論文の概要: Sim-to-Real Reinforcement Learning for Path-Safe Target Reaching in Robotic Harvesting of Hydroponic Lettuce
- arxiv url: http://arxiv.org/abs/2610.22337v1
- Date: Thu, 15 Oct 2026 17:54:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-17 06:09:33.270846
- Title: Sim-to-Real Reinforcement Learning for Path-Safe Target Reaching in Robotic Harvesting of Hydroponic Lettuce
- Title（参考訳）: ハイドロポニックレタスのロボットハーベスティングにおけるパスセーフターゲットリーチの同時型強化学習
- Abstract要約: 本研究は,PSA-PPO(Path-Safe Approach Proximal Policy Optimization)を提案する。
PSA-PPOは、温室における栄養膜技術(NFT)-ヒドロポニックレタスのロボット収穫用に設計された目標条件付き局所到達フレームワークである。
提案したPSA-PPOは、収穫指向の政策定式化を導入しながら、標準的なクリップされたPPOの目的を保っている。
- 参考スコア（独自算出の注目度）: 3.4581162231177185
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Robotic harvesting requires precise manipulation to ensure accurate positioning of the end-effector, especially in a constraint workspace. This study introduces the Path-Safe Approach Proximal Policy Optimization (PSA-PPO), a target-conditioned local reaching framework designed for robotic harvesting of nutrient film technique (NFT)-hydroponic lettuce in greenhouses. The proposed PSA-PPO preserves the standard clipped PPO objective while introducing a harvesting-oriented policy formulation that integrates target-conditioned observations, corridor-aware spatial constraints, trajectory-history-based safety encoding, and task-specific success criteria for constrained robotic manipulation. PSAPPO was trained entirely in Isaac Lab and successfully transferred to a physical UR10e robotic arm without any real-world policy fine-tuning. In a controlled physical benchmark against 150 scheduled targets, PSA-PPO achieved the highest reaching rate of 94.7%, outperforming Cartesian+TOTG (86.0%), RRTConnect (88.0%), and RRT* (80.0%), while reducing median RMS jerk by 39.8 to 73.0% relative to the classical planners during the final approach segment. A formulation ablation evaluated over 200 simulation targets demonstrates that path-safety and side-corridor shaping are the principal drivers of harvesting-compatible performance: removing either term substantially degrades strict success even when terminal endpoint accuracy is preserved or improved, confirming that optimization toward the endpoint alone is an insufficient objective for constrained crop-proximal manipulation. Finally, PSA-PPO was integrated with an RGB-D vision module and an end-effector and evaluated as a complete greenhouse harvesting system across 144 lettuce harvesting attempts, achieving 94.4% vision-guided target reaching and 86.1% complete harvesting success.
- Abstract（参考訳）: ロボット収穫は、特に制約のある作業空間において、エンドエフェクターの正確な位置を確保するために正確な操作を必要とする。
本研究では, 温室における栄養膜技術(NFT)-ヒドロポニックレタスのロボット収穫を目的とした, 目標条件付き局所リーチフレームワークPSA-PPOを紹介する。
提案したPSA-PPOは、目標条件付き観測、廊下対応空間制約、軌道履歴に基づく安全符号化、制約付きロボット操作におけるタスク固有の成功基準を統合した、収穫指向のポリシー定式化を導入しながら、標準的なクリップされたPPO目標を保存している。
PSAPPOはIsaac Labで完全に訓練を受け、実際のポリシーを微調整せずに物理的にUR10eロボットアームに移行した。
PSA-PPOは150の目標に対して調整された物理ベンチマークで94.7%の最高到達率を達成し、最終アプローチセグメントにおいて古典的なプランナーに対して中央値のRMSジャークを39.8から73.0%減らし、Cartesian+TOTG (86.0%)、RTConnect (88.0%)、RT* (80.0%)を上回った。
200以上のシミュレーションターゲットで評価された定式化アブレーションは、経路安全とサイドコリドール整形が収穫適合性能の主要な要因であることを示し、両項の除去は、終端精度を保存または改善しても厳密な成功を著しく低下させ、終端のみへの最適化が制約された作物近位操作の目標であることを確認した。
最後に、PSA-PPOはRGB-D視覚モジュールとエンドエフェクターと統合され、144回のレタス収穫において完全な温室収穫システムとして評価され、94.4%の視覚誘導目標到達と86.1%の完全収穫に成功した。
関連論文リスト
- DexPolicy: Scheduled Exploration for Trajectory-Guided Dexterous Manipulation [59.77542456468077]
器用な操作のための強化学習(RL)は、指と物体の接触を発見し、その物体を正確に制御する必要がある。
