論文の概要: How Well Do Pseudo-Rigid Body Models Capture Real Plants? In-Field Validation of Simulated Blueberry Canes

• arxiv url: http://arxiv.org/abs/2609.13627v1
• Date: Sat, 12 Sep 2026 00:40:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.423615
• Title: How Well Do Pseudo-Rigid Body Models Capture Real Plants? In-Field Validation of Simulated Blueberry Canes
• Title（参考訳）: Pseudo-Rigid Body Models Capture Real Plants? Simulated Blueberry Canesの現場検証
• Abstract要約: 実材料特性を基礎とした剛体モデルとビーム曲げ理論を用いて, 載荷時のブルーベリー缶の変形をシミュレーションした。 そこで,本手法は植物径の計算に非常に敏感であることを示す。 また、RGB-D画像や測定力や変位など、生きたブルーベリー杖の変形のデータセットも共有しています。
• 参考スコア（独自算出の注目度）: 8.418013335768306
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Many labor-intensive tasks in fruit production such as pruning require physically interacting with the plant (e.g., pushing, pulling, bending limbs, etc.). Due to increasing labor shortages, there is widespread interest in the adoption of robotics in this area. When the robot must physically interact with the system, a deformable model of the plant is beneficial. Coupled, spring-loaded beams have been used in prior work to build deformable plant models in simulation for learning, planning, and control, but this approach has rarely been validated against the mechanical properties of real-world plants. In this paper, we use this rigid-body model, grounded in real material properties and beam bending theory, to simulate the deformation of blueberry canes under loading. To validate the model, we simulate the canes in MuJoCo and compare their behavior with real-world data collected from probing canes at a commercial farm with a custom testbed. We perform sensitivity analysis on several key modeling variables and show that this approach is highly sensitive to the plant diameter calculations and a priori flexural modulus estimation, which is dependent on season and blueberry variety. We also share our dataset of live blueberry cane deformation, including RGB-D images and measured forces and displacements.
• Abstract（参考訳）: 果樹栽培における多くの労働集約的な作業は、植物(例えば、押す、引っ張る、曲がる手足など)と物理的に相互作用する必要がある。 労働力不足の増大により、この地域でのロボットの採用に広く関心が寄せられている。 ロボットがシステムと物理的に相互作用する必要がある場合、植物の変形可能なモデルが有用である。 結合されたスプリングローディングビームは、学習、計画、制御のシミュレーションにおいて変形可能な植物モデルを構築するために、以前の研究で用いられてきたが、実際の植物の機械的特性に対して、このアプローチが検証されることはめったにない。 本稿では, 実材料特性とビーム曲げ理論を基礎とした剛体モデルを用いて, 載荷時のブルーベリー缶の変形をシミュレーションする。 モデルを検証するために,MuJoCoの缶詰をシミュレートし,その挙動を市販農場の試験場から収集した実世界のデータと比較する。 本手法は, 季節およびブルーベリーの品種に依存した植物径の計算, およびプレキシ屈曲率推定に非常に敏感であることを示す。 また、RGB-D画像や測定力や変位など、生きたブルーベリー杖の変形のデータセットも共有しています。

