論文の概要: Conceptual Design of an Ecosystem for Real Farm Data Collection toward Agricultural AI Foundation Models
- arxiv url: http://arxiv.org/abs/2606.23258v1
- Date: Mon, 22 Jun 2026 12:42:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-24 22:57:44.178009
- Title: Conceptual Design of an Ecosystem for Real Farm Data Collection toward Agricultural AI Foundation Models
- Title（参考訳）: 農業AI基盤モデルに向けたリアルファームデータ収集のためのエコシステムの概念設計
- Authors: Junsei Tanaka, Yoshihiro Sato,
- Abstract要約: データ不足は、農業ロボットのためのAIと基礎モデルを開発する上での根本的な課題である。
本稿では,実際の農業データの持続可能な収集と流通のためのエコシステムを提案する。
我々は農業ロボットが生み出す経済的価値を見積もる。
- 参考スコア（独自算出の注目度）: 1.7403133838762448
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Data scarcity is a fundamental challenge in developing AI and foundation models for agricultural robots. Existing open-source data platforms do not provide sufficient incentives for data providers so long-term data collection remains difficult. Furthermore, advances in generative AI have introduced a new challenge of verifying that collected data genuinely originates from real farm environments. We propose an ecosystem for the sustainable collection and distribution of real farm data, integrating automatic pricing driven by demand and rarity, revenue sharing that distributes earnings to farmers as an incentive to keep providing data, and data authenticity guarantees through authenticated device uploads. To demonstrate the economic sustainability for all three parties among farmers, AI companies, and the platform, we estimate the economic value that agricultural robots stand to generate.
- Abstract（参考訳）: データ不足は、農業ロボットのためのAIと基礎モデルを開発する上での根本的な課題である。
既存のオープンソースデータプラットフォームは、データプロバイダに十分なインセンティブを提供していないため、長期的なデータ収集は依然として困難である。
さらに、生成AIの進歩は、収集されたデータが実際の農場環境から真に発生することを検証するための新しい挑戦をもたらした。
本稿では,データ提供を継続するインセンティブとして,需要と希少性による自動価格設定,収益を農家に分配する収益分配,認証されたデバイスアップロードによるデータの真正性保証といった,実農データの持続的収集と流通のためのエコシステムを提案する。
農業ロボットが生み出す経済的価値を、農家、AI企業、プラットフォーム内の3つの政党の経済的持続性を示すために、我々は、農業ロボットが生み出す経済的価値を見積もる。
関連論文リスト
- How Hyper-Datafication Impacts the Sustainability Costs in Frontier AI [7.995068383762489]
本研究では、サステナビリティレンズを用いて、AIにおける大規模データの環境、社会的、経済的コストについて検討する。
Hugging Face Hubから約550,000のデータセットを分析します。
我々は、実績、資源意識、所有権、オープン性、虚偽性、標準にまたがるData PROOFSレコメンデーションを提案する。
論文 参考訳（メタデータ） (2026-01-20T00:54:37Z) - A Sustainable AI Economy Needs Data Deals That Work for Generators [56.949279542190084]
機械学習のバリューチェーンは、経済的なデータ処理の不平等のため、構造的に持続不可能である、と我々は主張する。
73の公開データ取引を分析し、アグリゲータに価値の大部分が蓄積されていることを示す。
参加者全員に利益をもたらす最小市場を実現するために、等価なData-Value Exchange Frameworkを提案する。
論文 参考訳（メタデータ） (2026-01-15T01:05:48Z) - The Economics of AI Training Data: A Research Agenda [0.4174557458129457]
データのAI生産における中心的な役割にもかかわらず、まだ理解されていないインプットである。
AIラボが公開データを消耗し、プロプライエタリなソースに転換するにつれ、コンピュータ科学、経済学、法律、そしてポリシーに関する研究が断片化している。
私たちは3つの貢献を通じてコヒーレントな分野としてデータ経済学を確立します。
論文 参考訳（メタデータ） (2025-10-28T21:37:35Z) - Enhancing Smart Farming Through Federated Learning: A Secure, Scalable, and Efficient Approach for AI-Driven Agriculture [0.0]
本研究は,作物病検出のためのスケーラブルで効率的かつセキュアなソリューションを開発することを目的とした,スマート農業のための連合学習フレームワークを提案する。
本提案手法は, 農作物病の分類において, センシティブな農作物データをローカルに維持し, 協調的モデル更新を可能にすることによって, 高い精度で作物病の分類を実現することを目的とする。
ミネソタ州の農家からのデータ収集,ローカルなディープラーニングアルゴリズムの適用,トランスファーラーニング,モデルリファインメントのための集中集約サーバなどについて概説する。
論文 参考訳（メタデータ） (2025-09-15T18:57:32Z) - AI in Agriculture: A Survey of Deep Learning Techniques for Crops, Fisheries and Livestock [77.95897723270453]
作物、漁業、家畜が世界の食料生産のバックボーンを形成し、成長を続ける世界の人口を養うのに不可欠である。
これらの問題に対処するには、効率的で正確でスケーラブルな技術ソリューションが必要であり、人工知能(AI)の重要性を強調している。
本調査では,従来の機械学習アプローチ,高度なディープラーニング技術,最新のビジョン言語基礎モデルなど,200以上の研究成果を体系的かつ徹底的にレビューする。
論文 参考訳（メタデータ） (2025-07-29T17:59:48Z) - 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) - 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) - Data Acquisition: A New Frontier in Data-centric AI [65.90972015426274]
まず、現在のデータマーケットプレースを調査し、データセットに関する詳細な情報を提供するプラットフォームが不足していることを明らかにする。
次に、データプロバイダと取得者間のインタラクションをモデル化するベンチマークであるDAMチャレンジを紹介します。
提案手法の評価は,機械学習における効果的なデータ取得戦略の必要性を浮き彫りにしている。
論文 参考訳（メタデータ） (2023-11-22T22:15:17Z) - Crop Knowledge Discovery Based on Agricultural Big Data Integration [2.597676155371155]
農業データは、IoT(Internet of Thing)、センサー、衛星、気象観測所、ロボット、農業機器、農業実験所、農家、政府機関、農業機関など、さまざまなソースを通じて生成される。
本稿では,他のデータセットやビッグデータモデルを組み込むのに十分なフレキシブルなコンステレーションスキーマを用いた農業データ統合手法を提案する。
論文 参考訳（メタデータ） (2020-03-11T00:13:17Z) - Artificial Intelligence for Digital Agriculture at Scale: Techniques,
Policies, and Challenges [1.1245087602142634]
デジタル農業は農業のスループットを変えるという約束を持っている。
データサイエンスとエンジニアリングを適用して、利用可能なリソースを束縛しながら、入力要素を作物のスループットにマッピングする。
この論文は、次世代のデジタル農業ソリューションの進化に向けて、エンドツーエンドパイプラインを導く重要な疑問をまとめる最初のものである。
論文 参考訳（メタデータ） (2020-01-21T06:02:38Z)
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。