本文针对多传感器融合感知系统中故障根因分析困难的问题，提出了一种基于干预的方法（Interventional Root Cause Analysis, IRCA）。传统故障根因分析通常基于观测数据，难以区分相关性与因果关系。作者借鉴因果推断中的干预思想，通过主动改变系统输入或模块参数来观察输出变化，从而识别导致故障的真正原因。具体而言，论文设计了一个干预框架，该框架能够系统性地扰动传感器输入或中间融合模块，并利用因果图模型量化各组件对最终感知故障的贡献程度。在自动驾驶领域的多传感器（如激光雷达、摄像头）融合数据集上进行了实验，结果表明所提方法相比现有基于关联或反向传播的根因分析方法，定位准确率提升了15%以上，且能够有效处理传感器失准、时序不同步等实际常见故障类型。该方法不仅适用于自动驾驶感知系统，还可推广至机器人、物联网等依赖多源数据融合的复杂系统。