論文の概要: Robotic Arm-Based Spectral Sensing for Strawberry Positioning and Non-Destructive Sweetness Measurement
- arxiv url: http://arxiv.org/abs/2606.28555v1
- Date: Fri, 26 Jun 2026 19:15:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:15.600585
- Title: Robotic Arm-Based Spectral Sensing for Strawberry Positioning and Non-Destructive Sweetness Measurement
- Title（参考訳）: ゴキブリ位置決めのためのロボットアームによる分光センシングと非破壊的甘味測定
- Abstract要約: この論文では、イチゴの検出、局在化、アプローチ、甘味推定のためのロボットアームベースのスペクトルセンシングシステムを提案する。
このシステムは、クローズドループパイプラインにおける知覚、校正、ロボット制御を統合する。
実験結果から、強いエンドツーエンドのパフォーマンス(42回の試験で88.10%の成功)、堅牢な検出(95.24%)、目標が検出された場合のアプローチ実行(100%条件付き成功)が得られた。
- 参考スコア（独自算出の注目度）: 8.070282532172778
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate assessment of sweetness is essential for quality control in agriculture, yet conventional methods rely on destructive sampling and are difficult to scale. This thesis presents a robotic arm-based spectral sensing system for strawberry detection, localization, approach, and non-destructive sweetness estimation. The system integrates perception, calibration, and robotic control in a closed-loop pipeline. A YOLOv11s detector is adopted for real-time strawberry detection, while RGB-ToF calibration and mask-to-depth alignment are used to obtain geometrically consistent target localization. A custom eye-in-hand hand-eye calibration workflow is developed to estimate the rigid transform between gripper_link and cam_front, enabling reliable transformation of fruit targets into the robot base frame. Based on these estimates, the robot executes a waypoint-based search and an incremental closed-loop approach strategy to position the sensor at optimal working distance for sweetness sensing. Experimental results show strong end-to-end performance (88.10% success over 42 trials), with robust detection (95.24%) and successful approach execution once a target is detected (100% conditional success). Hand-eye calibration comparisons indicate that although Andreff yields the smallest translation norm in single-run results, the Park method provides better cross-sample consistency and therefore more stable downstream robot behavior. The residual failures are concentrated in the sensing stage, especially valid-region extraction for sweetness estimation under difficult depth/reflectance conditions. Overall, this work demonstrates the feasibility of integrating RGB-ToF perception, robotic manipulation, and non-destructive sensing for practical strawberry quality assessment, and provides a scalable baseline for future integration of learning-based policies such as Vision-Language-Action models.
- Abstract（参考訳）: 農業における品質管理には、甘味の正確な評価が不可欠であるが、従来の方法は破壊的サンプリングに依存しており、スケールが困難である。
