論文の概要: AGRO: An Autonomous AI Rover for Precision Agriculture

• arxiv url: http://arxiv.org/abs/2505.01200v1
• Date: Fri, 02 May 2025 11:44:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-05 17:21:20.008569
• Title: AGRO: An Autonomous AI Rover for Precision Agriculture
• Title（参考訳）: AGRO:精密農業のための自律型AIローバー
• Authors: Simar Ghumman, Fabio Di Troia, William Andreopoulos, Mark Stamp, Sanjit Rai,
• Abstract要約: 無人地上車両(UGV)は、精密農業の世界で重要なツールとして浮上している。 本研究は、農業分野を自律的に横断し、データをキャプチャできるUGVの開発に焦点を当てる。 このプロジェクトはAGRO(Autonomous Ground Rover Observer)と呼ばれ、機械学習、コンピュータビジョン、その他のセンサー技術を活用している。
• 参考スコア（独自算出の注目度）: 2.0971479389679333
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Unmanned Ground Vehicles (UGVs) are emerging as a crucial tool in the world of precision agriculture. The combination of UGVs with machine learning allows us to find solutions for a range of complex agricultural problems. This research focuses on developing a UGV capable of autonomously traversing agricultural fields and capturing data. The project, known as AGRO (Autonomous Ground Rover Observer) leverages machine learning, computer vision and other sensor technologies. AGRO uses its capabilities to determine pistachio yields, performing self-localization and real-time environmental mapping while avoiding obstacles. The main objective of this research work is to automate resource-consuming operations so that AGRO can support farmers in making data-driven decisions. Furthermore, AGRO provides a foundation for advanced machine learning techniques as it captures the world around it.
• Abstract（参考訳）: 無人地上車両(UGV)は、精密農業の世界で重要なツールとして浮上している。 UGVと機械学習を組み合わせることで、さまざまな複雑な農業問題の解決策を見つけることができます。 本研究は、農業分野を自律的に横断し、データをキャプチャできるUGVの開発に焦点を当てる。 このプロジェクトはAGRO(Autonomous Ground Rover Observer)と呼ばれ、機械学習、コンピュータビジョン、その他のセンサー技術を活用している。 AGROはその能力を利用してピスタチオの収量を決定し、障害物を避けながら自己局在化とリアルタイム環境マッピングを行う。 本研究の主な目的は、データ駆動型意思決定において、AGROが農家を支援することができるように、リソース消費業務を自動化することである。 さらに、AGROは、周囲の世界を捉えながら、高度な機械学習技術の基礎を提供する。

関連論文リスト

• AgroLLM: Connecting Farmers and Agricultural Practices through Large Language Models for Enhanced Knowledge Transfer and Practical Application [1.9643850583333375]
  AgroLLMは、Large Language Models(LLM)とRetrieval-Augmented Generation(RAG)フレームワークを使用して、農業における知識共有と教育を強化するように設計されている。 4つの主要農業領域における性能評価のための3つの先進モデルの比較研究を行った。 RAGを用いたChatGPT-4o Miniの精度は93%であった。
  論文  参考訳（メタデータ） (2025-02-28T04:13:18Z)
• Agri-LLaVA: Knowledge-Infused Large Multimodal Assistant on Agricultural Pests and Diseases [49.782064512495495]
  農業分野における最初のマルチモーダル・インストラクション・フォロー・データセットを構築した。 このデータセットは、約40万のデータエントリを持つ221種類以上の害虫と病気をカバーしている。 本稿では,農業用マルチモーダル対話システムであるAgri-LLaVAを開発するための知識注入型学習手法を提案する。
  論文  参考訳（メタデータ） (2024-12-03T04:34:23Z)
• AgriLLM: Harnessing Transformers for Farmer Queries [2.8592691160719554]
  本研究は,農業従事者を対象とした問合せ解決の自動化におけるLarge Language Models (LLMs) の変容の可能性を探るものである。 インドで収集された現実世界のファーマークェリの膨大なデータセットのサブセットを用いて、我々の研究はタミル・ナドゥ州の約400万のクェリに焦点を当てた。
  論文  参考訳（メタデータ） (2024-06-21T07:37:41Z)
• Empowering Agrifood System with Artificial Intelligence: A Survey of the Progress, Challenges and Opportunities [86.89427012495457]
  我々は、AI技術がアグリフードシステムをどう変え、現代のアグリフード産業に貢献するかをレビューする。 本稿では,農業,畜産,漁業において,アグリフードシステムにおけるAI手法の進歩について概説する。 我々は、AIで現代のアグリフードシステムを変革するための潜在的な課題と有望な研究機会を強調します。
  論文  参考訳（メタデータ） (2023-05-03T05:16:54Z)
• Domain Generalization for Crop Segmentation with Standardized Ensemble Knowledge Distillation [42.39035033967183]
  サービスロボットは、周囲を理解し、野生のターゲットを識別するリアルタイム認識システムが必要です。 しかし、既存の方法はしばしば、新しい作物や環境条件への一般化において不足している。 本稿では,知識蒸留を用いた領域一般化手法を提案する。
  論文  参考訳（メタデータ） (2023-04-03T14:28:29Z)
• Affordable Artificial Intelligence -- Augmenting Farmer Knowledge with AI [1.9992810351494297]
  本稿では,農地の微小気候を予測するためのAI技術について述べる。 この出版物は2016年に開始され、FAOとITUが共同で制作したE-agriculture in Actionシリーズの第5弾である。 農業における既存のAIアプリケーションに対する認識を高め、ステークホルダーに新しいものの開発と複製を促すことを目的としている。
  論文  参考訳（メタデータ） (2023-03-04T02:29:52Z)
• 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)
• Towards Green Automated Machine Learning: Status Quo and Future Directions [71.86820260846369]
  AutoMLは高いリソース消費で批判されている。 本稿では,AutoMLプロセス全体を環境に優しいものにするためのパラダイムであるGreen AutoMLを提案する。
  論文  参考訳（メタデータ） (2021-11-10T18:57:27Z)

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。