論文の概要: UltraLight Luma: A Novel Edge-Deployable Perception Network for Crop-Row Segmentation in Agricultural Robotics

• arxiv url: http://arxiv.org/abs/2610.11764v1
• Date: Thu, 08 Oct 2026 11:47:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.987958
• Title: UltraLight Luma: A Novel Edge-Deployable Perception Network for Crop-Row Segmentation in Agricultural Robotics
• Title（参考訳）: UltraLight Luma: 農業ロボティクスにおける作物分離のためのエッジ展開型知覚ネットワーク
• Abstract要約: 本稿では,UltraLight Luma を用いた収穫量検出と航法線抽出について述べる。 UltraLight Lumaは、プログレッシブラーニング戦略と13.1kのトレーニング可能なパラメータを持つ、コンパクトなエンコーダ/デコーダセグメンテーションネットワークである。 このモデルは推論に25.23mJしか必要とせず、資源に制約のある農業用ロボットに適合することを示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable crop-row perception is essential for autonomous agricultural robots, but low-cost deployment is constrained by computation, memory, power, and inference time. This paper addresses crop-row detection and navigation-line extraction using UltraLight Luma, a compact encoder-decoder segmentation network with a progressive learning strategy and only 13.1k trainable parameters. The predicted crop-row masks are processed using a post-processing algorithm to estimate row alignment for downstream visual servoing. UltraLight Luma improves parameter efficiency over U-Net, YOLOv8, and YOLOv26 while maintaining reliable crop-row detection performance. The model required only 25.23 mJ per inference, demonstrating its suitability for resource-constrained agricultural robots.
• Abstract（参考訳）: 自律型農業ロボットには信頼性の高い作物の群れ認識が不可欠であるが、低コストな展開は計算、記憶、電力、推論時間によって制限される。 本稿では,UltraLight Lumaという,学習戦略の進歩と13.1kのトレーニング可能なパラメータを持つ,コンパクトなエンコーダデコーダセグメンテーションネットワークを用いた作物群検出とナビゲーションライン抽出について述べる。 予測されたクロップローマスクは後処理アルゴリズムを用いて処理され、下流視覚サーボのための行アライメントを推定する。 UltraLight Lumaは、信頼性の高い作物検出性能を維持しながら、U-Net、YOLOv8、YOLOv26のパラメータ効率を向上させる。 このモデルは推論に25.23mJしか必要とせず、資源に制約のある農業用ロボットに適合することを示した。

関連論文リスト

• Tiny Inference-Time Scaling with Latent Verifiers [56.696619768584675]
  Verifier on Hidden States (VHS) は、Diffusion Transformer (DiT) の中間的な隠れ表現で動作する。 VHSは、画素空間に復号することなくジェネレータ機能を解析することにより、候補毎の検証コストを削減できる。 VHSは同じ推論時予算でGenEvalを+2.7%改善する。
  論文  参考訳（メタデータ） (2026-03-23T19:00:02Z)
• Efficient Lines Detection for Robot Soccer [0.0]
  本稿では,ERSEDアルゴリズムを用いて,RGB色遷移を解析し,フィールドに属する線を識別する手法を提案する。 提案手法は,高度な処理速度を提供しながら,最先端のディープラーニングモデルに匹敵する精度を実現し,低消費電力ロボットプラットフォーム上でのリアルタイムアプリケーションに適している。
  論文  参考訳（メタデータ） (2025-07-25T17:54:51Z)
• RowDetr: End-to-End Crop Row Detection Using Polynomials [0.6354455153996315]
  RowDetrは、精密農業における行検出のための効率的なエンドツーエンドのトランスフォーマーベースのニューラルネットワークである。 システムは優れた性能を示し、F1スコアは0.74まで、レーン位置偏差は0.405まで低下した。
  論文  参考訳（メタデータ） (2024-12-13T19:38:36Z)
• TraceVLA: Visual Trace Prompting Enhances Spatial-Temporal Awareness for Generalist Robotic Policies [95.30717188630432]
  VLAモデルの行動予測のための時空間認識を容易にするために,視覚的トレースプロンプトを導入する。 我々は,これまでに収集した150Kロボット操作トラジェクトリのデータセットに基づいてOpenVLAを微調整し,新しいTraceVLAモデルを開発した。 4B Phi-3-Vision に基づくコンパクトな VLA モデルを提案する。
  論文  参考訳（メタデータ） (2024-12-13T18:40:51Z)
• UL-VIO: Ultra-lightweight Visual-Inertial Odometry with Noise Robust Test-time Adaptation [12.511829774226113]
  視覚-慣性整合性に基づくテスト時間適応(TTA)が可能な超軽量 (1M) 視覚慣性オドメトリー (VIO) ネットワークを提案する。 KITTIデータセットで1分間のエラー増加 – 1% – で、最先端のネットワークサイズよりも36倍小さなネットワークサイズを実現している。
  論文  参考訳（メタデータ） (2024-09-19T22:24:14Z)
• CNN-based Omnidirectional Object Detection for HermesBot Autonomous Delivery Robot with Preliminary Frame Classification [53.56290185900837]
  予備的バイナリフレーム分類を用いた物体検出のためのニューラルネットワークの最適化アルゴリズムを提案する。 周囲に6台のローリングシャッターカメラを備えた自律移動ロボットを360度視野として実験装置として使用した。
  論文  参考訳（メタデータ） (2021-10-22T15:05:37Z)
• 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)
• High precision control and deep learning-based corn stand counting algorithms for agricultural robot [8.16286714346538]
  本論文では、低コストで超小型な3Dプリントおよび自律フィールドロボットのための高精度制御と深層学習に基づくトウモロコシスタンドカウントアルゴリズムを提案する。 TerraSentiaという名前のこのロボットは、植物の形質を自動測定して表現を効率よくする。
  論文  参考訳（メタデータ） (2021-03-21T01:13:38Z)
• Domain Adaptive Robotic Gesture Recognition with Unsupervised Kinematic-Visual Data Alignment [60.31418655784291]
  本稿では,マルチモダリティ知識,すなわちキネマティックデータとビジュアルデータを同時にシミュレータから実ロボットに伝達できる,教師なしドメイン適応フレームワークを提案する。 ビデオの時間的手がかりと、ジェスチャー認識に対するマルチモーダル固有の相関を用いて、トランスファー可能な機能を強化したドメインギャップを修復する。 その結果, 本手法は, ACCでは最大12.91%, F1scoreでは20.16%と, 実際のロボットではアノテーションを使わずに性能を回復する。
  論文  参考訳（メタデータ） (2021-03-06T09:10:03Z)

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。