論文の概要: TS-MAMP: A Remanufactured Agricultural Robot Powered by Second-Life EV Components and NMS-Free On-Device Weed Detection
- arxiv url: http://arxiv.org/abs/2608.02270v1
- Date: Mon, 03 Aug 2026 14:10:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.590236
- Title: TS-MAMP: A Remanufactured Agricultural Robot Powered by Second-Life EV Components and NMS-Free On-Device Weed Detection
- Title（参考訳）: TS-MAMP:第二世代のEV部品とNMSフリーのオンデバイス雑草検出を動力とする再生産型農業用ロボット
- Abstract要約: 引退した低速電気車両(LSEV)パワートレインは機能的な電気機械的価値を維持しているが、破壊的にリサイクルされている。
本稿では, 3R (Reduce, reuse, recycle) の原則に基づいて構築された再生ロボットTS-MAMPを提案する。
引退48VブラシレスDC(BLDC)ハブモータは、バックEMFマッチングを介してペアリングされ、60%〜80%の健康状態の鉛酸電池モジュールは積極的にバランスをとる。
- 参考スコア（独自算出の注目度）: 4.2978176682861475
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Agriculture 4.0 robotic systems improve field efficiency yet remain too capital-intensive for the fragmented smallholdings that dominate global agriculture. Meanwhile, a growing number of retired low-speed electric-vehicle (LSEV) powertrains retain functional electromechanical value but are destructively recycled. This paper presents TS-MAMP (Telescopic-Sleeve Modular Agricultural Mobile Platform), a remanufactured robot built under 3R (reduce, reuse, recycle) circular-economy principles. Retired 48 V brushless-DC (BLDC) hub motors are paired via back-EMF matching, and lead-acid battery modules screened at 60%-80% state of health are actively balanced within a 100 mV inter-module voltage deviation. Together, these reused components reduce the powertrain-and-chassis BOM cost by approximately 60%, to below USD 450 (perception and weeding modules excluded). The truss chassis provides >=200 kg static load, continuously adjustable track width from 1200 mm to 2000 mm, and <=5-minute module changeover. An NMS-free (non-maximum-suppression-free) YOLOv10n detector with consistent dual-assignment training and negative-sample learning achieves 80.87% mean average precision (mAP)@0.5 (58.41% mAP@0.5:0.95) on the Wanxi Crop-Weed dataset, and is deployed via FP16 TensorRT on a Jetson Nano, confirming on-device inference feasibility. TS-MAMP demonstrates that retired EV components, under modest screening, can be re-engineered into affordable, AI-enabled agricultural robots--opening a remanufacturing pathway for the smallholder fields that commercial automation leaves unserved.
- Abstract（参考訳）: 農業 4.0 ロボットシステムは、畑の効率を向上するが、世界の農業を支配している分断された小作農にとって、資本集約的なままである。
一方、リタイアした低速電気自動車(LSEV)のパワートレインは機能的電気機械的価値を維持しているが、破壊的にリサイクルされている。
本稿では, 3R (Reduce, reuse, recycle) の循環経済原理に基づいて構築された, TS-MAMP (Telescopic-Sleeve Modular Agricultural Mobile Platform) について述べる。
引退48VブラシレスDC(BLDC)ハブモータは、バックEMFマッチングを介してペアリングされ、60%〜80%の健康状態の鉛酸電池モジュールは、100mVのモジュール間電圧偏差の中で積極的にバランスをとる。
これらの再利用されたコンポーネントは、パワートレイン・アンド・シャシーBOMのコストを約60%削減し、USD450以下になった(知覚と除草モジュールは除外された)。
トラスシャシーは >=200 kg の静的負荷、1200 mm から 2000 mm までの連続的な調整可能なトラック幅、<=5 分モジュール切換を提供する。
NMS-free (non-maximum-presspression-free) YOLOv10n detector with consistent dual-assignment training and negative-sample learning achieves 80.87% average accurate (mAP)@0.5 (58.41% mAP@0.5:0.95) on the Wanxi Crop-Weed dataset, and deployed by FP16 TensorRT on a Jetson Nano。
TS-MAMPは、老朽化したEVコンポーネントが、控えめなスクリーニングの下で、手頃な価格でAI対応の農業ロボットに再設計できることを実証している。
関連論文リスト
- A Real-Time Tsetlin Machine-based Non-intrusive Load Monitoring System on MCUs [3.5531216068066187]
非侵入負荷モニタリング(NILM)システムは、単一の集約メーターから個々の家電のエネルギー消費を推定する。
従来のNILMシステムは、オフラインデータを処理するために計算集約的な最適化アルゴリズムを使用している。