我々のベースラインPPOは、5Mステップ後に最初の動作ノイズの近くで終了し、探索スケールの明示的な制御を動機付けます。
PPO, 批判のないGRPO継続, フローフリーなPPOの3つのポリシー最適化設定について検討した。
論文 参考訳（メタデータ） (2026-09-30T04:19:47Z) - A Hybrid Rule-Based and AI-Augmented Framework for Automatic Failure Recovery in DevOps Deployments [0.0]
本研究では, 決定論的, 規則に基づくリカバリと, 故障予測による機械学習を併用したハイブリッドモデルを提案する。
アーキテクチャをテストするために、Decision Tree、Random Forest、Logistic Regression、LightGBM、Autoencoder with BiLSTMといったモデルに10万レコードの分散ログデータセットが使用された。
83.3%の成功率は自動回復策によって達成され、平均回復時間(MTTR)は94.6%減少し、ダウンタイムは95.4%減少し、年間貯蓄は7,462人となった。
論文 参考訳（メタデータ） (2026-09-21T20:36:12Z) - SUN: Persistent Programs For Language-Grounded Control-to-Learning-to-Real Policies [61.941546372624686]
既存のプロトコルはタスクのセマンティクスを廃止し、手作りの報酬と制御が検証したものから逸脱する振る舞いを残している。
本稿では,SUN (Semantically UNified Programs) を導入し,幾何関係と接触関係が一度定義され,整列したモデル予測制御にコンパイルされる型付き実行プログラムについて述べる。
我々のシステムであるKuafuは、言語やシーンのセマンティクスからSUNプログラムを自動で合成し、MPCによる画面表示を実現し、ステージ条件付きポリシーのトレーニング中にセマンティクスを保持する。
論文 参考訳（メタデータ） (2026-08-31T17:59:16Z) - Robotic Arm-Based Spectral Sensing for Strawberry Positioning and Non-Destructive Sweetness Measurement [8.070282532172778]
この論文では、イチゴの検出、局在化、アプローチ、甘味推定のためのロボットアームベースのスペクトルセンシングシステムを提案する。
このシステムは、クローズドループパイプラインにおける知覚、校正、ロボット制御を統合する。
実験結果から、強いエンドツーエンドのパフォーマンス(42回の試験で88.10%の成功)、堅牢な検出(95.24%)、目標が検出された場合のアプローチ実行(100%条件付き成功)が得られた。
論文 参考訳（メタデータ） (2026-06-26T19:15:17Z) - ESPO: Early-Stopping Proximal Policy Optimization [78.79610718910628]
ESPO(Early-Stopping Proximal Policy Optimization)は、軌道上の障害を検出し、ロールアウトを早期に終了する。
DeepSeek-R1-Distill-Qwen-7Bでは、ESPOはAIME2024(46.28%対45.25%)、AMC2023(85.83%対82.94%)、MATH-500(87.42%対85.43%)でPPOを上回っている。
論文 参考訳（メタデータ） (2026-05-28T12:40:22Z) - Robotic Strawberry Harvesting with Robust Vision and Deep Reinforcement Learning based Sim-to-Real Control [0.8466401378239364]
本研究では,ロバストビジョンモジュール,シミュレーション学習型深部強化学習制御,ROSに基づく実ロボット実行を組み合わせたクローズドループロボットイチゴ収穫システムを提案する。
HRAttnEdge-YOLO26-segは,高分解能なP2ブランチ,セグメンテーションパスアテンション,エッジ教師ありプロトタイプ学習を組み込んだ改良型YOLO26セグアーキテクチャである。
制御のために、ターゲット条件付きPPOポリシーをアイザック研究所で訓練し、UR10eのスムーズな共同配置コマンドを生成する。
論文 参考訳（メタデータ） (2026-05-22T17:21:06Z) - CMP: Robust Whole-Body Tracking for Loco-Manipulation via Competence Manifold Projection [64.65196237023754]
Manifold Competence Projectionは、アウト・オブ・ディストリビューションの摂動に対する堅牢性を改善する。
我々は、無限水平安全制約を計算効率の良い単段多様体包含に変換するフレーム-ワイズ安全スキームを用いる。
実験により、CMPは典型的なOODシナリオで最大10倍の生存率向上を達成することが示された。
論文 参考訳（メタデータ） (2026-04-08T18:00:39Z) - Learnable Conformal Prediction with Context-Aware Nonconformity Functions for Robotic Planning and Perception [4.694504497452662]
Learnable Conformal Predictionは、固定スコアを軽量なニューラル関数に置き換えて、コンテキスト認識の不確実性セットを生成する。
CPの理論的保証を維持しつつ、予測セットのサイズを18%減らし、検出間隔を52%減らし、経路計画の安全性を72%から91%に改善し、オーバーヘッドを最小限に抑えている。
ハードウェア評価では、LCPは1%未満のメモリと15.9%の推論オーバーヘッドを追加したが、検出タスクでは39 FPSを維持し、アンサンブルの7.4倍のエネルギー効率を保っている。
論文 参考訳（メタデータ） (2025-09-26T06:44:58Z) - Making Every Step Effective: Jailbreaking Large Vision-Language Models Through Hierarchical KV Equalization [74.78433600288776]
HKVE (Hierarchical Key-Value Equalization) は、勾配最適化結果を選択的に受け入れる革新的なジェイルブレイクフレームワークである。
HKVEは既存の手法を20.43%,21.01%,26.43%のマージンで大幅に上回った。
論文 参考訳（メタデータ） (2025-03-14T17:57:42Z) - Learning to Plan Optimistically: Uncertainty-Guided Deep Exploration via
Latent Model Ensembles [73.15950858151594]
本稿では,不確実な長期報酬に直面した最適化による深層探査を可能にするLOVE(Latent Optimistic Value Exploration)を提案する。
潜在世界モデルと値関数推定を組み合わせ、無限水平リターンを予測し、アンサンブルにより関連する不確実性を回復する。
連続行動空間における視覚ロボット制御タスクにLOVEを適用し、最先端や他の探査目標と比較して、平均20%以上のサンプル効率の改善を実証する。
論文 参考訳（メタデータ） (2020-10-27T22:06:57Z)
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。