論文の概要: A Deep Learning Driven Algorithmic Pipeline for Autonomous Navigation in Row-Based Crops

• arxiv url: http://arxiv.org/abs/2112.03816v1
• Date: Tue, 7 Dec 2021 16:46:17 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-08 15:24:43.665497
• Title: A Deep Learning Driven Algorithmic Pipeline for Autonomous Navigation in Row-Based Crops
• Title（参考訳）: 列型作物の自律ナビゲーションのためのディープラーニング駆動アルゴリズムパイプライン
• Authors: Simone Cerrato, Vittorio Mazzia, Francesco Salvetti, Marcello Chiaberge
• Abstract要約: 我々は、ローレンジセンサーと季節変動に対応するために特別に設計された、行ベースの自律ナビゲーションのための完全なアルゴリズムパイプラインを提案する。 我々は、データ駆動の堅牢な手法に基づいて、作物の完全な拡張を、フィールドの占有グリッドマップ情報のみでカバーし、自律機械の実行可能なパスを生成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Expensive sensors and inefficient algorithmic pipelines significantly affect the overall cost of autonomous machines. However, affordable robotic solutions are essential to practical usage, and their financial impact constitutes a fundamental requirement to employ service robotics in most fields of application. Among all, researchers in the precision agriculture domain strive to devise robust and cost-effective autonomous platforms in order to provide genuinely large-scale competitive solutions. In this article, we present a complete algorithmic pipeline for row-based crops autonomous navigation, specifically designed to cope with low-range sensors and seasonal variations. Firstly, we build on a robust data-driven methodology to generate a viable path for the autonomous machine, covering the full extension of the crop with only the occupancy grid map information of the field. Moreover, our solution leverages on latest advancement of deep learning optimization techniques and synthetic generation of data to provide an affordable solution that efficiently tackles the well-known Global Navigation Satellite System unreliability and degradation due to vegetation growing inside rows. Extensive experimentation and simulations against computer-generated environments and real-world crops demonstrated the robustness and intrinsic generalizability of our methodology that opens the possibility of highly affordable and fully autonomous machines.
• Abstract（参考訳）: 高価なセンサーと非効率なアルゴリズムパイプラインは、自律機械全体のコストに大きな影響を及ぼす。 しかし、安価なロボットソリューションは実用上必須であり、その経済的影響は、ほとんどの応用分野においてサービスロボティクスを採用することの基本的な要件となっている。 中でも、精密農業分野の研究者は、真に大規模な競合ソリューションを提供するために、堅牢でコスト効率の高い自律プラットフォームを開発しようとしている。 本稿では,ローレンジセンサと季節変動に特化して設計された,行ベースの自律ナビゲーションのための完全なアルゴリズムパイプラインを提案する。 まず、我々は、自律機械の実行可能な経路を生成するための堅牢なデータ駆動手法を構築し、フィールドの占有グリッドマップ情報のみを含む作物の完全な拡張をカバーします。 さらに,本手法は,近年のディープラーニング最適化技術とデータ合成の進歩を活用し,よく知られたグローバルナビゲーション衛星システムの信頼性の低下と,内部の植生の増大による劣化に効果的に取り組む,安価なソリューションを提供する。 計算機環境や実世界の作物に対する広範囲な実験とシミュレーションは、高度に安価で完全な自律的な機械の可能性を開く手法の堅牢性と本質的な一般化性を実証した。

