論文の概要: AlphaGarden: Learning to Autonomously Tend a Polyculture Garden

• arxiv url: http://arxiv.org/abs/2111.06014v1
• Date: Thu, 11 Nov 2021 01:55:54 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-12 15:06:28.274141
• Title: AlphaGarden: Learning to Autonomously Tend a Polyculture Garden
• Title（参考訳）: AlphaGarden:多文化の庭を自律的に破壊する学習
• Authors: Mark Presten, Yahav Avigal, Mark Theis, Satvik Sharma, Rishi Parikh, Shrey Aeron, Sandeep Mukherjee, Sebastian Oehme, Simeon Adebola, Walter Teitelbaum, Varun Kamat and Ken Goldberg
• Abstract要約: AlphaGardenは、1.5m×3.0mの物理的テストベッドに植物を植えて灌水する、自律的な多文化庭園だ。 我々は、植物の成長と植物間動態をモデル化し、葉のカバー範囲と多様性を最大化するための行動を選択する政策を訓練する。 その結果、AlphaGardenは、サイクルのピーク時に平均0.86のキャノピーカバレッジを維持しながら、刈り上げせん断によって0.96の正規化された多様性を自律的に達成できることが示唆された。
• 参考スコア（独自算出の注目度）: 11.976788460415712
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents AlphaGarden: an autonomous polyculture garden that prunes and irrigates living plants in a 1.5m x 3.0m physical testbed. AlphaGarden uses an overhead camera and sensors to track the plant distribution and soil moisture. We model individual plant growth and interplant dynamics to train a policy that chooses actions to maximize leaf coverage and diversity. For autonomous pruning, AlphaGarden uses two custom-designed pruning tools and a trained neural network to detect prune points. We present results for four 60-day garden cycles. Results suggest AlphaGarden can autonomously achieve 0.96 normalized diversity with pruning shears while maintaining an average canopy coverage of 0.86 during the peak of the cycle. Code, datasets, and supplemental material can be found at https://github.com/BerkeleyAutomation/AlphaGarden.
• Abstract（参考訳）: 本稿では,1.5m×3.0mの物理的テストベッドに植物を植えて灌水する,自律型多文化庭園であるAlphaGardenについて述べる。 AlphaGardenは頭上カメラとセンサーを使って植物の分布と土壌の水分を追跡する。 我々は、植物の成長と植物間動態をモデル化し、葉のカバレッジと多様性を最大化する行動を選択する政策を訓練する。 自律的な刈り取りのために、alphagardenは2つのカスタムデザインの刈り取りツールと訓練されたニューラルネットワークを使用してプルーンポイントを検出する。 我々は,60日間の園芸サイクルを4回実施した。 以上の結果から,alphagarden は周期のピーク時の平均キャノピーカバレッジ 0.86 を維持しつつ,刈り込みせん断によって 0.96 の正規化多様性を自律的に達成できることが示唆された。 コード、データセット、補足資料はhttps://github.com/BerkeleyAutomation/AlphaGarden.comにある。

