論文の概要: Tracking the Ground: Online Lidar Identification of Robot-Induced Soil Deformation in Agricultural Environments

• arxiv url: http://arxiv.org/abs/2609.15667v1
• Date: Mon, 14 Sep 2026 14:47:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:06.454518
• Title: Tracking the Ground: Online Lidar Identification of Robot-Induced Soil Deformation in Agricultural Environments
• Title（参考訳）: 土地追跡:農業環境におけるロボットによる土壌変形のオンラインライダー同定
• Abstract要約: 土壌を意識したロボット工学への重要なステップは、自動車の交通が地面を変形させる方法を明確に説明することだ。 道路交通に伴う土壌の変形を定量化し,その進化をライダー観測から推定する枠組みを提案する。 異なる土壌条件下で行われた実験は、ロボットが引き起こした変形を捉えるためのアプローチの能力を示している。
• 参考スコア（独自算出の注目度）: 0.9631905983555432
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Agriculture faces many challenges, and robotic systems can play an important role in addressing them by improving the efficiency and sustainability of field operations. Among these challenges, preserving soil health is a critical concern, as vehicle-soil interactions can degrade the soil structure and produce unwanted surface deformation. A key step toward soil-aware robotics is to explicitly account for how vehicle traffic deforms the ground, yet soil state is typically not treated as a variable. We address this gap by proposing a framework to quantify traffic-induced soil deformation and estimate its evolution online from lidar observations. The method relies on a reduced-order parametric model that represents the soil behavior via physically interpretable parameters, yielding a continuously updated and observable representation of soil state. Experiments conducted in different soil conditions demonstrate the ability of the approach to capture deformation induced by the robot. By making soil response measurable and interpretable during operation, the proposed framework establishes a basis for soil-aware robotic operation, in which the estimated state can be exploited to adapt robotic behaviors in order to reduce soil degradation.
• Abstract（参考訳）: 農業は多くの課題に直面しており、ロボットシステムは、現場での作業の効率性と持続可能性を改善することにより、それに対応する上で重要な役割を果たす。 これらの課題の中で、車両と土壌の相互作用が土壌構造を劣化させ、不要な表面の変形を生じさせるため、土壌の健全性を維持することが重要な関心事である。 土壌を意識したロボット工学への重要なステップは、車両の交通が地面をどのように変形させるかを明確に説明することだが、土壌状態は通常変数として扱われない。 このギャップに対処するために、交通による土壌の変形を定量化するためのフレームワークを提案し、ライダー観測からその進化をオンラインで推定する。 この方法は、物理的に解釈可能なパラメータを通して土壌の挙動を表現し、継続的に更新され、観測可能な土壌状態の表現を与える、縮小次パラメトリックモデルに依存している。 異なる土壌条件下で行われた実験は、ロボットが引き起こした変形を捉えるためのアプローチの能力を示している。 提案手法は, 作業中の土壌応答を計測し, 解釈可能にすることにより, 土壌の劣化を低減するために, 推定状態を利用してロボットの挙動を適応させることのできる, 土壌認識型ロボット操作の基礎を確立するものである。

