論文の概要: Active sensing to characterize the heterogeneity of plant stress

• arxiv url: http://arxiv.org/abs/2608.27088v1
• Date: Thu, 27 Aug 2026 13:11:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-28 16:30:58.409905
• Title: Active sensing to characterize the heterogeneity of plant stress
• Title（参考訳）: 植物ストレスの不均一性を特徴付けるアクティブセンシング
• Abstract要約: 本稿では,植物葉の蛍光測定を目的とした自律型ロボットプラットフォームを提案する。 このシステムは3Dプラントの再構築、幾何学的解析、および運動計画を組み合わせることで、適切な測定点をローカライズする。 知覚,幾何学的推論,操作を密結合させることで,ロボットによる高分解能植物表現の表現法を提案する。
• 参考スコア（独自算出の注目度）: 0.8602553195689513
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While most phenotyping platforms rely primarily on image-based measurements, advanced plant characterization requires the integration of active physiological sensing modali- ties such as chlorophyll fluorescence. We present an autonomous robotic platform designed to perform targeted fluorescence measurements on plant leaves. The system combines 3D plant reconstruction, geometric analysis, and motion planning to localize suitable measurement points and generate collision-free trajectories for a robotic manipulator. A dense 3D model of the plant is reconstructed from multi-view data and used to extract candidate leaf surfaces based on orientation, accessibility, and sensing constraints. These targets are then integrated into a task-level planning framework that guides the end-effector to precise contact or near-contact configurations required for point-based fluorescence acquisition. The platform enables automated, repeatable, and spatially resolved physiological measurements that go beyond passive imaging. By tightly coupling perception, geometric reasoning, and manipulation, the proposed system provides a robotics-driven approach to high-resolution plant phenotyping and opens new directions for autonomous agricultural inspection and plant-aware manipulation.
• Abstract（参考訳）: ほとんどの表現型プラットフォームは、主に画像に基づく測定に依存しているが、高度な植物の特徴付けには、クロロフィル蛍光のような活性な生理的センシング機構の統合が必要である。 本稿では,植物葉の蛍光測定を目的とした自律型ロボットプラットフォームを提案する。 このシステムは3Dプラントの再構築、幾何学的解析、運動計画を組み合わせることで、適切な測定点をローカライズし、ロボットマニピュレータのための衝突のない軌道を生成する。 多視点データから高密度3Dモデルを再構成し, 配向, アクセシビリティ, 感知制約に基づいて葉面候補を抽出する。 これらのターゲットはタスクレベルの計画フレームワークに統合され、ポイントベースの蛍光取得に必要な正確な接触またはほぼ接触構成にエンドエフェクタを誘導する。 このプラットフォームは、受動的イメージング以上の、自動化された、繰り返し可能で、空間的に解決された生理学的測定を可能にする。 認識,幾何学的推論,操作を緊密に結合することにより,ロボットによる高分解能植物表現法へのアプローチを提供し,自律型農業検査と植物認識操作の新しい方向性を開放する。