関連論文リスト

• Aquatic Navigation: A Challenging Benchmark for Deep Reinforcement Learning [53.3760591018817]
  ゲームエンジンとDeep Reinforcement Learningの統合の最近の進歩を利用して,水上ナビゲーションのための新しいベンチマーク環境を提案する。 具体的には、最も広く受け入れられているアルゴリズムの一つであるPPOに着目し、先進的なトレーニング手法を提案する。 実験により,これらの成分をうまく組み合わせることで,有望な結果が得られることが示された。
  論文  参考訳（メタデータ） (2024-05-30T23:20:23Z)
• Open-sourced Data Ecosystem in Autonomous Driving: the Present and Future [130.87142103774752]
  このレビューは、70以上のオープンソースの自動運転データセットを体系的に評価する。 高品質なデータセットの作成の基礎となる原則など、さまざまな側面に関する洞察を提供する。 また、解決を保障する科学的、技術的課題も検討している。
  論文  参考訳（メタデータ） (2023-12-06T10:46:53Z)
• Synthetic Datasets for Autonomous Driving: A Survey [13.287734271923565]
  実世界のデータセットは、高価で時間を要する実験とラベル付けのコストのために、要求の変化のペースに遅れずにはいられない。 ますます多くの研究者が、リッチで変化しやすいデータを生成するために、合成データセットに目を向けている。
  論文  参考訳（メタデータ） (2023-04-24T15:46:10Z)
• Generative AI-empowered Simulation for Autonomous Driving in Vehicular Mixed Reality Metaverses [130.15554653948897]
  車両混合現実(MR)メタバースでは、物理的実体と仮想実体の間の距離を克服することができる。 現実的なデータ収集と物理世界からの融合による大規模交通・運転シミュレーションは困難かつコストがかかる。 生成AIを利用して、無制限の条件付きトラフィックを合成し、シミュレーションでデータを駆動する自律運転アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-02-16T16:54:10Z)
• Position-Agnostic Autonomous Navigation in Vineyards with Deep Reinforcement Learning [1.2599533416395767]
  そこで本稿では, 高精度な局所化データを活用することなく, フレキシブルな学習アプローチでタスク調整アルゴリズムを克服することなく, 自動ブドウ園ナビゲーションの課題に対処する, 最先端の軽量ソリューションを提案する。 我々は、ノイズの多い深度画像と位置認識ロボットの状態情報を速度コマンドに直接マッピングし、ロボットを行の端まで案内し、衝突のない中心軌道への進路を連続的に調整するエンドツーエンドのセンサモレータエージェントを訓練する。
  論文  参考訳（メタデータ） (2022-06-28T17:03:37Z)
• Navigational Path-Planning For All-Terrain Autonomous Agricultural Robot [0.0]
  本報告は農地の自律ナビゲーションのための新しいアルゴリズムの比較である。 インドの環境に特有な高解像度グリッドマップ表現について検討する。 その結果、自律的なフィールドナビゲーションとロボット経路計画の実現性にアルゴリズムが適用可能であることが証明された。
  論文  参考訳（メタデータ） (2021-09-05T07:29:13Z)
• Deep Semantic Segmentation at the Edge for Autonomous Navigation in Vineyard Rows [0.0]
  精密農業は、農業プロセスに安価で効果的な自動化を導入することを目的としている。 提案する制御は,機械認識技術とエッジAI技術の最新技術を活用して,ブドウ畑の列内における高精度で信頼性の高いナビゲーションを実現する。 制御アルゴリズム自体によって生成されたセグメンテーションマップは、作物の状態の植物性評価のためのフィルタとして直接利用することができる。
  論文  参考訳（メタデータ） (2021-07-01T18:51:58Z)
• Efficient and Robust LiDAR-Based End-to-End Navigation [132.52661670308606]
  我々は,LiDARをベースとした効率的なエンドツーエンドナビゲーションフレームワークを提案する。 本稿では,スパース畳み込みカーネル最適化とハードウェア対応モデル設計に基づくFast-LiDARNetを提案する。 次に,単一の前方通過のみから予測の不確かさを直接推定するハイブリッド・エビデンシャル・フュージョンを提案する。
  論文  参考訳（メタデータ） (2021-05-20T17:52:37Z)
• DeepWay: a Deep Learning Waypoint Estimator for Global Path Generation [1.3764085113103222]
  本研究は,占有グリッドマップを与えられたウェイポイントを推定できる特徴学習完全畳み込みモデルを提案する。 特に,本提案手法を行ベースの作物の特定事例に適用し,その拡大を完全にカバーできる大域的な経路を生成する。
  論文  参考訳（メタデータ） (2020-10-30T15:27:42Z)
• Integrated Benchmarking and Design for Reproducible and Accessible Evaluation of Robotic Agents [61.36681529571202]
  本稿では,開発とベンチマークを統合した再現性ロボット研究の新しい概念について述べる。 このセットアップの中心的なコンポーネントの1つはDuckietown Autolabであり、これは比較的低コストで再現可能な標準化されたセットアップである。 本研究では,インフラを用いて実施した実験の再現性を解析し,ロボットのハードウェアや遠隔実験室間でのばらつきが低いことを示す。
  論文  参考訳（メタデータ） (2020-09-09T15:31:29Z)

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。