この論文では、イチゴの検出、局在化、アプローチ、非破壊的な甘味推定のためのロボットアームベースのスペクトルセンシングシステムを提案する。
このシステムは、クローズドループパイプラインにおける知覚、校正、ロボット制御を統合する。
リアルタイムイチゴ検出にYOLOv11s検出器を採用し、RGB-ToFキャリブレーションとマスク-ツー-ディープスアライメントを用いて幾何学的に一貫した目標位置を求める。
グリッパー・リンクとcam_frontの間の剛性変換を推定し、ロボットベースフレームへの果物ターゲットの信頼性の高い変換を可能にする。
これらの推定に基づいて、ロボットはウェイポイントに基づく探索と漸進的なクローズドループアプローチ戦略を実行し、甘味検知のための最適な作業距離にセンサを配置する。
実験の結果、強いエンドツーエンドのパフォーマンス(42回の試験で88.10%の成功)、頑健な検出(95.24%)、目標が検出されたときのアプローチ実行(100%条件付き成功)が得られた。
片目キャリブレーションの比較では、Andreffはシングルラン結果において最小の翻訳基準を得られるが、Park法はより優れたクロスサンプル一貫性を提供し、従って下流ロボットの動作をより安定させる。
残留する故障は、特に、困難な深度/反射条件下での甘味推定のための有効領域抽出において、センシング段階で集中する。
本研究は総合的に,RGB-ToF認識,ロボット操作,非破壊センシングを実用的イチゴ品質評価に組み込むことの実現可能性を示し,ビジョン・ランゲージ・アクションモデルなどの学習ベースのポリシーを将来統合するためのスケーラブルなベースラインを提供する。
関連論文リスト
- Probabilistic Multi-Robot Gas Source Localization with Uncalibrated Sensors: A Distributed Estimation Approach [7.570246812206771]
ソースローカライゼーションタスクのための分散確率的フレームワークを提案する。
各ロボットは、ランクベースの特徴を用いて、個別に局所的な信念を推定する。
これらの局所的な信念は、一貫したグローバルな見積もりを得るために専門家の定式化の産物によって融合される。
論文 参考訳（メタデータ） (2026-08-28T11:32:53Z) - Robust Validation to Geometric Perturbations for Autonomous Pose Estimation [0.8062121966457854]
視覚に基づくナビゲーションと自律着陸では、機械学習コンポーネントは動的操作条件下で厳格な検証を必要とする。
標準勾配に基づくポーズ推定は、ポーズ推定に失敗し、しばしば単純なランダムサンプリングベースラインよりも悪いパフォーマンスを示す。
我々はGLO(Global Lipschitzian)におけるロバストネス推定を再構成する。
これは、幾何学的検証を連続キーポイント回帰とディープオブジェクト検出に拡張する最初の研究である。
論文 参考訳（メタデータ） (2026-08-21T13:08:37Z) - PLS-Calib: A Partial Least Squares Framework for Event Camera and Odometry Calibration under Ground Motion Constraints [27.568640844773338]
既存のキャリブレーション技術のほとんどは、あらゆる自由度をエキサイティングするために6-DoFのフル動作に依存している。
PLS-Calib という新しい回転校正フレームワークを提案する。
我々は,最先端手法に比べてキャリブレーションの堅牢性と精度が著しく向上したことを示す。
論文 参考訳（メタデータ） (2026-08-04T08:07:07Z) - LCPNet: Latent Consistent Proximal Unfolding Network for Infrared Small Target Detection [50.3892176822492]
赤外線小目標検出(IRSTD)は、複雑な赤外背景から長距離小目標を特定することを目的としている。
深層学習法は、識別的画像-マスクマッピングを学習することでIRSTDを改善した。
深層展開法は、モデル駆動イテレーションをニューラルネットワークに埋め込むことによって、この問題に部分的に対処する。
これらの制約に対処するために,Latent Consistent Proximal Unfolding Network (LCPNet)を提案する。
論文 参考訳（メタデータ） (2026-07-06T02:15:09Z) - Variational Neural Belief Parameterizations for Robust Dexterous Grasping under Multimodal Uncertainty [5.4872967954342675]
リスクに敏感なPOMDPは、スケールの低さ、勾配に基づく最適化、条件付き値-アット・リスクの推定といった粒子フィルタの信念を使用する。
代わりに、潜在接触パラメータとオブジェクトのポーズに対する変分推論として把握獲得を定式化し、微分可能なガウス混合による信念を表現する。
論文 参考訳（メタデータ） (2026-04-28T17:40:49Z) - AnchorRefine: Synergy-Manipulation Based on Trajectory Anchor and Residual Refinement for Vision-Language-Action Models [60.04879435087352]
視覚言語アクション(VLA)ポリシーは、単一の統一空間内でアクションを生成する。
本稿では,VLAの動作モデリングを軌跡アンカーと残留精細化に分解する階層的フレームワークであるAnchorRefineを提案する。
LIBERO、CALVIN、および実ロボットタスクの実験では、AnchorRefineは回帰ベースと拡散ベースの両方のVLAバックボーンを一貫して改善している。
