arXiv:2608.18446 2026-08-19 [预印本]·8月19日 · 周三论文阅读 2

[预印本]HarvestPoint-ACT:遮挡条件下机器人水果采摘的显式目标选择与采摘点条件化(原标题:HarvestPoint-ACT: Explicit Target Selection and Harvest-Point Conditioning for Robotic Fruit Harvesting under Occlusion)

AI 评分
78精选
影响力18
信息增量22
专业深度18
信源权威12
时效性8

针对遮挡条件下机器人采摘的显式目标选择与采摘点条件化方法,具有较高技术价值,但属于细分领域进展,影响范围有限。

摘要

端到端模仿学习避开了手工制作接近抓取的机器人运动,但策略仍需决定采摘哪个水果以及在何处闭合夹爪。遮挡会使策略在采摘过程中丢失所选水果,正确的闭合点也难以仅从像素推断。本研究提出HarvestPoint-ACT,在感知中使两个决策显式化并提供给策略:实例分割前端带关键点分支为每个可见水果预测掩码和采摘点;调度器按遮挡和移动距离对检测候选排序并选择一个目标。每次尝试后重新检测和重新排序候选。所选水果被编码为8维状态,送入动作分块Transformer。在冠层模拟装置上成功率88%,重遮挡下75%。

文全文

View PDFHTML (experimental)

Abstract:End-to-end imitation learning avoids hand-made robot motion for approaching and grasping, but the policy must still decide which fruit to pick and where to close the gripper. Occlusion can make the policy lose the selected fruit during harvesting, and the correct closing point is difficult to infer from pixels alone. This paper presents HarvestPoint-ACT, which makes both decisions explicit in perception and provides them to the policy. An instance segmentation front end with a keypoint branch predicts a mask and a harvest point for each visible fruit, where the harvest point specifies the location to close the gripper. A scheduler ranks detected candidates by occlusion and travel distance and selects one target. After each attempt, it redetects and reranks the candidates because the canopy may have changed. The selected fruit is encoded for an action chunking transformer as an eight-dimensional state, containing the absolute harvest point, the vector from the gripper to that point, a validity flag, and a confidence score. When the selected fruit is temporarily undetected, the system retains the last harvest point estimate in the robot base frame and marks it as stale, and aborts the attempt if the loss persists. On a canopy mock-up, HarvestPoint-ACT achieves a success rate of 88%, and of 75% under heavy occlusion.

Comments:Submit to IEEE ROBIO 2026
Subjects:Robotics (cs.RO)
Cite as:arXiv:2608.18446 [cs.RO]
(or arXiv:2608.18446v1 [cs.RO] for this version)
https://doi.org/10.48550/arXiv.2608.18446

arXiv-issued DOI via DataCite (pending registration)

Submission history

From: Hao Chen [view email]

[v1] Wed, 19 Aug 2026 02:21:27 UTC (7,450 KB)

机器人采摘 动作分块Transformer 遮挡条件 预印本相关资讯

engrXiv preprint 2026年8月19日·8月19日 · 周三77 分 论文智慧农业总论阅读 3

Reinforcement Learning加Visual SLAM融合高光谱成像实现精准农业UAV作物水分胁迫自动检测:92%检测率vs固定路径61%,飞行时间减32%

Arsalan Iqbal在《engrXiv》预印本平台发布研究,提出一种基于强化学习引导的自主四旋翼无人机平台,融合机载视觉同步定位与建图(Visual SLAM)与推扫式高光谱成像载荷,在近实时构建地理参考的、冠层配准的作物水分胁迫指数(CWSI)地图。平台采用近端策略优化(PPO)训练的自适应采样策略,根据飞行中积累的证据将飞行时间和传感器驻留时间重新分配到新兴水分胁迫区域。在0.8公顷试验田模拟田间试验中,强化学习引导策略实现了92%的水分胁迫区域检测率(固定网格基线为61%),同时任务飞行时间减少约32%。研究还报告了SLAM衍生的冠层结构对CWSI精度的贡献消融研究、田间复杂性敏感性和全误差预算分析。注:本研究为预印本,未经实地验证。

arXiv:2608.19004 2026-08-19 [预印本]·8月19日 · 周三64 分 论文水稻阅读 4

[预印本]自主农业拖拉机:面向精准稻作的集成杂草检测与LiDAR导航系统(原标题:Autonomous Agricultural Tractor: Integrated Weed Detection and LiDAR Navigation for Precision Paddy Farming)

