitet, Statistik.ORCID-id: 0000-0003-3187-1987
2023 (Engelska)Ingår i: 2023 32nd IEEE International Conference on Robot and Human Interactive Communication (RO-MAN), IEEE, 2023, s. 1731-1736Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

Causality is relatively unexplored in robotics even if it is highly relevant, in several respects. In this paper, we study how a robot’s causal understanding can be improved by allowing the robot to ask humans causal questions. We propose a general algorithm for selecting direct causal effects to ask about, given a partial causal representation (using partially directed acyclic graphs, PDAGs) obtained from observational data. We propose three versions of the algorithm inspired by different causal discovery techniques, such as constraint-based, score-based, and interventions. We evaluate the versions in a simulation study and our results show that asking causal questions improves the causal representation over all simulated scenarios. Further, the results show that asking causal questions based on PDAGs discovered from data provides a significant improvement compared to asking questions at random, and the version inspired by score-based techniques performs particularly well over all simulated experiments.

Ort, förlag, år, upplaga, sidor
IEEE, 2023. s. 1731-1736
Serie
IEEE RO-MAN proceedings, ISSN 1944-9445, E-ISSN 1944-9437
Nyckelord [en]
human-robot-interaction (hri), causal discovery, causal inference
Nationell ämneskategori
Robotteknik och automation Datavetenskap (datalogi) Sannolikhetsteori och statistik
Identifikatorer
URN: urn:nbn:se:umu:diva-219029DOI: 10.1109/RO-MAN57019.2023.10309376ISI: 001108678600221Scopus ID: 2-s2.0-85187012918ISBN: 9798350336702 (digital)ISBN: 9798350336719 (tryckt)OAI: oai:DiVA.org:umu-219029DiVA, id: diva2:1824543
Konferens
IEEE International Conference on Robot and Human Interactive Communication (RO-MAN), Busan, Korea, August 28-31, 2023
Forskningsfinansiär
VetenskapsrådetTillgänglig från: 2024-01-05 Skapad: 2024-01-05 Senast uppdaterad: 2024-03-18Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltextScopus

Person

Edström, FilipHellström, Thomasde Luna, Xavier

Sök vidare i DiVA

Av författaren/redaktören
Edström, FilipHellström, Thomasde Luna, Xavier
Av organisationen
StatistikInstitutionen för datavetenskap
Robotteknik och automationDatavetenskap (datalogi)Sannolikhetsteori och statistik

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 151 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf