論文の概要: Context-Aware Adaptive Pesticide Spraying for Agricultural Robots under Changing Weather and Terrain Using Vision-Language Models
- arxiv url: http://arxiv.org/abs/2610.08807v1
- Date: Wed, 09 Sep 2026 16:05:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-12 09:53:32.092871
- Title: Context-Aware Adaptive Pesticide Spraying for Agricultural Robots under Changing Weather and Terrain Using Vision-Language Models
- Title（参考訳）: 視覚言語モデルを用いた気象・地形変化下における農業用ロボットの環境適応型殺虫剤散布
- Abstract要約: 視覚言語モデル(VLM)に基づく文脈対応適応噴霧フレームワークを提案する。
提案手法は,作物列の検出において,少なくとも30%精度を向上する。
- 参考スコア（独自算出の注目度）: 0.5801044612920815
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Precision pesticide spraying is essential for optimizing application efficiency and ensuring uniform chemical distribution. Spraying performance is influenced by multiple factors, including environmental conditions such as temperature and wind speed, pesticide type, and the robot's capability to accurately perceive crops and target spray locations. Existing approaches predominantly emphasize crop detection and rely on predefined spraying parameters, whereas human operators dynamically adjust their spraying strategies by considering environmental conditions, region-specific crop characteristics, and the type of pesticide being applied. In this study, we propose a context-aware adaptive spraying framework based on Vision-Language Models (VLMs), which enables robots to leverage spatial reasoning and integrate information from multiple sources, including crop type, pesticide type, and weather data, to make adaptive and optimized spraying decisions. Subsequently, a trajectory-tracking controller based on Model Predictive Path Integral (MPPI) control is employed to ensure precise navigation and accurate spraying at crop locations. The comparative results demonstrate that the proposed method improves accuracy by at least 30% in detecting crop rows. In addition, the experimental evaluations conducted in two environments further demonstrate the robot's ability to flexibly adjust spraying volume and travel speed, while reducing pesticide drift.
- Abstract（参考訳）: 塗布効率を最適化し, 均一な化学分布を確保するためには, 精密農薬散布が不可欠である。
噴霧性能は、温度や風速、殺虫剤の種類、作物を正確に知覚するロボットの能力など、複数の要因の影響を受けている。
既存のアプローチは, 農作物の検出を重視し, 予め定義された散布パラメータに依存しているのに対し, 環境条件, 地域固有の作物特性, 農薬の種類を考慮し, 散布戦略を動的に調整している。
本研究では,視覚言語モデル(VLM)に基づく適応噴霧フレームワークを提案する。これにより,ロボットは空間的推論を活用でき,作物の種類,殺虫剤の種類,気象データなど複数のソースからの情報を統合し,適応的かつ最適化された噴霧決定を行うことができる。
その後、モデル予測経路積分(MPPI)制御に基づく軌道追従制御を用いて、作物における正確なナビゲーションと正確な噴霧を確実にする。
比較結果から,提案手法は作物列の検出において,少なくとも30%精度が向上することが示された。
さらに,2つの環境において実験を行った結果,散布量や走行速度を柔軟に調整できると同時に,殺虫剤の漂流を低減できる可能性が示された。
関連論文リスト
- DESCENT: Directed Edge Scene Encoding for Airport Surface Movement Prediction [54.94692733670454]
DESCENTは変圧器ベースのアーキテクチャで、不均一な力学と厳密なトポロジ的制約を扱うように設計されている。
