論文の概要: Vision-guided Autonomous Dual-arm Extraction Robot for Bell Pepper Harvesting

• arxiv url: http://arxiv.org/abs/2603.13987v1
• Date: Sat, 14 Mar 2026 15:25:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-21 18:33:56.805071
• Title: Vision-guided Autonomous Dual-arm Extraction Robot for Bell Pepper Harvesting
• Title（参考訳）: ベルペッパーハーベスティングのための視覚誘導型自律二腕抽出ロボット
• Authors: Kshitij Madhav Bhat, Tom Gao, Abhishek Mathur, Rohit Satishkumar, Francisco Yandun, Dominik Bauer, Nancy Pollard,
• Abstract要約: 本稿では,屋外環境下でのベルペッパーの自律収穫に特化して設計されたデュアルアーム移動操作システムであるVADERについて述べる。 実生100秒未満の果実の収穫成功率を60%以上とし, 実生実環境下での試験により, システムの有効性を検証した。 頑健な知覚を支援するために,屋内領域と屋外領域にまたがる3,200以上の画像からなる階層的なデータセットを構築した。
• 参考スコア（独自算出の注目度）: 4.438198824079228
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Agricultural robotics has emerged as a critical solution to the labor shortages and rising costs associated with manual crop harvesting. Bell pepper harvesting, in particular, is a labor-intensive task, accounting for up to 50% of total production costs. While automated solutions have shown promise in controlled greenhouse environments, harvesting in unstructured outdoor farms remains an open challenge due to environmental variability and occlusion. This paper presents VADER (Vision-guided Autonomous Dual-arm Extraction Robot), a dual-arm mobile manipulation system designed specifically for the autonomous harvesting of bell peppers in outdoor environments. The system integrates a robust perception pipeline coupled with a dual-arm planning framework that coordinates a gripping arm and a cutting arm for extraction. We validate the system through trials in various realistic conditions, demonstrating a harvest success rate exceeding 60% with a cycle time of under 100 seconds per fruit, while also featuring a teleoperation fail-safe based on the GELLO teleoperation framework to ensure robustness. To support robust perception, we contribute a hierarchically structured dataset of over 3,200 images spanning indoor and outdoor domains, pairing wide-field scene images with close-up pepper images to enable a coarse-to-fine training strategy from fruit detection to high-precision pose estimation. The code and dataset will be made publicly available upon acceptance.
• Abstract（参考訳）: 農業ロボティクスは、労働不足と手作業による収穫に伴うコスト上昇に対する重要な解決策として登場した。 特にペッパー収穫は労働集約的な作業であり、生産コストの最大50%を占める。 自動的なソリューションは温室環境の制御において有望であるが、環境変動と排他性のため、非構造屋外農場での収穫はオープンな課題である。 本稿では,屋外環境下でのベルペッパーの自律収穫に特化して設計されたデュアルアーム移動操作システムであるVADERについて述べる。 このシステムは、グリップアームとカットアームを協調して抽出するデュアルアーム計画フレームワークと、堅牢な知覚パイプラインを統合している。 また,GELLO遠隔操作フレームワークをベースとした遠隔操作フェールセーフを特徴とし,収穫成功率を60%以上,実生100秒未満のサイクル時間で実証した。 強靭な認識を支援するため,屋内領域と屋外領域にまたがる3,200以上の画像からなる階層的なデータセットをコントリビュートし,広視野画像とクローズアップペッパー画像とを組み合わせて,果実検出から高精度ポーズ推定までの粗大な訓練戦略を実現する。 コードとデータセットは受理時に公開される。

関連論文リスト

• RADAR: Closed-Loop Robotic Data Generation via Semantic Planning and Autonomous Causal Environment Reset [48.645870795753105]
  ロボットのためのロバスト自動データ取得(RADAR)について紹介する。 RADARは完全に自律的でクローズドループのデータ生成エンジンで、収集サイクルから人間の介入を完全に取り除きます。 シミュレーションでは、複雑な長期タスクにおいて、最大90%の成功率を達成する。
  論文  参考訳（メタデータ） (2026-03-12T11:18:52Z)
• Decentralized Vision-Based Autonomous Aerial Wildlife Monitoring [55.159556673975544]
  野生生物モニタリングのための分散視覚に基づくマルチクワッドロータシステムを提案する。 我々のアプローチは、その自然生息地における大型種のロバスト同定と追跡を可能にする。
  論文  参考訳（メタデータ） (2025-08-20T20:05:05Z)
• RoMu4o: A Robotic Manipulation Unit For Orchard Operations Automating Proximal Hyperspectral Leaf Sensing [2.1038216828914145]
  葉レベルハイパースペクトル分光法は、表現型化、作物の健康のモニタリング、植物中の必須栄養素の同定、病気や水ストレスの検出に強力なツールであることが示されている。 この研究は、果樹園操作のためのロボット操作ユニットであるRoMu4oを紹介した。
  論文  参考訳（メタデータ） (2025-01-18T01:04:02Z)
• 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)
• Generating Diverse Agricultural Data for Vision-Based Farming Applications [74.79409721178489]
  このモデルは, 植物の成長段階, 土壌条件の多様性, 照明条件の異なるランダム化フィールド配置をシミュレートすることができる。 我々のデータセットにはセマンティックラベル付き12,000の画像が含まれており、精密農業におけるコンピュータビジョンタスクの包括的なリソースを提供する。
  論文  参考訳（メタデータ） (2024-03-27T08:42:47Z)
• Polybot: Training One Policy Across Robots While Embracing Variability [70.74462430582163]
  複数のロボットプラットフォームにデプロイするための単一のポリシーをトレーニングするための重要な設計決定セットを提案する。 われわれのフレームワークは、まず、手首カメラを利用して、我々のポリシーの観察空間と行動空間を具体化して調整する。 6つのタスクと3つのロボットにまたがる60時間以上のデータセットを用いて,関節の形状や大きさの異なるデータセットの評価を行った。
  論文  参考訳（メタデータ） (2023-07-07T17:21:16Z)
• 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)
• 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)
• 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)

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。