具身智能：原理、算法与系统 第12章 因果推理与物理理解

目录

第12章 因果推理与物理理解

12.1 因果推理基础

12.1.1 相关性与因果性

12.1.2 因果图与do-演算

12.1.3 干预与反事实

12.1.4 因果发现算法

12.2 物理直觉学习

12.2.1 直观物理引擎

12.2.2 物体 permanence与连续性

12.2.3 稳定性预测与堆叠

12.2.4 物理场景理解数据集

12.3 因果表示学习

12.3.1 因果解耦表示

12.3.2 因果变分自编码器

12.3.3 因果强化学习

12.3.4 因果世界模型

12.4 工具使用与机械推理

12.4.1 工具 affordance 学习

12.4.2 机械优势与杠杆原理

12.4.3 工具制造与创造性问题解决

12.4.4 物理谜题求解

第12章 因果推理与物理理解

12.1 因果推理基础

因果推理是具身智能系统超越统计关联、理解世界运作机制的核心能力。与仅识别模式的相关性学习不同，因果推理使智能体能够预测干预效果、评估反事实情境，并在分布外场景中保持鲁棒性。这种能力对于机器人决策至关重要，因为机器人动作本质上是对环境的干预，理解动作与结果之间的因果机制是实现安全、可解释行为的基础。