稻田定点杂草管理相比传统广域喷药可大幅减少除草剂用量,但现场部署受三大挑战制约:冠层下GNSS退化的稳健作物行导航、稻与形态多样化杂草的实时视觉区分、将稻误识为杂草的不可逆错误代价。本研究提出AgriNav,围绕四个ROS耦合模块构建集成自主拖拉机系统:用于稻检测的WeedDet PyTorch重实现、并行轻量级168万参数CNN-FPN变体(带非对称类加权)、通过硬编码置信门否决保护稻类的逆逻辑判别模块,以及融合GNSS/IMU/轮式里程计的6状态恒定速度转向率扩展卡尔曼滤波。主要系统级贡献是LiDAR-相机融合桥,利用导航LiDAR做ROI约束、世界坐标投影、地面平面滤波和双向置信融合,无额外硬件成本。

arXiv:2608.13341 [cs.LG] 2026-08-14·8月14日 · 周五0 分 论文农业AI与大模型阅读 3

UltraIR:从分子到复杂样品的红外光谱化学感知与分析仿真到现实迁移学习 [预印本]

中国作者团队发布1 亿参数红外光谱基础模型 UltraIR,基于约 6,000 万模拟光谱预训练并融合谱图重建、分子指纹对齐与官能团预测;在官能团预测、混合物定量、细菌分类、药材产地鉴别、微塑料分类及土壤属性预测等任务上均超越传统机器学习与任务专用深度学习,少样本与跨实验室零样本迁移能力显著,为农业土壤属性检测、药材溯源与农产品品质化学感知提供数据高效新路径。[预印本,未经同行评审]

arXiv 2608.07984 2026-08-08·8月8日 · 周六80 分 论文智慧农业总论阅读 6

AgriField-40K: Adapting Vision Models to Agriculture With Efficient Continual Pretraining

Vasileios Tzouras、Paraskevas Pegios、Lazaros Nalpantidis于arXiv(2026-08-08)发表预印本。研究引入AgriField-40K,一个源自17个公开数据集的以田野为中心的农业数据集,涵盖多样化作物、杂草和田间条件;并提出AgriMAE,一种参数高效的持续预训练基线,通过仅训练轻量适配器来适配在自然图像上预训练的掩码自动编码器。AgriMAE在下游任务上一致提升性能,使用多达9倍更少的可训练参数即可匹配甚至超越全量微调,证明AgriField-40K是农业视觉持续预训练实用的资源。为精准农业模型开发提供低成本高效率的迁移学习路径,对农业视觉应用具有显著价值。

arXiv 2608.09345 2026-08-10·8月10日 · 周一74 分 论文阅读 12

GROW: One-Time Training for All Grains: Open-Set Grain Recognition and Quantitative Analysis

Qihe Su、Mengyu Sun、Yuxi Ke、Zhuoyan Jiang、Wanneng Yang、Chenglong Huang、Ziyuan Yang于arXiv(2026-08-10)发表预印本。GROW是面向开放集谷物识别与定量分析的统一框架,无需重新训练即可识别新品种并完成定量分析。方法上,GROW首先进行类无关谷物定位,将混合谷物图像转换为独立实例用于品种计数和表型测量,然后将视觉嵌入与形态描述符融合为谷物描述符存储在可扩展的GrainBank中,查询谷物通过秩相似度加权top-k检索识别,新品种通过追加描述符纳入而无需更新部署模型。在渐进式品种扩展、不同谷物密度、背景域偏移场景下展现良好的可扩展性、鲁棒性和适应性,与联合重训练相比,GROW将平均类别注册时间从4153秒降至仅39秒,同时保持有竞争力的识别性能。