论文选题灵感:“农业机器人”研究方向 | MDPI Robotics

01

利用半监督学习和目标检测技术为葡萄园中的葡萄树干生成语义分割数据集

https://doi.org/10.3390/robotics13020020

本文介绍了一种经过实验验证的半监督学习方法，用于生成葡萄树树干语义分割的新数据集。

未来研究可进一步使用当前方法来标注完整的语义分割图像，而不仅仅是图像的部分区域。其次，未来研究可训练更大规模、更复杂的分割模型，并探索大型分割模型在移动机器人上的可行性优化。

02

基于单次演示的模仿学习：利用向量量化实现机器人收割

https://doi.org/10.3390/robotics13070098

本文设计了一个模仿学习模型管道，利用向量量化直接从视觉输入中学习量化嵌入。

未来研究可将当前方法应用于大型蘑菇种植设施中，以验证其在真实工业规模下的有效性。其次，可考虑把触觉传感等感知输入整合到系统中，以增强对复杂操作情境的处理能力。此外，还可进一步研究在蘑菇更加密集成簇、或明显偏离垂直姿态情形下的采摘学习问题。最后，有待加快视觉伺服过程，并探索多夹具并行作业的方案，以期达到或接近人工采摘的效率水平。

03

利用粒子群优化算法和机器学习来确定适用于葡萄园中选择性及针对特定区域喷洒任务的最优机械臂方法

https://doi.org/10.3390/robotics14050058

本文提出了一种用于任务导向型最优机械臂配置的方法，并在葡萄园的选区喷洒案例研究中进行了测试。

未来研究可以探索在物理机器人系统中实施优化的机械臂配置，在葡萄园环境中进行实验性试验，并评估运动精度、机械可行性以及对现实世界复杂情况 (包括不平整地形和动态障碍物) 的适应性等因素。此外，还可将真实传感器数据整合到优化过程中，进一步提高模型的预测准确性，并缩小模拟与实际部署之间的差距。

04

农业作业中空-地机器人团队集中式与分散式协作的实验对比分析

https://doi.org/10.3390/robotics14090119

本文系统地比较了集中式和分散式两种代表性通信架构：(a)MAVLink (分散式) 和 (b) 农场管理信息系统 (FMIS)(集中式)。

未来的研究可评估 MAVLink 和 FMIS 在多样且复杂的农业环境中的表现，并考虑扩展到多机器人和多人团队的场景中。此外，采用动态切换协议的混合通信策略，并结合通信感知规划和稳健的状态评估，来进一步提高协调性，以及在实际部署中提高可靠性与操作效率。

05

本文提出了一种同时涵盖路径规划和路径跟随算法的自主驾驶策略评估方法，并以一台农业机器人为例展开了研究。

未来研究可重点关注储能系统等动力传动系统部件，以及通过采用所提出的探测器来减少果园作业对环境的影响，以用于低功率的田间任务。具体而言，探测器的生命周期评估及其对农场整体排放量的影响是未来研究活动的主题。最后，未来研究可考虑将在全尺寸原型上进行实际的实验分析，以评估所提出方法的可靠性。

06

本综述对农业机器人 (AgRobots) 在传感、控制和网络技术方面的发展进行了深入分析，并探讨了这些技术对现代农业的影响。

未来农业机器人将依托人工智能、机器学习、感知、控制和通信技术的快速发展，继续提升农业自动化能力。其次，未来研究可进一步探索如何通过轻量化自主系统替代重型机械。此外，未来有待继续推动成本效益更高的机器人设计、本地化制造与开源创新，降低小规模农户的使用门槛。

主编：Marco Ceccarelli, University of Rome Tor Vergata, Italy

精选视频

相关文章推荐