論文の概要: LeCropFollow: Latent Space Planning for Navigation in Unstructured Crop Fields
- arxiv url: http://arxiv.org/abs/2606.31941v1
- Date: Tue, 30 Jun 2026 16:47:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-01 18:27:19.316998
- Title: LeCropFollow: Latent Space Planning for Navigation in Unstructured Crop Fields
- Title（参考訳）: LeCropFollow:非構造作物畑の航法計画
- Abstract要約: 本稿では,視覚ナビゲーションフレームワークLeCropFollowについて述べる。
その結果,LeCropFollowは非構造行で最先端のベースラインと一致しているが,プランテーションギャップでは著しく優れていた。
これらの結果から,不均一な農業環境下での運用において,潜在計画が幾何的推定に頑健な代替手段となることが示唆された。
- 参考スコア（独自算出の注目度）: 7.898784066160524
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Unstructured navigational features, such as irregular planting or discontinuities, remain the primary failure mode for under-canopy agricultural robots. Existing geometric approaches often fail in these scenarios because they compress high-dimensional visual data into deterministic spatial references, effectively discarding the uncertainty and semantic context required to navigate ambiguous terrain. To address this, we present LeCropFollow, a visual navigation framework that bypasses explicit geometric modeling in favor of a learned latent representation. By integrating a self-supervised semantic heatmap extractor with TD-MPC2, a Model-Based Reinforcement Learning (MBRL) planner, our system optimizes trajectories directly within a latent manifold. The framework operates over the uncompressed heatmap signal, preserving the semantic context that geometric reductions discard. We demonstrate that this representational shift enables zero-shot transfer from simplified simulation to the physical world without fine-tuning. Extensive field experiments in late-stage corn fields show that LeCropFollow matches state-of-the-art baselines in unstructured rows but significantly outperforms them in plantation gaps, achieving a 2.4x reduction in semantic failures compared to keypoint-based methods. These results suggest that latent planning offers a robust alternative to geometric estimation for operations in heterogeneous agricultural environments. Code, models, and data available: https://felipe-tommaselli.github.io/lecropfollow .
- Abstract（参考訳）: 不規則な植林や不連続といった非構造的な航法的特徴は、アンダーキャノピー農業ロボットの主要な失敗モードのままである。
既存の幾何学的アプローチは、高次元の視覚データを決定論的空間参照に圧縮し、曖昧な地形をナビゲートするために必要な不確実性や意味的なコンテキストを効果的に破棄するため、これらのシナリオでしばしば失敗する。
これを解決するために,視覚ナビゲーションフレームワークLeCropFollowを提案する。
モデルベース強化学習(MBRL)プランナであるTD-MPC2と自己教師付きセマンティックヒートマップ抽出器を統合することにより,潜在多様体内に直接トラジェクトリを最適化する。
このフレームワークは、圧縮されていないヒートマップ信号上で動作し、幾何学的還元が破棄される意味的なコンテキストを保存する。
この表現シフトは、微調整をせずに、単純化されたシミュレーションから物理世界へのゼロショット転送を可能にすることを実証する。
後期トウモロコシ畑における広範囲なフィールド実験により、LeCropFollowは非構造行における最先端のベースラインと一致しているが、プランテーションのギャップにおいて著しく優れており、キーポイントベースの手法と比較して意味障害の2.4倍の減少が達成されている。
これらの結果から,不均一な農業環境下での運用において,潜在計画が幾何的推定に頑健な代替手段となることが示唆された。
コード、モデル、利用可能なデータ:https://felipe-tommaselli.github.io/lecropfollow。
関連論文リスト
- SAGP: Semantic Affordance-Guided Grasp Planning via Coarse-Zone VLM Reasoning [1.8988957322012407]
幾何学に基づく把握プランナーは、物理的に妥当な把握を保証するが、機能的意味論を無視する。
