論文の概要: AgriSense: Vision-Language Decision Support and Robotic Intervention in a Virtual Greenhouse Copy title
- arxiv url: http://arxiv.org/abs/2611.16752v1
- Date: Thu, 12 Nov 2026 13:04:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.474875
- Title: AgriSense: Vision-Language Decision Support and Robotic Intervention in a Virtual Greenhouse Copy title
- Title(参考訳): AgriSense:仮想温室コピーのビジョンランゲージ決定支援とロボット介入
- Abstract要約: AgriSenseはIsaac Sim仮想温室、四段式移動マニピュレータ、RGBとLiDAR-慣性センシング、環境制御、および教師付き視覚除去意思決定サポートを組み合わせたフレームワークである。
Checkpoint replayは41/43のゾーン決定を再現する。ソースグループ化されたテストセット上の5つのシード、フル、イメージ言語、言語削除された設定は、それぞれ43/44の正確なゾーン決定を達成する。
このコントリビューションは、仮想温室のための意思決定支援およびロボット・インターベンションのフレームワークとして評価されている。
- 参考スコア(独自算出の注目度): 0.6299766708197881
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous greenhouse management increasingly requires robotic systems that integrate perception, navigation, environmental regulation, and plant-level intervention. This paper presents AgriSense, a framework combining an Isaac Sim virtual greenhouse, a quadruped mobile manipulator, RGB and LiDAR-inertial sensing, environmental control, and supervised vision-language decision support. Frozen DINOv2 and BERT encoders, together with structured environmental inputs, support joint prediction of twelve environmental references, a target zone, and an intervention flag. Checkpoint replay reproduces 41/43 zone decisions. Across five seeds on a source-grouped test set, the full, image-removed, and language-removed configurations each achieve 43/44 correct zone decisions, providing no evidence of incremental multimodal zone-accuracy improvement. The full model achieves mean absolute errors of 0.249 degrees C for temperature, 2.030 percentage points for humidity, and 0.997 percentage points for soil moisture. Sensor-only inputs match full-model zone accuracy, while language-only inputs achieve 68.64%. External real-image benchmarks reveal distribution-shift limitations. Five offline Point-LIO routes yield rigidly aligned trajectory errors of 5.22-17.32 mm. Of 40 virtual-arm targets, 32 satisfy geometric acceptance criteria and eight are rejected at boundaries. Six long-horizon climate cases and fault protocols characterize integration limits. Navigation and integrated treatment rely on simulator-state inputs; physical greenhouse performance and agronomic treatment efficacy remain unvalidated. The contribution is an evaluated decision-support and robotic-intervention framework for a virtual greenhouse.
- Abstract(参考訳): 自律的な温室管理には、知覚、ナビゲーション、環境規制、植物レベルの介入を統合するロボットシステムが必要である。
本稿では,Isaac Sim仮想温室,4段移動マニピュレータ,RGBおよびLiDAR慣性センシング,環境制御,視覚言語による意思決定支援を組み合わせたフレームワークであるAgriSenseを提案する。
凍結したDINOv2とBERTエンコーダは、構造化された環境入力とともに、12の環境参照、ターゲットゾーン、介入フラグの同時予測をサポートする。
チェックポイントリプレイは41/43ゾーンの決定を再現する。
ソースグループ化されたテストセット上の5つのシード、フル、イメージ削除、言語削除された構成は、それぞれ43/44の正確なゾーン決定を達成し、インクリメンタルなマルチモーダルゾーン精度の向上の証拠を提供しない。
完全なモデルでは、温度が0.249度、湿度が2.030度、土壌水分が0.997度の平均絶対誤差が得られる。
センサーのみの入力はフルモデルゾーンの精度と一致し、言語のみの入力は68.64%である。
外部のリアルタイムベンチマークでは、分散シフトの制限が示される。
5つのオフラインのポイント-LIO経路は5.22-17.32mmの厳密な軌道誤差をもたらす。
