論文の概要: OrchardBench: A Physically-Grounded, GPU-Parallel Apple-Orchard Simulation Benchmark for Agricultural Robotics

• arxiv url: http://arxiv.org/abs/2607.06337v1
• Date: Tue, 07 Jul 2026 14:34:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-08 21:24:51.554517
• Title: OrchardBench: A Physically-Grounded, GPU-Parallel Apple-Orchard Simulation Benchmark for Agricultural Robotics
• Title（参考訳）: OrchardBench: 農業ロボティクスのための物理領域のGPU並列Apple-Orchardシミュレーションベンチマーク
• Authors: Humphrey Munn,
• Abstract要約: 我々は、ニュートンエンジン上のリンゴ果樹の物理的に座屈したGPU並列シミュレーションOrchardBenchを提案する。 各木はL系で成長し、完全に調音された体としてインスタンス化される。 深度手首カメラを備えた移動マニピュレータは、幾何学的果実知覚と自律収穫ベースラインでループを閉じる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robotic tree-fruit harvesting is a flagship problem for agricultural automation, but progress is bottlenecked by the cost and irreproducibility of field experiments: an orchard is available only weeks a year, every tree is different, and a control error can permanently damage the crop or the plant. The tree models used in graphics and agronomy are geometrically detailed but physically inert, while the GPU-parallel simulators used in robot learning contain no plausible trees. We present OrchardBench, a physically-grounded, GPU-parallel simulation of apple-orchard trees on the Newton engine. Each tree is grown by a stochastic L-system and instantiated as a fully articulated body: branches are compliant torsional spring-dampers whose stiffness follows Euler-Bernoulli beam theory, they break at a wood modulus of rupture and fall as free hinges, and apples are independent bodies on stem tethers that detach at literature-grounded pull forces and load the branch when pulled. A moving, density-controllable foliage layer occludes the canopy as real leaves do. Every physical parameter is tied to a published source. Per-environment domain randomization makes each batched world a distinct tree, and a mobile manipulator with a wrist depth camera closes the loop with geometric fruit perception and an autonomous harvesting baseline. Careful engineering of the solver and the model lets OrchardBench run many parallel environments at interactive rates on a laptop GPU. We define the tasks and a metric suite spanning harvest completeness, throughput, and plant damage (with a per-canopy-zone breakdown), and report baseline results across foliage, fruit load, terrain, canopy zone, and parallelism. The analytic baseline succeeds on about 40% of the fruit it detects and harvests only about an eighth of the reachable fruit on a tree, leaving clear headroom for novel autonomy approaches.
• Abstract（参考訳）: 果樹園は年間数週間しか利用できず、すべての樹種が異なり、制御エラーは作物や植物を永久に損傷させる可能性がある。 グラフィックやアグロノミーで使用されるツリーモデルは幾何学的には詳細であるが、物理的には不完全であるが、ロボット学習で使用されるGPU並列シミュレータには、可塑性木は含まれていない。 我々は、ニュートンエンジン上のリンゴ果樹の物理的に座屈したGPU並列シミュレーションOrchardBenchを提案する。 枝はEuler-Bernoulliビーム理論に従えば剛性を持つねじりばねダムに適合し、自由ヒンジとして断裂し、リンゴは文学的な引抜き力で剥離し、引抜き時に枝を積むステムテザー上の独立した体である。 移動可能な密度制御可能な葉層は、実際の葉のように天蓋を遮蔽する。 すべての物理パラメータは、公開されたソースに結び付けられます。 環境単位当たりのランダム化により、各バッチ世界は別個の木となり、手首深度カメラを備えた移動マニピュレータは、幾何学的果実認識と自律収穫ベースラインでループを閉じる。 問題解決者の注意深いエンジニアリングとモデルにより、OrchardBenchはラップトップGPU上で対話的な速度で多くの並列環境を走らせることができる。 収穫完了度,スループット,植物被害にまたがる作業および測定スイートを定義し,葉,果物の負荷,地形,天蓋帯,および並列性について,ベースラインの結果を報告する。 分析ベースラインは、検出された果実の約40%を成功させ、樹上の到達可能な果実の約8分の1しか収穫せず、新しい自律的なアプローチのために明確なヘッドルームを残している。