幾何的把握計画に高レベルの意味論的推論を強く結び付ける、実践的で訓練のないフレームワークはまだ提案されていない。
本稿では,粗いゾーン抽象化層上に構築されたトレーニングフリーパイプラインであるSemantic Affordance-Guided Grasp Planning (SAGP)を紹介する。
論文 参考訳（メタデータ） (2026-07-31T12:59:05Z) - Z-FLoc: Zero-Shot Floorplan Localization via Geometric Primitives [72.63181031215858]
そこで本研究では,ゼロショットフロアプランのローカライズ手法を提案する。
我々の重要な洞察は、支配的な幾何学的プリミティブが人間が作った環境でユビキタスであることである。
シミュレーションと実世界の両方のデータセットの実験により、我々のアプローチは、目に見えない環境における最先端の学習ベースの手法よりも優れています。
論文 参考訳（メタデータ） (2026-06-03T12:14:24Z) - A Mean Curvature Approach to Boundary Detection: Geometric Insights for Unsupervised Learning [52.452902154360565]
本稿では,幾何学的機械学習に基づく新しい幾何学的フレームワークであるMean Curvature Boundary Points (MCBP)を紹介する。
MCBPはデータ多様体の固有曲率を明示的にモデル化し、原理化された多様体のパラメトリゼーションを必要としない点平均曲率を計算する。
合成および実世界のデータセットの実験により、MCBPはクラスタリング性能を一貫して改善することを示した。
論文 参考訳（メタデータ） (2026-05-05T20:19:09Z) - Hyperbolic Enhanced Representation Learning for Incomplete Multi-view Clustering [57.38215918201251]
本稿では,不完全なマルチビュークラスタリングのためのハイパーボリック拡張表現学習フレームワークであるHERLを提案する。
ポアンカレボール内で操作すると、HERLは表現学習を強化するために構造を意識した潜在空間を構築する。
HERLは最先端のアプローチよりも一貫して優れていることを示す。
論文 参考訳（メタデータ） (2026-04-18T10:50:46Z) - Elite Lanes: Evolutionary Generation of Realistic Small-Scale Road Networks [0.0]
本稿では,現実的で制約のある小型道路網と中規模道路網を組込み冗長性で生成する手法の比較検討を行う。
私たちの焦点は、視覚、ローカライゼーション、ナビゲーション問題に適した現実的で冗長な道路網を作ることです。
論文 参考訳（メタデータ） (2026-03-21T22:24:50Z) - Shape-of-You: Fused Gromov-Wasserstein Optimal Transport for Semantic Correspondence in-the-Wild [7.4746628878102195]
Shape-of-Youは意味対応のための教師なし学習フレームワークである。
SPair-71kおよびAP-10kデータセット上での最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2026-03-12T07:22:03Z) - TopoCurate:Modeling Interaction Topology for Tool-Use Agent Training [53.93696896939915]
訓練用ツール使用エージェントは一般的に、パスレート選択されたタスクに対して、軌道変更の成功と強化学習(RL)に依存している。
TopoCurateは,同一タスクから多段階的なロールアウトを統一的な意味的商トポロジに投影する対話型フレームワークである。
TopoCurateは最先端のベースラインに対して4.2%(SFT)と6.9%(RL)という一貫したゲインを達成している。
論文 参考訳（メタデータ） (2026-03-02T10:38:54Z) - Inverting Self-Organizing Maps: A Unified Activation-Based Framework [39.146761527401424]
我々は,SOMの活性化パターンを逆転させて,微妙な幾何学的条件下での正確な入力を復元できることを示す。
我々は,MUSIC (Manifold-Aware Unified SOM Inversion and Control) 更新ルールを導入する。
合成ガウス混合系, MNIST と Faces in the Wild を用いたアプローチを検証した。
論文 参考訳（メタデータ） (2026-01-20T11:02:54Z) - On Probabilistic Pullback Metrics for Latent Hyperbolic Manifolds [5.724027955589408]
本稿では,階層的関係のモデル化に特に適した双曲的埋め込みについて述べる。
本稿では, LVM の非線形写像によって生じる歪みを考慮に入れた, プルバック計量による双曲多様体の拡張を提案する。
実験により, 引き戻し距離の測地学は双曲型潜在空間の幾何学を尊重するだけでなく, 基礎となるデータ分布と整合することを示した。
論文 参考訳（メタデータ） (2024-10-28T09:13:00Z) - GELATO: Geometrically Enriched Latent Model for Offline Reinforcement
Learning [54.291331971813364]
オフライン強化学習アプローチは、近近法と不確実性認識法に分けられる。
本研究では,この2つを潜在変動モデルに組み合わせることのメリットを実証する。
提案したメトリクスは、分布サンプルのアウトの品質と、データ内のサンプルの不一致の両方を測定します。
論文 参考訳（メタデータ） (2021-02-22T19:42:40Z) - Spatial Pyramid Based Graph Reasoning for Semantic Segmentation [67.47159595239798]
セマンティックセグメンテーションタスクにグラフ畳み込みを適用し、改良されたラプラシアンを提案する。
グラフ推論は、空間ピラミッドとして構成された元の特徴空間で直接実行される。
計算とメモリのオーバーヘッドの利点で同等のパフォーマンスを実現しています。
論文 参考訳（メタデータ） (2020-03-23T12:28:07Z)
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。