論文 参考訳（メタデータ） (2026-04-20T04:25:24Z) - Reliability-aware Execution Gating for Near-field and Off-axis Vision-guided Robotic Alignment [1.723545049436206]
実際のロボットシステムは、ポーズ推定が正確であるように見える場合でも、頻繁な実行障害に悩まされている。
このギャップは、プライシングの正確性だけでは実行レベルの信頼性を保証するには不十分であることを示している。
本稿では,実行レベルで動作する信頼性を考慮した実行ゲーティング機構を提案する。
論文 参考訳（メタデータ） (2026-02-09T10:14:39Z) - On-the-fly hand-eye calibration for the da Vinci surgical robot [35.18343759591773]
本稿では,手目変換行列をオンザフライで計算することで,正確なツールローカライズ結果を生成するキャリブレーションフレームワークを提案する。
その結果, キャリブレーションフレームワークでは, ツールのローカライゼーション誤差が著しく減少した。
論文 参考訳（メタデータ） (2026-01-21T10:58:28Z) - A2VISR: An Active and Adaptive Ground-Aerial Localization System Using Visual Inertial and Single-Range Fusion [17.59898575353575]
これは、地上と航空の協調システムを用いて、散在した環境下での飛行ロボットのロケライズロバスト性を高めるための実践的なアプローチである。
我々は、アクティブビジョン、単一配列、慣性計測、光学フローを統合した地上局地化フレームワークをより包括的に改善する。
提案手法は、平均根平均平方誤差が約0.09mであり、損失とセンサ故障を捕捉するためのレジリエンスを維持しながら、ロバストなオンラインローカライゼーションを実現する。
論文 参考訳（メタデータ） (2025-12-18T10:07:06Z) - Robust Distribution Alignment for Industrial Anomaly Detection under Distribution Shift [51.24522135151649]
異常検出は産業アプリケーションの品質管理において重要な役割を担っている。
既存の方法は、一般化可能なモデルをトレーニングすることで、ドメインシフトに対処しようとする。
提案手法は,最先端の異常検出法や領域適応法と比較して,優れた結果を示す。
論文 参考訳（メタデータ） (2025-03-19T05:25:52Z) - Kalib: Easy Hand-Eye Calibration with Reference Point Tracking [52.4190876409222]
カリブ (Kalib) は、視覚基礎モデルの一般化性を利用して課題を克服する手眼自動校正法である。
校正中は、ロボットの後ろの空間内のカメラ座標3D座標に運動基準点を追跡する。
Kalibのユーザフレンドリな設計と最小限のセットアップ要件により、非構造化環境での継続的操作のソリューションとなり得る。
論文 参考訳（メタデータ） (2024-08-20T06:03:40Z) - EasyHeC: Accurate and Automatic Hand-eye Calibration via Differentiable
Rendering and Space Exploration [49.90228618894857]
我々は、マーカーレスでホワイトボックスであり、より優れた精度とロバスト性を提供するEasyHeCと呼ばれる手眼校正の新しいアプローチを導入する。
我々は,2つの重要な技術 – レンダリングベースのカメラポーズの最適化と整合性に基づく共同空間探索 – を利用することを提案する。
本評価は,合成および実世界のデータセットにおいて優れた性能を示す。
論文 参考訳（メタデータ） (2023-05-02T03:49:54Z) - Learning-based Localizability Estimation for Robust LiDAR Localization [13.298113481670038]
LiDARベースのローカライゼーションとマッピングは、多くの現代のロボットシステムにおける中核的なコンポーネントの1つである。
本研究では,ロボット動作中の(非)局所性を検出するニューラルネットワークに基づく推定手法を提案する。
論文 参考訳（メタデータ） (2022-03-11T01:12:00Z) - Visual-tactile sensing for Real-time liquid Volume Estimation in
Grasping [58.50342759993186]
変形性容器内の液体をリアルタイムに推定するためのビジュオ触覚モデルを提案する。
我々は、RGBカメラからの生の視覚入力と、特定の触覚センサーからの触覚手がかりの2つの感覚モードを融合する。
ロボットシステムは、推定モデルに基づいて、リアルタイムで適切に制御され、調整される。
論文 参考訳（メタデータ） (2022-02-23T13:38:31Z) - SADet: Learning An Efficient and Accurate Pedestrian Detector [68.66857832440897]
本稿では,一段検出器の検出パイプラインに対する一連の最適化手法を提案する。
効率的な歩行者検出のための単発アンカーベース検出器(SADet)を形成する。
構造的には単純だが、VGA解像度の画像に対して最先端の結果と20ドルFPSのリアルタイム速度を示す。
論文 参考訳（メタデータ） (2020-07-26T12:32:38Z)
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。