본 논문은 공유 환경(창고, 쇼핑센터, 병원 등)에서 로봇과 인간의 상호작용에 대한 심층적인 이해를 위해 인과 추론 기반의 의사결정 프레임워크를 제안합니다. 특히, 로봇의 배터리 사용량과 인간의 장애물을 예측하고 이러한 요소들이 로봇 작업 실행에 미치는 영향을 이해하여 로봇이 작업을 언제 어떻게 완료할지 결정하는 데 도움을 줍니다. 이를 위해, 문맥에 민감한 인간-로봇 공간 상호작용을 모델링하는 새로운 Gazebo 기반 시뮬레이터 PeopleFlow를 개발하고, 창고 환경을 사례 연구로 활용하여 인과 추론 기반 접근 방식을 비인과적 기준과 비교 평가했습니다. 결과적으로 인과 추론이 동적 환경에서 로봇의 효율성과 안전성을 향상시킨다는 것을 보여줍니다.
