突破绿色屏障：通过拨动枝叶来观察植物叶片后方
机器人学
2024-06-06 v2 人工智能
计算机视觉与模式识别
机器学习
摘要
自主农业应用（例如检测、表型分析、采摘果实）需要拨动植物枝叶以观察叶片和枝条后方。部分可见性、极度杂乱、细长结构以及植物未知几何与动力学特性使此类操作颇具挑战。我们通过数据驱动方法应对这些挑战。我们利用自监督训练 SRPNet——一个预测在给定植物上执行某候选动作所揭示空间的神经网络。我们将 SRPNet 与交叉熵方法结合，以预测能有效揭示植物枝叶下方空间的动作。此外，由于 SRPNet 不仅预测揭示空间的大小，还预测其位置，我们可执行一系列动作逐步揭示植物枝叶下越来越多的空间。我们在物理实验平台上对合成植物（藤蔓）和真实植物（龙血树）在 5 种设置下开展实验，其中包括 2 种测试对新颖植物配置泛化能力的设置。实验表明，我们的整体方法 PPG 优于具有竞争力的手工探索方法，且 SRPNet 优于手工动力学模型及相关消融版本。
引用
@article{arxiv.2307.03175,
title = {Push Past Green: Learning to Look Behind Plant Foliage by Moving It},
author = {Xiaoyu Zhang and Saurabh Gupta},
journal= {arXiv preprint arXiv:2307.03175},
year = {2024}
}
备注
Accepted by Conference on Robot Learning (CoRL) 2023. for project website with video, see https://sites.google.com/view/pushpastgreen/