論文の概要: AgriGen: Large-Scale Scene Generation Framework for Photorealistic Agricultural Robotics Simulation
- arxiv url: http://arxiv.org/abs/2609.25725v1
- Date: Tue, 22 Sep 2026 05:54:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-23 18:04:04.236024
- Title: AgriGen: Large-Scale Scene Generation Framework for Photorealistic Agricultural Robotics Simulation
- Title（参考訳）: AgriGen:フォトリアリスティック農業ロボットシミュレーションのための大規模シーン生成フレームワーク
- Abstract要約: 農業ロボティクスは急速に進歩しているが、フィールドアクセスの制限、フィールド条件の制御の欠如、季節的な作物のサイクルによって進歩は制限されている。
我々はアイザック・シム(Isaac Sim)を基盤としたROS統合フレームワークを,大規模農業環境の手続き的生成のために提案する。
- 参考スコア（独自算出の注目度）: 3.0103885198459888
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Agricultural robotics is advancing rapidly, yet progress remains constrained by limited field access, lack of control over field conditions, geographic variability, and seasonal crop cycles. These factors make it difficult and costly to acquire diverse agricultural datasets, resulting in limited evaluation and reduced system robustness. While other robotics domains have scaled learning and evaluation through high-fidelity simulation, agricultural robotics still lacks comparably capable tools. In this paper, we present a ROS-integrated framework, built on Isaac Sim, for large-scale procedural generation of agricultural environments. The framework supports photorealistic rendering, physics simulation, and domain randomization at scales relevant to robotics research, with built-in support for row crops, orchards, and vineyards and straightforward extensibility to additional crop categories. Project Page: https://baj31415.github.io/agrigen/
- Abstract（参考訳）: 農業ロボティクスは急速に進歩しているが、フィールドアクセスの制限、フィールド条件の制御の欠如、地理的変動、季節的な作物のサイクルに制約されている。
これらの要因により、多様な農業データセットの取得が困難でコストがかかるため、限られた評価とシステムの堅牢性が低下する。
他のロボティクス分野は、高忠実度シミュレーションを通じて学習と評価を拡大してきたが、農業ロボティクスには互換性のあるツールがない。
本稿では,アイザック・シムを基盤とした大規模農業環境の手続き的生成のためのROS統合フレームワークを提案する。
このフレームワークは、フォトリアリスティックなレンダリング、物理シミュレーション、そしてロボット工学の研究に関連するスケールでのドメインランダム化をサポートし、行の作物、果樹園、ブドウ園のビルトインサポートと追加の作物カテゴリーへの直接的な拡張性を備えている。
プロジェクトページ: https://baj31415.github.io/agrigen/
関連論文リスト
- AgriChrono: A Multi-modal Dataset Capturing Crop Growth and Lighting Variability with a Field Robot [9.93207789073423]
本稿では,AgriChronoについて紹介する。AgriChronoはロボットデータ収集プラットフォームであり,実世界の農業環境の動的条件を捉えるために設計されたマルチモーダルデータセットである。
当社のプラットフォームは,複数のセンサを統合し,RGB,Depth,LiDAR,IMUデータの遠隔時間同時取得を可能にする。
我々は、AgriChronoデータセット上で、最先端の3D再構成モデルをベンチマークし、現実世界のフィールド環境における再構築の難しさを強調した。
論文 参考訳（メタデータ） (2025-08-26T05:39:47Z) - AI in Agriculture: A Survey of Deep Learning Techniques for Crops, Fisheries and Livestock [77.95897723270453]
作物、漁業、家畜が世界の食料生産のバックボーンを形成し、成長を続ける世界の人口を養うのに不可欠である。
これらの問題に対処するには、効率的で正確でスケーラブルな技術ソリューションが必要であり、人工知能(AI)の重要性を強調している。
本調査では,従来の機械学習アプローチ,高度なディープラーニング技術,最新のビジョン言語基礎モデルなど,200以上の研究成果を体系的かつ徹底的にレビューする。
論文 参考訳（メタデータ） (2025-07-29T17:59:48Z) - 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) - 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) - Real-time object detection and robotic manipulation for agriculture
using a YOLO-based learning approach [8.482182765640022]
本研究では、畳み込みニューラルネットワーク(CNN)の2つの異なるアーキテクチャを組み合わせた新しいフレームワークを提案する。
シミュレーション環境でのクロップ画像は、ランダムな回転、収穫、明るさ、コントラスト調整を受け、データセット生成のための拡張画像を生成する。
提案手法は,ロボット操作の把握位置を明らかにするために,視覚幾何学グループモデルを用いて取得した画像データを利用する。
論文 参考訳（メタデータ） (2024-01-28T22:30:50Z) - PhenoBench -- A Large Dataset and Benchmarks for Semantic Image Interpretation in the Agricultural Domain [29.395926321984565]
本稿では,実際の農業分野の意味論的解釈のための注釈付きデータセットとベンチマークを提案する。
UAVで記録したデータセットは、作物や雑草の高品質でピクセル単位のアノテーションを提供するだけでなく、作物の葉のインスタンスも同時に提供する。
異なるフィールドで構成された隠れテストセット上で、さまざまなタスクのベンチマークを提供する。
論文 参考訳（メタデータ） (2023-06-07T16:04:08Z) - Empowering Agrifood System with Artificial Intelligence: A Survey of the Progress, Challenges and Opportunities [86.89427012495457]
我々は、AI技術がアグリフードシステムをどう変え、現代のアグリフード産業に貢献するかをレビューする。
本稿では,農業,畜産,漁業において,アグリフードシステムにおけるAI手法の進歩について概説する。
我々は、AIで現代のアグリフードシステムを変革するための潜在的な課題と有望な研究機会を強調します。
論文 参考訳（メタデータ） (2023-05-03T05:16:54Z) - 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) - Deep Semantic Segmentation at the Edge for Autonomous Navigation in
Vineyard Rows [0.0]
精密農業は、農業プロセスに安価で効果的な自動化を導入することを目的としている。
提案する制御は,機械認識技術とエッジAI技術の最新技術を活用して,ブドウ畑の列内における高精度で信頼性の高いナビゲーションを実現する。
制御アルゴリズム自体によって生成されたセグメンテーションマップは、作物の状態の植物性評価のためのフィルタとして直接利用することができる。
論文 参考訳（メタデータ） (2021-07-01T18:51:58Z) - Agriculture-Vision: A Large Aerial Image Database for Agricultural
Pattern Analysis [110.30849704592592]
本稿では,農業パターンのセマンティックセグメンテーションのための大規模空中農地画像データセットであるGarmry-Visionを提案する。
各画像はRGBと近赤外線(NIR)チャンネルで構成され、解像度は1ピクセルあたり10cmである。
農家にとって最も重要な9種類のフィールド異常パターンに注釈を付ける。
論文 参考訳（メタデータ） (2020-01-05T20:19:33Z)
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。