関連論文リスト

• When Obstacles Bend: Modeling Vegetation Deformation in the context of Field Robotics [0.9631905983555432]
  移動可能性(traversability)は、特定のプラットフォームが環境を移動する際にどのように反応するかを測定することで、ロボットの観点から定義される。 この視点は、環境評価をロボット自身のダイナミクスと結び付け、その結果、異なるプラットフォーム間での移動が困難になる。 本稿では,その固有の機械的特性を通じて,特定のロボットとは独立して植生を特徴付けることを提案する。
  論文  参考訳（メタデータ） (2026-08-26T17:23:57Z)
• MILD: Tractable Terrain Modeling for Learning Improved Bipedal Locomotion on Deformable Surfaces [27.312811759047023]
  物理地上の離散要素接触解法を特徴とするMILDについて述べる。 我々は、深い強化学習を通して地形認識コントローラを訓練する。 本システムでは,様々な表面硬さのオンライン識別と適応性を実証する。
  論文  参考訳（メタデータ） (2026-08-20T12:24:34Z)
• Constrained hybrid modelling to predict microbial dynamics and organic matter turnover in soil systems [21.07551792048093]
  土壌微生物は有機物循環を制御し、土壌システムがどのように気候変動や環境脅威に対処し緩和するかを決定する。 したがって, プロセスベース土壌モデルにおける微生物動態の表現は, 土壌中の炭素循環を予測する上で重要である。 DNAシークエンシングデータに基づくメタゲノム推論機能特性からプロセスベース土壌有機物ターンオーバーモデルの生体動態パラメータ値を導出するための最初のハイブリッド・モデリング・フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-18T15:04:34Z)
• Automated Hybrid Grounding Using Structural and Data-Driven Heuristics [68.08622864330296]
  ハイブリットグラウンドリングは、標準ボトムアップグラウンドリングの強度と、グラウンドニング中にルールボディを分離する手法を組み合わせたものである。 ハイブリッド接地が身体分離接地をいつ使うか、標準ボトムアップ接地をいつ使うかは未定である。 我々は,データ構造に基づく分割アルゴリズムを導入し,身体分離接地と標準接地がいつ有用かを検出する。
  論文  参考訳（メタデータ） (2025-07-23T13:19:02Z)
• Situationally-Aware Dynamics Learning [57.698553219660376]
  隠れ状態表現のオンライン学習のための新しいフレームワークを提案する。 提案手法は、非観測パラメータが遷移力学と報酬構造の両方に与える影響を明示的にモデル化する。 シミュレーションと実世界の両方の実験は、データ効率、ポリシー性能、安全で適応的なナビゲーション戦略の出現を著しく改善した。
  論文  参考訳（メタデータ） (2025-05-26T06:40:11Z)
• Generating Diverse Agricultural Data for Vision-Based Farming Applications [74.79409721178489]
  このモデルは, 植物の成長段階, 土壌条件の多様性, 照明条件の異なるランダム化フィールド配置をシミュレートすることができる。 我々のデータセットにはセマンティックラベル付き12,000の画像が含まれており、精密農業におけるコンピュータビジョンタスクの包括的なリソースを提供する。
  論文  参考訳（メタデータ） (2024-03-27T08:42:47Z)
• Knowledge Guided Representation Learning and Causal Structure Learning in Soil Science [7.242065002172681]
  本研究では,土壌科学における科学的発見を促進するためのフレームワーク,知識指導型表現学習,因果構造学習(KGRCL)を提案する。 このフレームワークは, 観測された土壌プロセスと条件分布マッチングにより, シミュレーションされた土壌プロセスの表現学習を改善する。 学習された因果グラフは、他の因果発見法から生成された他のグラフよりも、基底真理を代表している。
  論文  参考訳（メタデータ） (2023-06-15T17:31:13Z)
• Domain Generalization for Crop Segmentation with Standardized Ensemble Knowledge Distillation [42.39035033967183]
  サービスロボットは、周囲を理解し、野生のターゲットを識別するリアルタイム認識システムが必要です。 しかし、既存の方法はしばしば、新しい作物や環境条件への一般化において不足している。 本稿では,知識蒸留を用いた領域一般化手法を提案する。
  論文  参考訳（メタデータ） (2023-04-03T14:28:29Z)
• Self-Reflective Terrain-Aware Robot Adaptation for Consistent Off-Road Ground Navigation [9.526796188292968]
  地上ロボットは、災害応答のような現実世界のロボットアプリケーションでタスクを完了するために、非構造的および未準備の地形を横断する重要な能力を必要とする。 本研究では,非構造なオフロード地形を走行するための一貫した制御を生成するために,地上ロボットの自己反射型地形認識適応法を提案する。
  論文  参考訳（メタデータ） (2021-11-12T14:32:22Z)
• Attention-based Adversarial Appearance Learning of Augmented Pedestrians [49.25430012369125]
  本稿では,歩行者認識タスクのための現実的なデータを合成する手法を提案する。 本手法は, 対向的損失によって駆動される注意機構を用いて, ドメインの相違を学習する。 提案手法はこのような不一致に対して頑健であり,視覚的リアリズムと意味的整合性の両方を明らかにする。
  論文  参考訳（メタデータ） (2021-07-06T15:27:00Z)
• Potato Crop Stress Identification in Aerial Images using Deep Learning-based Object Detection [60.83360138070649]
  本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。 主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。 実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
  論文  参考訳（メタデータ） (2021-06-14T21:57:40Z)
• Estimating Crop Primary Productivity with Sentinel-2 and Landsat 8 using Machine Learning Methods Trained with Radiative Transfer Simulations [58.17039841385472]
  我々は,機械モデリングと衛星データ利用の並列化を活用し,作物生産性の高度モニタリングを行う。 本モデルでは, 地域情報を使用しなくても, 各種C3作物の種類, 環境条件の総合的生産性を推定することに成功した。 これは、現在の地球観測クラウドコンピューティングプラットフォームの助けを借りて、新しい衛星センサーから作物の生産性をグローバルにマップする可能性を強調しています。
  論文  参考訳（メタデータ） (2020-12-07T16:23:13Z)

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。