論文の概要: Vision-Based Obstacle Separation for Strawberry Harvesting in Clusters Using Hierarchical Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2607.13799v1
• Date: Wed, 15 Jul 2026 13:07:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 16:39:12.778358
• Title: Vision-Based Obstacle Separation for Strawberry Harvesting in Clusters Using Hierarchical Reinforcement Learning
• Title（参考訳）: 階層的強化学習を用いたクラスタ内のイチゴ収穫のための視覚に基づく障害物分離
• Abstract要約: VGPAは、視覚誘導決定機構とプログレッシブ適応探索戦略を統合している。 シミュレーション実験では、学習されたポリシーは96.7%の成功率を達成した。 自己開発型並列ロボットを用いた実物間移動実験により、提案手法は71.7%から88.3%の範囲で成功率を達成した。
• 参考スコア（独自算出の注目度）: 3.314102272774147
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Selective harvesting in clustered strawberry environments is challenging because ripe fruits are often occluded by surrounding unripe fruits, making direct grasping unreliable. To address this problem, this paper proposes a hierarchical reinforcement learning framework, termed VGPA, which integrates a vision-guided decision mechanism and a Progressive Adaptive Exploration Strategy (PAES) for vision-based obstacle separation and harvesting. The task was decomposed into two sequential stages: obstacle separation and target grasping. At the high level, the vision-guided mechanism improved option selection and accelerated policy convergence. At the low level, PAES improved exploration efficiency and training stability during continuous control learning. In simulation experiments, the learned policy achieved a success rate of 96.7%. In addition, sim-to-real transfer experiments on a self-developed parallel robot showed that the proposed method achieved success rates ranging from 71.7% to 88.3%, outperforming direct picking while requiring only 1.22~s more average harvesting time. These results verified the effectiveness, generalization ability, and practical potential of the proposed method for robotic harvesting in complex clustered environments.
• Abstract（参考訳）: 結実したイチゴの環境における選択的な収穫は、熟した果実が周囲の未熟な果実によって閉鎖されることがしばしばあり、直接の収穫が信頼できないため困難である。 本稿では、視覚誘導決定機構と、視覚に基づく障害物分離と収穫のためのプログレッシブ・アダプティブ・エクスプロメーション・ストラテジー(PAES)を統合した階層型強化学習フレームワークVGPAを提案する。 作業は障害物分離と目標把握という2つの段階に分けられた。 高いレベルでは、視覚誘導機構はオプション選択を改善し、ポリシー収束を加速した。 低レベルにおいては、PAESは継続的制御学習時の探索効率と訓練安定性を改善した。 シミュレーション実験では、学習されたポリシーは96.7%の成功率を達成した。 さらに、自己開発型並列ロボットのシミュレート・トゥ・リアル・トランスファー実験により、提案手法は71.7%から88.3%の範囲で成功し、より平均収穫時間1.22～30秒で直接採算を上回った。 これらの結果から,複雑なクラスタ環境下でのロボット収穫法の有効性,一般化能力,実用性について検証した。

