論文の概要: CLASP: A Cluster-Level Autonomous Selective Picking Robot with a Soft Rolling-Band Gripper for Fresh-Market Blueberry Harvesting
- arxiv url: http://arxiv.org/abs/2609.18051v1
- Date: Wed, 16 Sep 2026 02:54:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:53.61811
- Title: CLASP: A Cluster-Level Autonomous Selective Picking Robot with a Soft Rolling-Band Gripper for Fresh-Market Blueberry Harvesting
- Title（参考訳）: CLASP: 新生ブルーベリーハーベスティング用ソフトローリングバンドグリッパー付きクラスターレベル自律選別ロボット
- Abstract要約: 本稿では,SARB-Gripper(Soft Active Rolling-Band Gripper)を用いたクラスタレベル自律選択ロボットCLASPについて述べる。
2つの従順なバンドがクラスターを包み、果実に対して転がり、成熟したベリーを連続的に引き離し、一方、引抜き力の閉ループ制御は、未熟な剥離閾値以下に荷重を印加する。
フィールド測定により成熟果実と未熟果実との明確な剥離力分離が確認され、SARB-グリッパーは命令された引力をSI3.7%以内まで再現し、クラスターレベルで選択的収穫を可能にする。
- 参考スコア（独自算出の注目度）: 13.480067573992448
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Fresh-market blueberries require selective, gentle picking, which is labor-intensive and expensive. Over-the-row machine harvesters are fast but non-selective, bruising mixed-ripeness fruit and limiting yield to the processing market. Selective robotic harvesters typically target individual fruits rather than fruit clusters, which limits harvesting efficiency for small, densely clustered blueberries. This paper presents CLASP, a Cluster-Level Autonomous Selective Picking robot with a Soft Active Rolling-Band Gripper (SARB-Gripper). Two compliant bands envelop the cluster and roll against the fruit, drawing mature berries off in sequence, while closed-loop regulation of the pulling force keeps the applied load below the immature detachment threshold. A global-to-local perception pipeline pairs an eye-to-hand camera for global cluster detection and target selection with an eye-in-hand camera for local localization and cluster orientation estimation. Field measurements confirm a clear detachment-force separation between mature and immature fruit, and the SARB-Gripper reproduces a commanded pulling force to within \SI{3.7}{\percent}, enabling selective harvesting at the cluster level. In end-to-end field trials, CLASP autonomously grasped 23 of 25 presented clusters (\SI{92}{\percent}). With the component cost of approximately \$3326 per unit, CLASP offers a scalable approach to selective cluster-level harvesting for fresh-market blueberries.
- Abstract（参考訳）: 新鮮な市場でのブルーベリーは、選択的で穏やかなピックを必要とし、労働集約的で高価である。
オーバーザローマシンの収穫機は高速だが非選択的であり、混合熟した果実を焼いて、加工市場への収量を制限する。
選択的なロボット収穫機は通常、果実クラスタではなく個々の果実をターゲットにしており、小規模で密集したブルーベリーの収穫効率を制限している。
本稿では,SARB-Gripper(Soft Active Rolling-Band Gripper)を用いたクラスタレベル自律選択ロボットCLASPを提案する。
2つの従順なバンドがクラスターを包み、果実に対して転がり、成熟したベリーを連続的に引き離し、一方、引抜き力の閉ループ制御は、未熟な剥離閾値以下に荷重を印加する。
グローバル・ツー・ローカル認識パイプラインは、グローバル・クラスタ検出とターゲット選択のためのアイ・ツー・ハンドカメラと、ローカル・ローカライゼーションとクラスタ・オリエンテーション推定のためのアイ・イン・ハンドカメラとをペアリングする。
フィールド測定により成熟果実と未熟果実の明確な剥離力分離が確認され、SARB-Gripper は命令された引抜き力を \SI{3.7}{\percent} 内に再現し、クラスターレベルで選択的収穫を可能にする。