本稿では,資源制約されたマイクロコントローラ上でのリアルタイムアプリケーションを対象とした,Tsetlin Machine (TM) ベースのNILMフレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-19T10:35:14Z) - One Residual with Three Reuses: A Wristband Front End for Gesture Sensing [0.0]
ジェスチャーインターフェースとモータの症状モニタリングのための連続手首ハンドセンシングには、常時オンのフロントエンドが必要である。
本報告では,1つのオンチップ残差発生器に,分類器の起動ゲーティング,mmWave対IMUルーティング,およびイノベーションベースのEKF計測再重み付けを共用するリストバンドフロントエンドの設計について述べる。
論文 参考訳（メタデータ） (2026-08-17T13:16:25Z) - Machine Learning-Based Reconstruction for Resistive Silicon Sensors [53.365453214937496]
抵抗型シリコンセンサの機械学習による再構成と圧縮について検討した。
相関パッドからのフルウェーブフォーム情報を用いて、再構成を規則化し、空間情報を抽出する。
まず、LSTM層に基づくリカレントニューラルネットワークモデルを紹介し、フルウェーブフォーム再構成のための概念実証実装を提供する。
論文 参考訳（メタデータ） (2026-07-13T14:03:26Z) - Emission-Aware Reinforcement Learning for Sustainable Electric Vehicle Charging and Carbon Dioxide Reduction Under Varying Renewable Penetration [1.4498318750453458]
電気自動車(EV)の採用は、ピーク負荷のスパイク、電圧不安定性、および非コーディネート充電によるトランスフォーマー過負荷を通じて電力分配ネットワークに挑戦する。
既存の手法では、リアルタイムの炭素強度や変動する再生可能エネルギー(RE)を主要なスケジューリング目的として扱うことは稀である。
本稿では,SAC(Soft Actor Critic)アルゴリズムをベースとした,炭素排出量の削減,現場での再生可能エネルギーの削減,ユーザ需要の未達成といった,多目的報酬を用いた発光対応RL戦略を提案する。
論文 参考訳（メタデータ） (2026-05-23T12:19:45Z) - BioTrain: Sub-MB, Sub-50mW On-Device Fine-Tuning for Edge-AI on Biosignals [15.033150260412421]
バイオシグナーは、かなりのクロスオブジェクトとクロスセッションのばらつきを示す。
既存の100mW未満のMCUベースのウェアラブルプラットフォームでは、浅いあるいはスパースな適応スキームしかサポートできない。
バイオトレイン(BioTrain)は,最先端の生体信号モデルの完全な微調整を可能にするフレームワークである。
論文 参考訳（メタデータ） (2026-04-14T23:47:58Z) - A Robotic Testing Platform for Pipelined Discovery of Resilient Soft Actuators [63.07587517846448]
本稿では,DEA寿命をスキャンできる新しいテストロボットによって実現された最適化パイプラインを提案する。
ロボットは、電気機械特性測定、プログラム可能な電圧入力、マルチチャネルテスト能力を統合する。
これを用いて,入力電圧等級,周波数,電極物質濃度,電気接続フィラーなど,Elastosil系リニアアクチュエータの寿命を走査した。
論文 参考訳（メタデータ） (2026-02-24T14:41:28Z) - Physics-informed mixture of experts network for interpretable battery degradation trajectory computation amid second-life complexities [15.698670286581597]
PIMOEは、部分的なフィールドアクセス可能な信号を用いて1サイクルでバッテリー劣化軌跡を計算する。
77の条件と67,902サイクルにわたる207個のバッテリーで検証されている。
論文 参考訳（メタデータ） (2025-06-21T16:26:59Z) - Learning to fuse: dynamic integration of multi-source data for accurate battery lifespan prediction [0.0]
本研究では,バッテリ寿命予測のためのハイブリッド学習フレームワークを提案する。
動的マルチソースデータ融合と積み重ねアンサンブル(SE)モデリングアプローチを統合する。
平均絶対誤差(MAE)は0.0058、根平均二乗誤差(RMSE)は0.0092、決定係数(R2)は0.9839である。
論文 参考訳（メタデータ） (2025-04-25T10:24:45Z) - Training on the Fly: On-device Self-supervised Learning aboard Nano-drones within 20 mW [52.280742520586756]
ナノドローンのような小さな機械学習(TinyML)を利用した小型サイバー物理システム(CPS)は、ますます魅力的な技術になりつつある。
単純な電子回路はこれらのCPSを安価にすることができるが、計算、メモリ、センサーの資源を著しく制限する。
本稿では,ナノドロンの限られた超低消費電力資源にのみ依存する,オンデバイスファインチューニング手法を提案する。
論文 参考訳（メタデータ） (2024-08-06T13:11:36Z) - Ultra-low Power Deep Learning-based Monocular Relative Localization
Onboard Nano-quadrotors [64.68349896377629]
この研究は、2つのピアナノドロンのディープニューラルネットワーク(DNN)を介して、単分子の相対的な局所化に対処する、新しい自律的なエンドツーエンドシステムを示す。
超制約ナノドローンプラットフォームに対処するため,データセットの増大,量子化,システム最適化などを含む垂直統合フレームワークを提案する。
実験の結果,DNNは低分解能モノクローム画像のみを用いて最大2mの距離で10cmのターゲットナノドローンを正確に局在させることができることがわかった。
論文 参考訳（メタデータ） (2023-03-03T14:14:08Z) - Massive MIMO As an Extreme Learning Machine [83.12538841141892]
低分解能アナログ・デジタルコンバータ(ADC)を用いたMIMOシステムによる自然極端学習機械(ELM)の試作
受信した信号にランダムなバイアスを加え、ELM出力の重みを最適化することにより、システムはハードウェアの障害に効果的に取り組むことができる。
論文 参考訳（メタデータ） (2020-07-01T04:15:20Z) - Multi-Agent Meta-Reinforcement Learning for Self-Powered and Sustainable
Edge Computing Systems [87.4519172058185]
エッジコンピューティング機能を有するセルフパワー無線ネットワークの効率的なエネルギー分配機構について検討した。
定式化問題を解くために,新しいマルチエージェントメタ強化学習(MAMRL)フレームワークを提案する。
実験の結果、提案されたMAMRLモデルは、再生不可能なエネルギー使用量を最大11%削減し、エネルギーコストを22.4%削減できることが示された。
論文 参考訳（メタデータ） (2020-02-20T04:58:07Z)
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。