في ظل تزايد دمج الروبوتات في البيئات المشتركة مثل المستودعات ومراكز التسوق والمستشفيات، يصبح من الضروري أن نفهم الديناميات والسلوك البشري بشكل شامل. لا يقتصر الأمر على دراسة الارتباطات البسيطة، بل يتطلب الأمر تحليلاً سببياً أكثر تعقيداً لتوقع العوامل البيئية الحرجة.

تقوم الابتكارات الحديثة في مجال الذكاء الاصطناعي بتطبيق استنتاج سببي لتحديد العلاقات بين السبب والنتيجة، مما يسمح للروبوتات بتحسين تخطيطها وتنفيذ مهامها بفعالية أكبر. ومن هنا، نقدم إطارًا مبتكرًا يعتمد على السببية لتسهيل اتخاذ القرارات للروبوتات.

في دراسة الحالة التي تم تحليلها، والتي تتعلق بمستودع مشترك مع الأشخاص، استخدمنا النموذج السببي لتقدير استهلاك البطارية والعوائق البشرية كعوامل تؤثر على تنفيذ مهام الروبوتات. يساعد هذا الإطار الروبوتات على اتّخاذ قرارات مدروسة بشأن توقيت المهام واستراتيجيات التنفيذ.

لتحقيق ذلك، قمنا بتطوير PeopleFlow، وهو محاكي جديد يعتمد على Gazebo يهدف إلى نمذجة التفاعلات الفراغية بين البشر والروبوتات في بيئات العمل المشتركة. يتميز PeopleFlow بمسارات بشرية وروبوتية واقعية تتأثر بعوامل سياقية مثل الوقت وتخطيط البيئة وحالة الروبوت، وقادر على محاكاة عدد كبير من الوكلاء.

على الرغم من أن المحاكي مخصص للاستخدام العام، تركز دراستنا على بيئة تشبه المستودع حيث قمنا بإجراء تقييم شامل لمقارنتنا النهج السببي بناحية عدم السببية.

توضح نتائج دراستنا فعالية الحلول المقترحة، مما يسلط الضوء على كيف أن التفكير السببي يمكّن الروبوتات المستقلة من العمل بشكل أكثر كفاءة وأمانًا في البيئات الديناميكية المشتركة مع البشر.