本手法は,飛行場環境コンテキストを適応的に収集する,潜在的到達性セット(PRS)コンテキストサンプリング機構を備えている。
Amelia-10ベンチマークによる評価では,最先端のベースラインよりも大幅な性能向上が見られた。
論文 参考訳（メタデータ） (2026-08-26T16:49:50Z) - ProAct: Agentic Lookahead in Interactive Environments [56.50613398808361]
ProActは、2段階のトレーニングパラダイムを通じて、エージェントが正確なルックアヘッド推論を内部化することを可能にするフレームワークである。
そこでは,環境に基づく探索から得られたトラジェクトリの微調整をエージェントが行うGLAD(Grounded LookAhead Distillation)を紹介する。
また,政策段階のアルゴリズムを改良する補助値推定器であるモンテカルロ批判(MC-Critic)を提案する。
論文 参考訳（メタデータ） (2026-02-05T05:45:16Z) - Context-Aware Pesticide Recommendation via Few-Shot Pest Recognition for Precision Agriculture [1.2744523252873352]
本研究は、スマートフォンやドローンなどの低リソースデバイス向けに設計された、害虫検出および殺虫剤推奨のための軽量なフレームワークを提案する。
提案するフレームワークには2つの主要コンポーネントが含まれている。ひとつは、コンパクトで軽量な畳み込みニューラルネットワーク(CNN)とメタ学習を組み合わせて害虫を正確に識別するPest Detection Moduleである。
2つ目は農薬推奨モジュールで、作物の種類や生育段階などの環境要因を取り入れ、安全でエコな農薬を推奨している。
論文 参考訳（メタデータ） (2026-01-01T07:33:09Z) - Investigating Sensors and Methods in Grasp State Classification in Agricultural Manipulation [2.5500425544365335]
本研究は、慣性測定ユニット(IMU)、赤外線反射、テンション、触覚センサー、RGBカメラなどの一連のキーセンサーを、グリップ状態の分類に適合するグリップパーに統合する。
ランダムフォレスト分類器は、制御された実験室環境で訓練され、本物のサクラトマトの植物で試験され、スリップの特定、失敗の把握、ピックの成功において100%の精度を達成した。
論文 参考訳（メタデータ） (2025-08-15T16:47:42Z) - Continual Adaptation: Environment-Conditional Parameter Generation for Object Detection in Dynamic Scenarios [54.58186816693791]
環境は時間と空間によって常に変化し、クローズドセットの仮定に基づいて訓練された物体検出器にとって重要な課題となる。
そこで本研究では,微調整過程をパラメータ生成に変換する機構を提案する。
特に,2経路LoRAベースのドメイン認識アダプタを最初に設計し,特徴をドメイン不変およびドメイン固有コンポーネントに分解する。
論文 参考訳（メタデータ） (2025-06-30T17:14:12Z) - Optimizing Navigation And Chemical Application in Precision Agriculture With Deep Reinforcement Learning And Conditional Action Tree [6.642314074960705]
本稿では, 精密農業における生物ストレスのロボット管理のための, 強化学習に基づく新しい計画手法を提案する。
このフレームワークは、条件付きアクションマスキングを備えた階層的な意思決定構造を用いており、高いレベルのアクションがロボットの探索を導く。
論文 参考訳（メタデータ） (2025-03-23T08:38:13Z) - 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) - A Benchmark for Spray from Nearby Cutting Vehicles [7.767933159959353]
本論文は噴霧による乱れの検査方法について述べる。
噴霧による乱れを評価するための評価スキームとともに、新しい軽量噴霧装置を導入している。
密閉車両の一般的なシナリオでは、歪みが最大4秒までの知覚スタックに深刻な影響を与えていることが分かる。
論文 参考訳（メタデータ） (2021-08-24T15:40:09Z) - 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) - DropLeaf: a precision farming smartphone application for measuring
pesticide spraying methods [14.959684400817869]
この研究は、スマートフォンベースのモバイルアプリケーションであるDropLeaf - Spraying Meter上で機能する新しいツールを紹介し、実験的に評価する。
提案手法は画像解析に基づいており, 実・合成水感性紙上での噴霧沈着評価が成功している。
論文 参考訳（メタデータ） (2020-08-31T15:51:06Z) - Learning from Data to Optimize Control in Precision Farming [77.34726150561087]
特集は、統計的推論、機械学習、精密農業のための最適制御における最新の発展を示す。
衛星の位置決めとナビゲーションとそれに続くInternet-of-Thingsは、リアルタイムで農業プロセスの最適化に使用できる膨大な情報を生成する。
論文 参考訳（メタデータ） (2020-07-07T12:44:17Z)
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。