関連論文リスト

• ObstaDiff: Generalizable Diffusion Policy Learning via Obstacle-aware Representations [2.925657033211993]
  ObstaDiffは、軽量な障害物対応ビジュアルエンコーダを備えた拡散政治フレームワークである。 本稿では,軽量な障害物対応ビジュアルエンコーダを備えた分散政治フレームワークObstaDiffを提案する。 ObstaDiffは75.41%の平均的なタスク成功と8.20%の平均的な障害物衝突率を達成した。
  論文  参考訳（メタデータ） (2026-09-10T00:06:39Z)
• Reinforcement Learning for the Full Strawberry Harvesting Process: Obstacle Separation, Detachment, and Placement [1.9668167574614699]
  位相調整による政策駆動型強化学習フレームワークを開発した。 共有インタラクション対応ポリシは、すべてのタスクフェーズにわたるカルテシアン動作を生成する。 その結果、相互作用認識による収穫行動が、構造的に異なるロボットプラットフォームに効果的に伝達されることを示した。
  論文  参考訳（メタデータ） (2026-07-16T08:16:30Z)
• FAR: Failure-Aware Retry for Test-Time Recovery and Continual Policy Improvement [10.94594187411586]
  フェール・アウェア・リトライ(FAR)は、ロボットがテスト時に以前の失敗から学び、その振る舞いを順応し、最終的にタスクを自律的に完了させることを可能にするフレームワークである。 FARは成功率とロバスト性を大幅に改善し、シミュレーションにおける標準拡散政策よりも平均17.6%、現実世界では11.7%向上した。
  論文  参考訳（メタデータ） (2026-07-01T16:01:54Z)
• HERO: Hindsight-Enhanced Reflection from Environment Observations for Agentic Self-Distillation [50.53459634301361]
  HEROは、次の環境観測を局所的に整列したフィードバックとして利用する、後向きの自己蒸留フレームワークである。 HEROはタスク成功を改善し、環境フィードバックのみの自己蒸留とGRPOに対する不要なターンを減らす。
  論文  参考訳（メタデータ） (2026-06-10T01:35:34Z)
• Robotic Strawberry Harvesting with Robust Vision and Deep Reinforcement Learning based Sim-to-Real Control [0.8466401378239364]
  本研究では,ロバストビジョンモジュール,シミュレーション学習型深部強化学習制御,ROSに基づく実ロボット実行を組み合わせたクローズドループロボットイチゴ収穫システムを提案する。 HRAttnEdge-YOLO26-segは,高分解能なP2ブランチ,セグメンテーションパスアテンション,エッジ教師ありプロトタイプ学習を組み込んだ改良型YOLO26セグアーキテクチャである。 制御のために、ターゲット条件付きPPOポリシーをアイザック研究所で訓練し、UR10eのスムーズな共同配置コマンドを生成する。
  論文  参考訳（メタデータ） (2026-05-22T17:21:06Z)
• Learning What Can Be Picked: Active Reachability Estimation for Efficient Robotic Fruit Harvesting [13.01419242528195]
  農業は世界の健康と経済の持続可能性の基盤であり続けているが、高価値作物の収穫などの労働集約的な作業は、労働力不足に直面し続けている。 提案手法は,RGB-D認識とアクティブラーニングを組み合わせることで,二項決定問題として到達可能性を直接学習する。 本フレームワークは,ラベル付きサンプルの精度を著しく低くし,ランダムサンプリングよりも約6～8%高い精度を実現し,新しい果樹園構成へのラベル効率の適応を可能にする。
  論文  参考訳（メタデータ） (2026-03-24T19:35:22Z)
• Gym-V: A Unified Vision Environment System for Agentic Vision Research [51.62136909074774]
  Gym-Vは、手続き的に生成された10ドメインにわたる179の視覚環境の統一プラットフォームであり、制御が難しい。 我々は,RLアルゴリズムの選択よりも,観測足場がトレーニングの成功に決定的であることを見出した。 クロスドメイン転送実験は、多様なタスクのトレーニングが広範囲に一般化され、狭いトレーニングが負の転送を引き起こすことを示している。
  論文  参考訳（メタデータ） (2026-03-16T15:37:07Z)
• Verified Critical Step Optimization for LLM Agents [67.05296684575445]
  クリティカルステップ最適化は、検証されたクリティカルステップに優先学習を集中する。 メソッドは、専門家のデモンストレーションではなく、失敗するポリシーの軌道から始まります。 GAIA-Text-103とXBench-DeepSearchの実験では、CSOはSFTベースラインよりも37%、相対的に26%改善している。
  論文  参考訳（メタデータ） (2026-02-03T11:41:02Z)
• Human-in-the-loop Online Rejection Sampling for Robotic Manipulation [55.99788088622936]
  Hi-ORSは、オンライン微調整中に負の報酬を得たサンプルをフィルタリングすることで、値推定を安定化する。 Hi-ORSは、わずか1.5時間でコンタクトリッチな操作をマスターするためのpiベースのポリシーを微調整する。
  論文  参考訳（メタデータ） (2025-10-30T11:53:08Z)
• Next-Future: Sample-Efficient Policy Learning for Robotic-Arm Tasks [6.991281327290525]
  我々は,単一ステップ遷移に対する報酬に焦点を当てた新しいリプレイ戦略「Next-Future」を紹介する。 このアプローチは、マルチゴールマルコフ決定過程の学習におけるサンプル効率と精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2025-04-15T14:45:51Z)
• Confidence-Controlled Exploration: Efficient Sparse-Reward Policy Learning for Robot Navigation [72.24964965882783]
  強化学習(RL)はロボットナビゲーションにおいて有望なアプローチであり、ロボットは試行錯誤を通じて学習することができる。 現実世界のロボットタスクは、しばしばまばらな報酬に悩まされ、非効率な探索と準最適政策に繋がる。 本稿では,RLに基づくロボットナビゲーションにおいて,報酬関数を変更せずにサンプル効率を向上させる新しい手法であるConfidence-Controlled Exploration (CCE)を紹介する。
  論文  参考訳（メタデータ） (2023-06-09T18:45:15Z)
• Cluster-based Sampling in Hindsight Experience Replay for Robotic Tasks (Student Abstract) [3.4616343332323596]
  本稿では,達成目標の特性を生かした経験の生み出す効果について考察する。 提案手法は,クラスタモデルを用いて,HERの方法で経験をサンプリングすることにより,達成目標の異なるエピソードを抽出する。 実験の結果,提案手法は実質的にサンプル効率が良く,ベースライン手法よりも優れた性能が得られた。
  論文  参考訳（メタデータ） (2022-08-31T09:45:30Z)
• Hybrid Dynamic Contrast and Probability Distillation for Unsupervised Person Re-Id [109.1730454118532]
  非監督的人物再識別(Re-Id)は、リードワールドビデオ監視システムにおける実践的応用により注目されている。 本稿では,ハイブリッド動的クラスタコントラストと確率蒸留アルゴリズムを提案する。 教師なしRe-Id問題を局所-言語的ダイナミックコントラスト学習と自己教師付き確率蒸留の枠組みに統合する。
  論文  参考訳（メタデータ） (2021-09-29T02:56:45Z)
• Hybrid Discriminative-Generative Training via Contrastive Learning [96.56164427726203]
  エネルギーベースモデルのハイブリッド識別・生成訓練の観点から、コントラスト学習と教師あり学習の直接的な関連性を示す。 CIFAR-10 および CIFAR-100 上の WideResNet の分類精度において,エネルギーベース損失の近似の具体的な選択が既存手法より優れていることを示す。
  論文  参考訳（メタデータ） (2020-07-17T15:50:34Z)

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。