[预印本]面向农业机器人在多变天气与地形下基于视觉-语言模型的上下文自适应农药喷洒(Context-Aware Adaptive Pesticide Spraying for Agricultural Robots under Changing Weather and Terrain Using Vision-Language Models)
提出基于视觉-语言模型的上下文自适应农药喷洒框架,结合MPPI控制实现精准喷洒。
视觉-语言模型空间推理,融合作物、农药与气象数据,MPPI轨迹跟踪控制。
作物行检测精度至少提升30%,可灵活调节喷洒量与速度并减少农药漂移。
预印本未实地验证,可探索真实多变天气地形下的VLM鲁棒性与多模态数据融合优化。
预印本提出VLM驱动的自适应喷洒框架,方法新颖且减药减排指向明确,但未经同行评议与实地验证,宜作前沿动态收录而非重点精选。
arXiv论文(2610.08807,2026年10月6日提交)提出基于视觉-语言模型(VLM)的上下文自适应喷洒框架,通过空间推理整合作物、农药、气象数据驱动喷洒决策,并结合MPPI轨迹跟踪控制。作物行检测精度至少提升30%,机器人可在两种环境中灵活调节喷洒量与行驶速度并减少农药漂移。[预印本未经同行评议,尚未实地部署验证]。