関連論文リスト

• Outdoor Scene Extrapolation with Hierarchical Generative Cellular Automata [70.9375320609781]
  我々は,自律走行車(AV)で多量に捕獲された大規模LiDARスキャンから微細な3次元形状を生成することを目指している。 本稿では,空間的にスケーラブルな3次元生成モデルである階層型生成セルオートマトン (hGCA) を提案する。
  論文  参考訳（メタデータ） (2024-06-12T14:56:56Z)
• VAPOR: Legged Robot Navigation in Outdoor Vegetation Using Offline Reinforcement Learning [53.13393315664145]
  本研究では,非構造で密集した屋外環境における自律脚ロボットナビゲーションのための新しい手法であるVAPORを提案する。 本手法は,アクター・クリティカル・ネットワークと実際の屋外植生で収集された任意のデータを用いて,新しいRLポリシーを訓練する。 VAPORの動作は成功率を最大40%向上させ、平均電流消費量を最大2.9%削減し、正規化軌道長を最大11.2%削減する。
  論文  参考訳（メタデータ） (2023-09-14T16:21:27Z)
• Biomaker CA: a Biome Maker project using Cellular Automata [69.82087064086666]
  Cellular Automata (CA) を用いたBiome Makerプロジェクトについて紹介する。 バイオメーカーCAでは、形態形成は第一級の市民であり、小さな種子を植物のような生物に成長させ、栄養失調環境で生き残る必要がある。 このプロジェクトによって、さまざまなモデルアーキテクチャや突然変異戦略とともに、さまざまな種類の環境や「物理学」の法則が実現可能であることを示す。
  論文  参考訳（メタデータ） (2023-07-18T15:03:40Z)
• Automated Pruning of Polyculture Plants [13.297983318693753]
  ポリカルチャー農業は環境上の利点があるが、モノカルチャー農業よりもかなり多くの耕作を必要とする。 自動プルーニングのための新しいハードウェアとアルゴリズムを提案する。 結果は, 刈り取りせん断による植物多様性を0.94 に自律的に達成できることを示唆している。
  論文  参考訳（メタデータ） (2022-08-22T17:49:22Z)
• Deep-CNN based Robotic Multi-Class Under-Canopy Weed Control in Precision Farming [2.6085535710135654]
  リアルタイム多クラス雑草識別は雑草の種特異的な処理を可能にし、除草剤の使用量を著しく減少させる。 本稿では,5つのベンチマークCNNモデルを用いた分類性能のベースラインを提案する。 我々はMobileNetV2を、リアルタイム雑草検出のためのコンパクトな自律ロボットTextitSAMBotにデプロイする。
  論文  参考訳（メタデータ） (2021-12-28T03:51:55Z)
• Geometry-Aware Fruit Grasping Estimation for Robotic Harvesting in Orchards [6.963582954232132]
  幾何認識ネットワークであるA3Nは、エンドツーエンドのインスタンスセグメンテーションと把握推定を行うために提案されている。 我々は,フィールド環境下での果実の認識と検索をロボットが正確に行うことができるグローバル・ローカル・スキャン・ストラテジーを実装した。 全体として、ロボットシステムは、収穫実験において70%から85%の範囲で収穫の成功率を達成する。
  論文  参考訳（メタデータ） (2021-12-08T16:17:26Z)
• A procedure for automated tree pruning suggestion using LiDAR scans of fruit trees [0.0]
  果樹栽培において、刈り込みは過密化を防ぎ、光への天蓋のアクセスを改善し、再成長を促進するための重要な管理手法である。 本稿では,LiDARをスキャンした市販果樹の採種戦略を採点関数を用いて提案する枠組みを提案する。 光の分布は25.15%向上し、実木での商業的な刈り取りよりも16%向上した。
  論文  参考訳（メタデータ） (2021-02-07T02:18:56Z)
• A CNN Approach to Simultaneously Count Plants and Detect Plantation-Rows from UAV Imagery [56.10033255997329]
  畳み込みニューラルネットワーク(CNN)を用いた新しい深層学習手法を提案する。 高度に乾燥したプランテーション構成を考慮した植物を数えながら、同時にプランテーション・ロウを検出し、配置する。 提案手法は、異なる種類の作物のUAV画像において、植物と植物をカウントおよびジオロケートするための最先端の性能を達成した。
  論文  参考訳（メタデータ） (2020-12-31T18:51:17Z)
• Estimating Crop Primary Productivity with Sentinel-2 and Landsat 8 using Machine Learning Methods Trained with Radiative Transfer Simulations [58.17039841385472]
  我々は,機械モデリングと衛星データ利用の並列化を活用し,作物生産性の高度モニタリングを行う。 本モデルでは, 地域情報を使用しなくても, 各種C3作物の種類, 環境条件の総合的生産性を推定することに成功した。 これは、現在の地球観測クラウドコンピューティングプラットフォームの助けを借りて、新しい衛星センサーから作物の生産性をグローバルにマップする可能性を強調しています。
  論文  参考訳（メタデータ） (2020-12-07T16:23:13Z)
• Rethinking Learnable Tree Filter for Generic Feature Transform [71.77463476808585]
  Learnable Tree Filterはセマンティックセグメンテーションのためのモデル構造保存関係に対する顕著なアプローチを示す。 幾何学的制約を緩和するために,マルコフ確率場として再構成して解析を行い,学習可能な不定項を導入する。 セマンティックセグメンテーションでは、ベルとホイッスルなしでCityscapesベンチマークでトップパフォーマンス(82.1% mIoU)を達成しています。
  論文  参考訳（メタデータ） (2020-12-07T07:16:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。