arXiv (Abhinav Jain, Cindy Grimm, Stefan Lee)·9月20日 · 周日论文农业人工智能与决策模型阅读 0
Visuomotor Robotic Pruning in Planar Orchills Using Hybrid Reinforcement Learning（基于混合强化学习的平面果园视觉运动机器人修剪）
论文解读
80精选
速览
提出端到端视觉运动控制器，用仿真合成数据训练，零样本迁移到真实果园完成修剪。
方法
合成数据生成、物理仿真器、运动规划收集轨迹、混合强化学习、腕部相机光流。
发现
真实果园38次试验零样本迁移成功，苹果49.9%、樱桃46.0%成功率。
机会点
可探索多季节、多树种泛化及真实数据微调，提升复杂冠层下的鲁棒性。
影响力18
信息增量22
专业深度18
信源权威13
时效性9
仿真到真实零样本迁移的果园修剪机器人研究，方法新颖、数据扎实，对智慧果园机械化有参考价值。
原文摘要
arXiv发表研究：休眠期树木修剪是劳动密集型但对维持现代高产果园至关重要的工作。本文针对现代平面树形训练系统（V型棚架苹果、UFO樱桃）的修剪任务，提出端到端管线学习闭环视觉运动控制器。控制器完全使用仿真和合成生成数据进行训练，以零样本方式部署到真实果园。管线包括平面果园树网格的合成生成、基于物理的果园仿真器构建、通过运动规划自动收集成功修剪轨迹，以及结合离线演示与在线仿真推出相结合的新型混合强化学习算法。控制器使用腕部相机的光流输入，避免完整三维重建需求，连续引导切割器穿越杂乱分支环境到指定切割点并在真实果园38次物理试验中展示零样本仿真到真实迁移。在V-Trellis苹果上达到49.9%成功率，UFO樱桃上46.0%。