40の仮想兵器目標のうち、32は幾何学的受容基準を満たし、8は境界において拒絶される。
6つの長期の気候ケースと断層プロトコルが統合限界を特徴づけている。
ナビゲーションと統合された処理は、シミュレーション状態の入力に依存しており、物理的温室効果と農業処理の有効性は未有効のままである。
このコントリビューションは、仮想温室のための意思決定支援およびロボット・インターベンションのフレームワークとして評価されている。
関連論文リスト
- SpaceCast-Bench: Evaluating Predictive Spatial Reasoning in Vision-Language Models [55.56557714314683]
空間推論を直接的かつ診断的に評価する最初のベンチマークであるSpaceCastBenchを紹介する。
182の現実世界シーンからの質問は、静的認識、局所予測、グローバル予測という3つのレベルで16のタスクタイプにまたがる。
制御された解析により、ブリッジビューは分散観測の統合に重要であることが明らかになった。
論文 参考訳(メタデータ) (2026-10-08T17:44:17Z) - 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) - Apodex Discovery: Reality Benchmarks and Environments for Evaluating and Building Discoverative Artificial Intelligence [86.61561123749011]
Apodex Discovery(アポデックスディスカバリー)は、重度解法を用いて発見的AIを構築し評価するためのフレームワークである。
まず16のセクターで511の業界を調査し、423の高価値現実問題を集め、最初のリリースで20を選定した。
第二に、共通の環境-タスク-エピソード抽象化は、データ、ツール、制約、フィードバック、軌跡記録、中間成果物と最終提出物の検証を提供する。
論文 参考訳(メタデータ) (2026-08-11T18:48:40Z) - Meridian: Metric-Semantic Primitive Matching for Cross-View Geo-Localization Beyond Urban Environments [47.53030013880309]
ロボット自動化の成功には、リピータビリティ、タスク計画、目標仕様、安全な操作をサポートするために、正確なグローバルローカライゼーションが必要である。
本稿では,空中画像と地上ロボットRGB-Dカメラデータにまたがって,ハイレベルなメトリック・セマンティックプリミティブをマッチングする方法であるメリディアンを提案する。
我々のアルゴリズムは、自律運転データセット、公園とキャンパスのエリア、荒野キャンプなど、幅広い環境にまたがる地上ロボットをローカライズできることを実証する。
論文 参考訳(メタデータ) (2026-06-04T15:52:40Z) - GreenSeg: Ground Segmentation Algorithm for Agricultural Robots in Mediterranean Greenhouses using RGB-D Point Clouds [41.99844472131922]
GreenSegは、RGB-Dセンシングを使用した自律ナビゲーションのための堅牢な認識フレームワークである。
結果は、GreenSegがベンチマークセグメンテーションメソッドを一貫して上回っていることを示している。
論文 参考訳(メタデータ) (2026-05-24T22:19:38Z) - Ternary Decision Trees with Locally-Adaptive Uncertainty Zones [0.0]
3次決定木は、最適しきい値を中心とする半幅デルタの不確かさゾーンを持つ各分割ノードを増大させる。
デルタは、標準のCART分割探索時に既に利用可能な統計から各ノードでローカルに計算される。
デルタ推定手法として,品質プレート,クラスオーバーラップ,ゲイン比,ノードブートストラップ,マージンの5つを評価した。
論文 参考訳(メタデータ) (2026-05-21T17:11:19Z) - The RoboSense Challenge: Sense Anything, Navigate Anywhere, Adapt Across Platforms [244.78980521248445]
RoboSense 2025 Challengeは、さまざまな知覚シナリオにわたるロボット知覚における堅牢性と適応性を向上するために設計された。
言語による意思決定、社会的に適合したナビゲーション、センサー構成の一般化、クロスプラットフォームとクロスプラットフォームの対応、クロスプラットフォームの3D知覚にまたがる5つの補完的な研究トラックを統一する。
この挑戦は16カ国の85の機関から143のチームが参加し、コミュニティの幅広い関与を反映した。
論文 参考訳(メタデータ) (2026-01-08T15:16:18Z) - Habitat and Land Cover Change Detection in Alpine Protected Areas: A Comparison of AI Architectures [0.0]
オーストリア・ゲザエウス国立公園の長期アルプス生息地データを用いて, 変化検出に深層学習を適用した。
Clay v1.0はU-Netの41%のマルチクラスの生息地変更に対して51%の全体的な精度を達成するが、どちらもバイナリの変更検出では67%に達する。
論文 参考訳(メタデータ) (2025-10-29T12:32:28Z) - A Multimodal Approach to Heritage Preservation in the Context of Climate Change [0.0]
本稿では,センサデータ(温度,湿度)と視覚画像とを融合させて,遺産の重症度を予測する軽量なマルチモーダルアーキテクチャを提案する。
ストラスブール大聖堂からのデータでは、標準的なマルチモーダルアーキテクチャよりも43%向上した76.9%のアクク・レシーを達成した。
論文 参考訳(メタデータ) (2025-10-15T22:07:57Z) - Person Recognition at Altitude and Range: Fusion of Face, Body Shape and Gait [70.00430652562012]
FarSightは、顔認識のためのエンドツーエンドシステムで、顔、歩行、体形を横断する生体計測の手がかりを統合する。
FarSightは、4つのコアモジュールにまたがる新しいアルゴリズムを組み込んでいる。
論文 参考訳(メタデータ) (2025-05-07T17:58:25Z)
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。