関連論文リスト

• Expressivity-Efficiency Tradeoffs for Hybrid Sequence Models [50.45915413315706]
  非ハイブリッドモデルに対する基本的な制限の存在を証明する。 我々は,これらの課題を確実に解決する,小さなサイズと作業メモリのハイブリッドモデルを構築した。 さらに,ハイブリッドモデルが非ハイブリッドモデルよりも長大化および分布外堅牢性を示すことを示す。
  論文  参考訳（メタデータ） (2026-03-09T19:20:01Z)
• Surrogate compliance modeling enables reinforcement learned locomotion gaits for soft robots [5.193389420813379]
  適応型形態形成ロボットは、変化するタスクや環境条件を満たすために形態と制御ポリシーに適応する。 このようなシステムの多くは、形状変形を可能にするソフトコンポーネントを利用するが、シミュレーションや制御の課題も導入している。 本稿では,ソフトボディ物理を明示的にモデル化する代わりに,剛体シミュレータ内でのソフトマテリアル変形を表す間接変数を導入する。
  論文  参考訳（メタデータ） (2025-12-08T02:52:42Z)
• Demeter: A Parametric Model of Crop Plant Morphology from the Real World [34.57672800976057]
  本稿では,植物形態学の重要な要素を符号化したデータ駆動パラメトリックモデルDemeterを提案する。 実験により、デメータは形を効果的に合成し、構造を再構築し、生体物理過程をシミュレートすることが示された。
  論文  参考訳（メタデータ） (2025-10-18T07:14:40Z)
• Gazebo Plants: Simulating Plant-Robot Interaction with Cosserat Rods [11.379848739344814]
  植物の動きをモデル化するために,コセラットロッドをベースとしたGazeboシミュレーションプラットフォーム用のプラグインを提案する。 筆者らは,このプラグインを用いて,果実を摘むロボットアームを模擬することにより,ガゼボで収穫シミュレーションを行うことができることを示した。
  論文  参考訳（メタデータ） (2024-02-04T17:19:46Z)
• DiffuseBot: Breeding Soft Robots With Physics-Augmented Generative Diffusion Models [102.13968267347553]
  本稿では,様々なタスクにおいて優れたソフトロボット形態を生成する物理拡張拡散モデルであるDiffuseBotを提案する。 我々は、その能力とともに、シミュレーションされた、そして製造された様々なロボットを紹介します。
  論文  参考訳（メタデータ） (2023-11-28T18:58:48Z)
• Learning to Simulate Tree-Branch Dynamics for Manipulation [26.808346972775368]
  そこで本研究では,木枝の動力学をモデル化するために,シミュレーション駆動逆推論手法を提案する。 本モデルでは, 変形軌跡を予測し, 推定の不確かさを定量化し, ベースラインが他の推論アルゴリズムに逆らう場合, 精度が向上することを示す。
  論文  参考訳（メタデータ） (2023-06-06T05:17:02Z)
• Conditional Generative Models for Simulation of EMG During Naturalistic Movements [45.698312905115955]
  本稿では、運動単位活性化電位波形を生成するために、逆向きに訓練された条件付き生成ニューラルネットワークを提案する。 本研究では,より少ない数の数値モデルの出力を高い精度で予測的に補間できることを実証する。
  論文  参考訳（メタデータ） (2022-11-03T14:49:02Z)
• SAM-RL: Sensing-Aware Model-Based Reinforcement Learning via Differentiable Physics-Based Simulation and Rendering [49.78647219715034]
  本稿では,SAM-RL と呼ばれる感性認識モデルに基づく強化学習システムを提案する。 SAM-RLは、センサーを意識した学習パイプラインによって、ロボットがタスクプロセスを監視するための情報的視点を選択することを可能にする。 我々は,ロボット組立,ツール操作,変形可能なオブジェクト操作という3つの操作タスクを達成するための実世界の実験に,我々のフレームワークを適用した。
  論文  参考訳（メタデータ） (2022-10-27T05:30:43Z)
• DiSECt: A Differentiable Simulator for Parameter Inference and Control in Robotic Cutting [71.50844437057555]
  軟質材料を切断するための最初の微分可能シミュレータであるDiSECtについて述べる。 シミュレータは、符号付き距離場に基づく連続接触モデルにより有限要素法を増強する。 このシミュレータは, 最先端の商用解法を用いて, 結果の力やフィールドに適合するようにキャリブレーションできることを示す。
  論文  参考訳（メタデータ） (2022-03-19T07:27:19Z)
• A Bayesian Treatment of Real-to-Sim for Deformable Object Manipulation [59.29922697476789]
  本稿では,変形可能な物体の状態を分布埋め込みとして表現する手法を用いて,画像列から状態情報を抽出する手法を提案する。 実験により, 弾性, 摩擦, スケールなどの物性の後方分布を, 布やロープなどの高変形性物体で推定できることが確認された。
  論文  参考訳（メタデータ） (2021-12-09T17:50:54Z)
• Deep Transfer Learning For Plant Center Localization [19.322420819302263]
  本稿では,無人航空機(UAV)を用いたRGB空中画像を用いた畑型作物の立地推定手法について検討する。 深層学習アプローチは、RGB画像で観察された植物を探索するために有望な能力を提供するが、トレーニングには大量のラベル付きデータ(地上真実)を必要とする。 そこで本研究では,限定的な地上真実データを用いて,既存モデルを新たなシナリオに移行することにより,プラント中心の推定手法を提案する。
  論文  参考訳（メタデータ） (2020-04-29T06:29:49Z)
• Deformation-aware Unpaired Image Translation for Pose Estimation on Laboratory Animals [56.65062746564091]
  我々は,神経回路が行動をどのようにオーケストレーションするかを研究するために,手動による監督を使わずに,神経科学モデル生物のポーズを捉えることを目的としている。 我々の重要な貢献は、未完成の画像翻訳フレームワークにおける外観、形状、ポーズの明示的で独立したモデリングである。 ショウジョウバエ(ハエ)、線虫(線虫)、ダニオ・レリオ(ゼブラフィッシュ)のポーズ推定精度の向上を実証した。
  論文  参考訳（メタデータ） (2020-01-23T15:34:11Z)

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。