エンドツーエンドのフィールドトライアルでは、CLASPは25のクラスタ(\SI{92}{\percent})のうち23を自律的に把握した。
コンポーネントのコストは1ユニットあたり約3326ドルなので、CLASPは、新鮮な市場でのブルーベリーを選別するクラスタレベルの収穫にスケーラブルなアプローチを提供する。
関連論文リスト
- Active perception for robotic harvesting: 3D reconstruction and localisation of tomatoes hidden within clusters in a Mediterranean greenhouse [39.146761527401424]
本研究は, クラスター内の果実の3次元再構成と精密な局在化のための包括的パイプラインを提案する。
精度は90%を超え、平均リコール率は82.8%、平均インターセクション・オブ・ユニオン(mIoU)は80.7%である。
論文 参考訳（メタデータ） (2026-09-16T14:33:08Z) - HarvestPoint-ACT: Explicit Target Selection and Harvest-Point Conditioning for Robotic Fruit Harvesting under Occlusion [11.478098745399777]
エンド・ツー・エンドの模倣学習は、手作りのロボットの動きを回避して接近・把握するが、どの果物を選ぶか、どこでグリップを閉じるかは政策が決める必要がある。
本稿では,HarvestPoint-ACTについて述べる。
論文 参考訳（メタデータ） (2026-08-19T02:21:27Z) - Fruit-HSNet: A Machine Learning Approach for Hyperspectral Image-Based Fruit Ripeness Prediction [1.5484595752241122]
本稿では,果実熟度を高スペクトルで分類する機械学習アーキテクチャであるFruit-HSNetを紹介する。
その結果、Fruit-HSNetは既存のディープラーニング手法を大幅に上回り、12%の改善を達成し、新しい最先端の70.73%の精度を実現した。
論文 参考訳（メタデータ） (2026-08-02T12:37:38Z) - Tensor Network Machine Learning for Wildfire Susceptibility Mapping: from Grokking Dynamics to Quantum Mixedness of Class Representations [53.66343110413339]
ガルガノ地域の山火事感受性分類のための量子インスピレーション付きテンソルネットワークフレームワークについて紹介する。
このアプローチは、スケーラブルな地理空間表現と解釈可能な量子マスクを組み合わせることで、バイナリとマルチクラスの両方の分類を可能にする。
論文 参考訳（メタデータ） (2026-07-21T18:30:50Z) - Vision-Based Obstacle Separation for Strawberry Harvesting in Clusters Using Hierarchical Reinforcement Learning [3.314102272774147]
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。
論文 参考訳（メタデータ） (2026-07-15T13:07:25Z) - MDL-GBG: A Non-parametric and Interpretable Granular-Ball Generation Method for Clustering [49.85979294911059]
既存のグラニュラーボール生成法は、主に手作り品質対策と分割または停止基準によって駆動される。
本稿では,クラスタリングのための非パラメトリックかつ解釈可能なグラニュラーボール生成法である,最小記述長に基づくグラニュラーボール生成(MDL-GBG)を提案する。
論文 参考訳（メタデータ） (2026-05-09T07:42:41Z) - One-Shot Hierarchical Federated Clustering [51.490181220883905]
本稿では,効率的な階層型クラスタリングフレームワークを提案する。
クライアント-エンドの分散探索とサーバ-エンドの分散アグリゲーションを実行する。
クライアント間の複雑なクラスタ分布を効率的に探索できることが判明した。
論文 参考訳（メタデータ） (2026-01-10T02:58:33Z) - Bridge the Points: Graph-based Few-shot Segment Anything Semantically [79.1519244940518]
プレトレーニング技術の最近の進歩により、視覚基礎モデルの能力が向上した。
最近の研究はSAMをFew-shot Semantic segmentation (FSS)に拡張している。
本稿では,グラフ解析に基づく簡易かつ効果的な手法を提案する。
論文 参考訳（メタデータ） (2024-10-09T15:02:28Z) - Autonomous Strawberry Picking Robotic System (Robofruit) [1.290382979353427]
我々は,イチゴを様々な特徴で収穫できる新システムを開発した。
この機能は、高密度クラスタなど、非常に複雑なピックシナリオを扱うことを可能にする。
さらに,イチゴをローカライズし,そのキーポイント,ピックポイントを検出し,熟度を決定する新しい認識システムを開発した。
論文 参考訳（メタデータ） (2023-01-10T13:02:23Z) - Fruit Ripeness Classification: a Survey [59.11160990637616]
食品を格付けするための特徴記述子を多用する多くの自動的手法が提案されている。
機械学習とディープラーニング技術がトップパフォーマンスの手法を支配している。
ディープラーニングは生のデータで操作できるため、複雑なエンジニアリング機能を計算する必要がなくなる。
論文 参考訳（メタデータ） (2022-12-29T19:32:20Z)
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。