関連論文リスト

• Designing ReLU Generative Networks to Enumerate Trees with a Given Tree Edit Distance [3.746431245783676]
  我々は,木編集距離に関して,所定の木に類似した木を生産できる生成ネットワークの存在と構築を確立する。 ネットワークは、指定されたツリー編集距離内で有効な木を全て生成した。 これらの知見は、コンパクトな生成モデルの構築と、正確かつ有効な木構造データ生成のための新しい方向を開くための理論的基盤を提供する。
  論文  参考訳（メタデータ） (2025-10-12T17:07:49Z)
• Learning to Prune Branches in Modern Tree-Fruit Orchards [16.03450056587704]
  ロボットプルーニングのためのクローズドループビジュモータコントローラを提案する。 コントローラは、カッターを散らばったツリー環境を案内して所定のカットポイントに達する。 我々は,枝の幾何学的分布を捉える新しい果樹園シミュレーションを用いて,コントローラを訓練する。
  論文  参考訳（メタデータ） (2025-07-30T18:24:20Z)
• Hierarchical Quantized Diffusion Based Tree Generation Method for Hierarchical Representation and Lineage Analysis [49.00783841494125]
  HDTreeは階層的潜在空間内の木関係を、統一的な階層的コードブックと量子化拡散プロセスを用いてキャプチャする。 HDTreeの有効性は、汎用データセットと単一セルデータセットの比較によって示される。 これらの貢献は階層的な系統解析のための新しいツールを提供し、より正確で効率的な細胞分化経路のモデリングを可能にする。
  論文  参考訳（メタデータ） (2025-06-29T15:19:13Z)
• Assessing SAM for Tree Crown Instance Segmentation from Drone Imagery [68.69685477556682]
  現在のモニタリング手法では、各種に対して手動で木を計測し、コスト、時間、労働力を必要とする。 ドローンリモートセンシングとコンピュータビジョンの進歩は、空中画像から木をマッピングし、特徴づける大きな可能性を秘めている。 若木植林の高分解能ドローン画像における樹冠の自動区分け作業におけるSAM法の比較を行った。 SAM out-of-box を用いたメソッドは、よく設計されたプロンプトであっても、カスタム Mask R-CNN よりも優れているわけではないが、SAM をチューニングするメソッドの可能性を秘めている。
  論文  参考訳（メタデータ） (2025-03-26T03:45:36Z)
• 3D Hierarchical Panoptic Segmentation in Real Orchard Environments Across Different Sensors [26.751567867124592]
  本研究では, 異なるセンサから得られた3次元データに基づいて, リンゴ果樹の階層的パノプティックセグメンテーションの問題に対処する新しいアプローチを提案する。 我々のアプローチは、セマンティックセグメンテーション、トランクと果物のインスタンスセグメンテーション、木のインスタンスセグメンテーションを同時に提供できる。 我々のデータセットはドイツのボンで記録されており、さまざまなセンサーが付いた本物のリンゴ果樹園で、地上レーザースキャナーから、さまざまなロボットプラットフォームに搭載されたRGB-Dカメラにまたがっている。
  論文  参考訳（メタデータ） (2025-03-17T13:59:20Z)
• Autoregressive Generation of Static and Growing Trees [49.93294993975928]
  本稿では,ツリー生成のためのトランスフォーマーアーキテクチャとトレーニング戦略を提案する。 アーキテクチャはデータを複数の解像度で処理し、1時間ガラスの形状を持ち、中間層は外側層よりも少ないトークンを処理する。 我々は,この手法を拡張して,イメージ・ツー・ツリーとポイント・クラウド・ツー・ツリー条件生成を行い,木の成長過程をシミュレートし,4D木を生成する。
  論文  参考訳（メタデータ） (2025-02-07T08:51:14Z)
• Terminating Differentiable Tree Experts [77.2443883991608]
  本稿では,変圧器と表現生成器の組み合わせを用いて木操作を学習するニューラルシンボリック微分木機械を提案する。 まず、専門家の混在を導入することで、各ステップで使用される一連の異なるトランスフォーマーレイヤを取り除きます。 また,モデルが自動生成するステップ数を選択するための新しい終端アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-07-02T08:45:38Z)
• O2RNet: Occluder-Occludee Relational Network for Robust Apple Detection in Clustered Orchard Environments [10.045174456984412]
  深層学習に基づくリンゴ検出フレームワークOccluder-Occludee Comprehensive Network(O2RNet)の開発について述べる。 開発されたO2RNetは、最先端モデルよりも94%高い精度でF1スコアが0.88である。
  論文  参考訳（メタデータ） (2023-03-08T20:46:05Z)
• Automated Pruning of Polyculture Plants [13.297983318693753]
  ポリカルチャー農業は環境上の利点があるが、モノカルチャー農業よりもかなり多くの耕作を必要とする。 自動プルーニングのための新しいハードウェアとアルゴリズムを提案する。 結果は, 刈り取りせん断による植物多様性を0.94 に自律的に達成できることを示唆している。
  論文  参考訳（メタデータ） (2022-08-22T17:49:22Z)
• Social Interpretable Tree for Pedestrian Trajectory Prediction [75.81745697967608]
  本稿では,このマルチモーダル予測課題に対処するため,SIT(Social Interpretable Tree)と呼ばれる木に基づく手法を提案する。 木の根から葉までの経路は、個々の将来の軌跡を表す。 ETH-UCYとStanford Droneのデータセットによる実験結果からは,手作り木にもかかわらず,我々の手法が最先端の手法の性能に適合または超えることを示した。
  論文  参考訳（メタデータ） (2022-05-26T12:18:44Z)
• Growing Deep Forests Efficiently with Soft Routing and Learned Connectivity [79.83903179393164]
  この論文は、いくつかの重要な側面で深い森林のアイデアをさらに拡張します。 我々は、ノードがハードバイナリ決定ではなく、確率的ルーティング決定、すなわちソフトルーティングを行う確率的ツリーを採用する。 MNISTデータセットの実験は、私たちの力のある深部森林が[1]、[3]よりも優れたまたは匹敵するパフォーマンスを達成できることを示しています。
  論文  参考訳（メタデータ） (2020-12-29T18:05:05Z)

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。