論文の概要: Learning to Prune Branches in Modern Tree-Fruit Orchards

• arxiv url: http://arxiv.org/abs/2507.23015v1
• Date: Wed, 30 Jul 2025 18:24:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-01 17:19:08.525687
• Title: Learning to Prune Branches in Modern Tree-Fruit Orchards
• Title（参考訳）: 近代樹果樹園における枝作の学習
• Authors: Abhinav Jain, Cindy Grimm, Stefan Lee,
• Abstract要約: ロボットプルーニングのためのクローズドループビジュモータコントローラを提案する。 コントローラは、カッターを散らばったツリー環境を案内して所定のカットポイントに達する。 我々は,枝の幾何学的分布を捉える新しい果樹園シミュレーションを用いて,コントローラを訓練する。
• 参考スコア（独自算出の注目度）: 16.03450056587704
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dormant tree pruning is labor-intensive but essential to maintaining modern highly-productive fruit orchards. In this work we present a closed-loop visuomotor controller for robotic pruning. The controller guides the cutter through a cluttered tree environment to reach a specified cut point and ensures the cutters are perpendicular to the branch. We train the controller using a novel orchard simulation that captures the geometric distribution of branches in a target apple orchard configuration. Unlike traditional methods requiring full 3D reconstruction, our controller uses just optical flow images from a wrist-mounted camera. We deploy our learned policy in simulation and the real-world for an example V-Trellis envy tree with zero-shot transfer, achieving a 30% success rate -- approximately half the performance of an oracle planner.
• Abstract（参考訳）: 休眠木刈りは労働集約的であるが、現代の生産性の高い果樹園を維持するには不可欠である。 本研究では,ロボットプルーニングのためのクローズドループ振動子コントローラを提案する。 制御装置は、カッターを散らばったツリー環境を通してガイドし、所定のカッターポイントに到達し、カッターが枝に垂直であることを保証する。 対象とするリンゴ果樹園構成における枝の幾何学的分布をキャプチャする新しい果樹園シミュレーションを用いて,コントローラを訓練する。 従来の3D再構成の手法とは異なり、我々のコントローラーは手首に装着したカメラからの光フロー画像のみを使用する。 学習したポリシをシミュレーションや現実世界にデプロイし,ゼロショット転送によるV-Trellis envy treeの例を示し,30%の成功率 – オラクルプランナのパフォーマンスの約半分 – を達成した。

関連論文リスト

• Estimating the Diameter at Breast Height of Trees in a Forest With a Single 360 Camera [52.85399274741336]
  森林在庫は、生態モニタリング、資源管理、炭素会計のために、乳房の高さ(DBH)の直径の正確な測定に頼っている。 LiDARベースの技術はセンチメートル単位の精度を達成できるが、コストは抑えられ、運用上複雑である。 コンシューマグレードの360度ビデオカメラしか必要としない低価格の代替機を提示する。
  論文  参考訳（メタデータ） (2025-05-06T01:09:07Z)
• Assessing SAM for Tree Crown Instance Segmentation from Drone Imagery [68.69685477556682]
  現在のモニタリング手法では、各種に対して手動で木を計測し、コスト、時間、労働力を必要とする。 ドローンリモートセンシングとコンピュータビジョンの進歩は、空中画像から木をマッピングし、特徴づける大きな可能性を秘めている。 若木植林の高分解能ドローン画像における樹冠の自動区分け作業におけるSAM法の比較を行った。 SAM out-of-box を用いたメソッドは、よく設計されたプロンプトであっても、カスタム Mask R-CNN よりも優れているわけではないが、SAM をチューニングするメソッドの可能性を秘めている。
  論文  参考訳（メタデータ） (2025-03-26T03:45:36Z)
• Autoregressive Generation of Static and Growing Trees [49.93294993975928]
  本稿では,ツリー生成のためのトランスフォーマーアーキテクチャとトレーニング戦略を提案する。 アーキテクチャはデータを複数の解像度で処理し、1時間ガラスの形状を持ち、中間層は外側層よりも少ないトークンを処理する。 我々は,この手法を拡張して,イメージ・ツー・ツリーとポイント・クラウド・ツー・ツリー条件生成を行い,木の成長過程をシミュレートし,4D木を生成する。
  論文  参考訳（メタデータ） (2025-02-07T08:51:14Z)
• 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)
• A Support Vector Model of Pruning Trees Evaluation Based on OTSU Algorithm [1.6402201426448004]
  本稿では, 刈り取り性能を評価するために, Otsu-SVMと呼ばれる新しい刈り取り分類戦略モデルを提案する。 この実験では、広州省雄昌地区のナシの木のデータも使用されている。 我々は,オツ-SVMが80%の精度で高い性能を示し,ナシの刈り取り評価を行った。
  論文  参考訳（メタデータ） (2022-07-08T01:24:51Z)
• Sparse Training via Boosting Pruning Plasticity with Neuroregeneration [79.78184026678659]
  本研究では, プラスティック性の観点から, 訓練を通しての刈り込みの効果について検討した。 ゼロコスト神経再生(GraNet)と動的スパーストレーニング(DST)変異(GraNet-ST)を併用した段階的プラニング(gradual pruning)法を考案した。 おそらく最も印象的なのは、ImageNet上のResNet-50との大きなマージンで、さまざまな密集したスパースメソッドに対するスパース・ツー・スパーストレーニングのパフォーマンスを初めて向上させたことだ。
  論文  参考訳（メタデータ） (2021-06-19T02:09:25Z)
• MLPruning: A Multilevel Structured Pruning Framework for Transformer-based Models [78.45898846056303]
  プルーニングは、大きな自然言語処理モデルに関連するメモリフットプリントと計算コストを削減する効果的な方法である。 我々は,頭部刈り込み,行刈り,ブロックワイズ刈りという3つの異なるレベルの構造化刈り込みを利用する,新しいマルチレベル構造化刈り込みフレームワークを開発した。
  論文  参考訳（メタデータ） (2021-05-30T22:00:44Z)
• Approach for modeling single branches of meadow orchard trees with 3D point clouds [0.0]
  果樹園の栽培は生物多様性に有益であり、集中栽培された果樹園よりも著しく高い。 本研究の目的は,牧草地内の独立樹の採集点を自動的に決定する木モデルを作ることである。
  論文  参考訳（メタデータ） (2021-04-12T08:25:27Z)
• 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)
• Assigning Apples to Individual Trees in Dense Orchards using 3D Color Point Clouds [2.384818913693926]
  トレリス構造果樹園におけるリンゴの個体数を算出する3Dカラーポイントクラウド処理パイプラインを提案する。 枝構造が見える冬期の葉果樹園から得られた点雲を用いて、樹冠を描写しています。
  論文  参考訳（メタデータ） (2020-12-26T11:28:27Z)
• Lookahead: A Far-Sighted Alternative of Magnitude-based Pruning [83.99191569112682]
  マグニチュードベースのプルーニングは、ニューラルネットワークをプルーニングする最も単純な方法の1つである。 我々は,単一層最適化を多層最適化に拡張することにより,単純なプルーニング法であるルックアヘッドプルーニングを開発した。 実験の結果,提案手法は様々なネットワーク上での大規模プルーニングよりも一貫して優れていた。
  論文  参考訳（メタデータ） (2020-02-12T05:38:42Z)

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。