論文の概要: FruitTouch: A Perceptive Gripper for Gentle and Scalable Fruit Harvesting

• arxiv url: http://arxiv.org/abs/2602.18991v1
• Date: Sun, 22 Feb 2026 00:38:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.623049
• Title: FruitTouch: A Perceptive Gripper for Gentle and Scalable Fruit Harvesting
• Title（参考訳）: FruitTouch: ジェントルとスケーラブルなFruitHarvestingのための知覚的なグリッパー
• Authors: Ruohan Zhang, Mohammad Amin Mirzaee, Wenzhen Yuan,
• Abstract要約: FruitTouchは,光学設計を最適化し,視覚に基づく触覚センサを統合した小型グリップである。 この構成は、低コストで機械的な単純さを維持しながら、幅広い果物のサイズに対応できる。 実生果実収穫実験における握手の有効性を検証し,頑健な握力安定性と効果的な損傷防止を実証した。
• 参考スコア（独自算出の注目度）: 6.309415246949718
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The automation of fruit harvesting has gained increasing significance in response to rising labor shortages. A sensorized gripper is a key component of this process, which must be compact enough for confined spaces, able to stably grasp diverse fruits, and provide reliable feedback on fruit conditions for efficient harvesting. To address this need, we propose FruitTouch, a compact gripper that integrates high-resolution, vision-based tactile sensing through an optimized optical design. This configuration accommodates a wide range of fruit sizes while maintaining low cost and mechanical simplicity. Tactile images captured by an embedded camera provide rich information for real-time force estimation, slip detection, and softness prediction. We validate the gripper in real-world fruit harvesting experiments, demonstrating robust grasp stability and effective damage prevention.
• Abstract（参考訳）: 果実収穫の自動化は、労働力不足の増大に対応して重要性が増している。 センサ付きグリップは、このプロセスの重要な要素であり、閉じ込められた空間に十分コンパクトで、多様な果実を安定して把握でき、効率的な収穫のための果物条件に対する信頼性の高いフィードバックを提供する必要がある。 このニーズに対処するために、最適化された光学設計により高解像度の視覚ベースの触覚センシングを統合する小型グリップであるFruitTouchを提案する。 この構成は、低コストで機械的な単純さを維持しながら、幅広い果物のサイズに対応できる。 組込みカメラが捉えた触覚画像は、リアルタイムの力推定、スリップ検出、ソフトネス予測のための豊富な情報を提供する。 実生果実収穫実験における握手の有効性を検証し,頑健な握力安定性と効果的な損傷防止を実証した。

関連論文リスト

• Robotic Fruits with Tunable Stiffness and Sensing: Towards a Methodology for Developing Realistic Physical Twins of Fruits [6.6075314860248895]
  世界のアグリフード部門は、労働力不足、高い消費者需要、サプライチェーンの破壊といった課題に直面している。 微妙な果実の柔らかいグリッパーの評価と訓練は, 天然物の機械的特性が高度に変化するため, 依然として困難である。 既存のテストプラクティスは、この変動を捉えるために大量の実の果実に依存しており、非効率性、高いコスト、無駄につながります。 この研究は、ロボットの物理的双生児が実の果実と似た硬さを調整できることを約束している。
  論文  参考訳（メタデータ） (2026-02-20T23:40:16Z)
• Investigating Sensors and Methods in Grasp State Classification in Agricultural Manipulation [2.5500425544365335]
  本研究は、慣性測定ユニット(IMU)、赤外線反射、テンション、触覚センサー、RGBカメラなどの一連のキーセンサーを、グリップ状態の分類に適合するグリップパーに統合する。 ランダムフォレスト分類器は、制御された実験室環境で訓練され、本物のサクラトマトの植物で試験され、スリップの特定、失敗の把握、ピックの成功において100%の精度を達成した。
  論文  参考訳（メタデータ） (2025-08-15T16:47:42Z)
• Anticipatory Understanding of Resilient Agriculture to Climate [66.008020515555]
  本稿では,リモートセンシング,深層学習,作物収量モデリング,食品流通システムの因果モデリングを組み合わせることで,食品のセキュリティホットスポットをよりよく識別する枠組みを提案する。 我々は、世界の人口の大部分を供給している北インドの小麦パンバスケットの分析に焦点をあてる。
  論文  参考訳（メタデータ） (2024-11-07T22:29:05Z)
• A Dataset and Benchmark for Shape Completion of Fruits for Agricultural Robotics [30.46518628656399]
  本稿では,農業用視覚システムのための3次元形状補完データセットを提案する。 果実の3次元形状を推定するためのRGB-Dデータセットを提供する。
  論文  参考訳（メタデータ） (2024-07-18T09:07:23Z)
• How Much You Ate? Food Portion Estimation on Spoons [63.611551981684244]
  現在の画像に基づく食品部分推定アルゴリズムは、ユーザが食事の画像を1、2回取ることを前提としている。 本稿では,静止型ユーザ向けカメラを用いて,機器上の食品の追跡を行う革新的なソリューションを提案する。 本システムは,スープやシチューなどの液状固形不均一混合物の栄養含量の推定に信頼性が高い。
  論文  参考訳（メタデータ） (2024-05-12T00:16:02Z)
• Fruit Ripeness Classification: a Survey [59.11160990637616]
  食品を格付けするための特徴記述子を多用する多くの自動的手法が提案されている。 機械学習とディープラーニング技術がトップパフォーマンスの手法を支配している。 ディープラーニングは生のデータで操作できるため、複雑なエンジニアリング機能を計算する必要がなくなる。
  論文  参考訳（メタデータ） (2022-12-29T19:32:20Z)
• NBV-SC: Next Best View Planning based on Shape Completion for Fruit Mapping and Reconstruction [11.45602594277673]
  本稿では,予測された果実の形状に関する情報を明示的に利用して,対象とする視点を計算する新しい視点計画手法を提案する。 また, 市販のガラスハウスにおいて, 本物のロボットシステムによる甘辛料のマッピングが実現可能であることを示す。
  論文  参考訳（メタデータ） (2022-09-30T11:09:54Z)
• Potato Crop Stress Identification in Aerial Images using Deep Learning-based Object Detection [60.83360138070649]
  本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。 主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。 実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
  論文  参考訳（メタデータ） (2021-06-14T21:57:40Z)

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。