関連論文リスト

• AdaDexGrasp: Adaptive Dexterous Grasping via 3D Visuo-Tactile Representation Fusion [60.79507611737292]
  人間は視覚知覚と触覚フィードバックをシームレスに統合することで、安定的で適応的な把握を実現する。 既存のロボットグルーピングアプローチは、視覚入力と接触後の触覚誘導適応機構の欠如に依存している。 本稿では, 把握生成, 実現可能性予測, 適応的改善を統合した統合型ビジュオタクティル・フュージョン・グリーティング・フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-06T16:29:11Z)
• Learning to Infer Parameterized Representations of Plants from 3D Scans [2.6774002558989705]
  我々はL-systemsベースの手続きモデルを用いて仮想植物でニューラルネットワークを訓練する。 トレーニング後、このネットワークは入力された3Dポイントクラウドに基づいてパラメトリックツリーのような表現を推論することができる。 ケノポジウム・アルバム植物に対する我々のアプローチを,合成植物実験を用いて評価し,我々の統合されたフレームワークが様々なタスクを担っていることを示す。
  論文  参考訳（メタデータ） (2025-05-28T13:23:48Z)
• T-REX: Vision-Based System for Autonomous Leaf Detection and Grasp Estimation [5.059120569845977]
  T-Rexは、温室環境における葉の自律的局在化、選択、把握のために開発されたガントリーベースのロボットシステムである。 このシステムは6自由度マニピュレータとステレオビジョンパイプラインを統合して、ターゲットの葉を識別し、相互作用する。
  論文  参考訳（メタデータ） (2025-05-03T02:17:45Z)
• A Survey on 3D Reconstruction Techniques in Plant Phenotyping: From Classical Methods to Neural Radiance Fields (NeRF), 3D Gaussian Splatting (3DGS), and Beyond [15.48852238904361]
  植物形質転換は、植物形質とその環境との相互作用を理解する上で重要な役割を担っている。 3D再構成技術は、植物の形態や構造を詳細に把握するための強力なツールとして登場した。 本稿では,植物表現の3次元再構成技術について概説する。
  論文  参考訳（メタデータ） (2025-04-30T02:04:23Z)
• A Low-Cost Photogrammetry System for 3D Plant Modeling and Phenotyping [0.2356141385409842]
  本稿では,3次元植物モデルと表現型表現のためのオープンソースで低コストなフォトグラム計測システムを提案する。 このシステムは、運動からの構造的アプローチを用いて、点雲を介して植物の3次元表現を再構築する。
  論文  参考訳（メタデータ） (2025-04-23T16:02:52Z)
• RoMu4o: A Robotic Manipulation Unit For Orchard Operations Automating Proximal Hyperspectral Leaf Sensing [2.1038216828914145]
  葉レベルハイパースペクトル分光法は、表現型化、作物の健康のモニタリング、植物中の必須栄養素の同定、病気や水ストレスの検出に強力なツールであることが示されている。 この研究は、果樹園操作のためのロボット操作ユニットであるRoMu4oを紹介した。
  論文  参考訳（メタデータ） (2025-01-18T01:04:02Z)
• Flatten Anything: Unsupervised Neural Surface Parameterization [76.4422287292541]
  本研究では,FAM(Flatten Anything Model)を導入し,グローバルな自由境界面パラメータ化を実現する。 従来の手法と比較して,FAMは接続情報を活用することなく,個別の面上で直接動作する。 当社のFAMは前処理を必要とせずに完全に自動化されており,高度に複雑なトポロジを扱うことができる。
  論文  参考訳（メタデータ） (2024-05-23T14:39:52Z)
• Semantics-Aware Next-best-view Planning for Efficient Search and Detection of Task-relevant Plant Parts [3.9074818653555554]
  トマトの収穫・脱葉を自動化するためには, 作業関連部位の探索と検出が重要である。 現在のアクティブビジョンアルゴリズムは、関連する部分と無関係な植物部位を区別できない。 本研究は,意味情報を用いて植物部位を識別するセマンティックス対応アクティブビジョン戦略を提案する。
  論文  参考訳（メタデータ） (2023-06-16T12:22:19Z)
• Pose-Oriented Transformer with Uncertainty-Guided Refinement for 2D-to-3D Human Pose Estimation [51.00725889172323]
  本研究では,3次元ポーズ推定のための不確実性ガイド付き多目的変換器(POT)を提案する。 我々はまず,人骨のトポロジーを明示的に活用するために,新しいポーズ指向の自己注意機構と距離関連位置埋め込みを開発した。 本稿では,特に難解な関節に対するPOTからのポーズ予測を洗練させるために,不確実性誘導型リファインメントネットワーク(UGRN)を提案する。
  論文  参考訳（メタデータ） (2023-02-15T00:22:02Z)
• Semantic Image Segmentation with Deep Learning for Vine Leaf Phenotyping [59.0626764544669]
  本研究では,ブドウの葉のイメージを意味的にセグメント化するためにDeep Learning法を用いて,葉の表現型自動検出システムを開発した。 私たちの研究は、成長や開発のような動的な特性を捉え定量化できる植物ライフサイクルのモニタリングに寄与します。
  論文  参考訳（メタデータ） (2022-10-24T14:37:09Z)
• 3D Human Body Reshaping with Anthropometric Modeling [59.51820187982793]
  人間測定パラメータから正確で現実的な3D人体を再構築することは、個人識別、オンラインショッピング、仮想現実のための基本的な課題です。 このような3d形状を作る既存のアプローチは、レンジカメラやハイエンドスキャナーによる複雑な測定に苦しむことが多い。 本稿では,各ファセットに対する自動人為的パラメータモデリングを可能にする,特徴選択に基づく局所マッピング手法を提案する。
  論文  参考訳（メタデータ） (2021-04-05T04:09:39Z)
• Nothing But Geometric Constraints: A Model-Free Method for Articulated Object Pose Estimation [89.82169646672872]
  本稿では,ロボットアームの関節構成を,モデルに先入観を持たずにRGBまたはRGB-D画像のシーケンスから推定する,教師なし視覚ベースシステムを提案する。 我々は,古典幾何学的定式化と深層学習を組み合わせることで,この課題を解決するために,極性多剛体制約を拡張した。
  論文  参考訳（メタデータ） (2020-11-30T20:46:48Z)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)

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。