#机器人采摘

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%。

北京市智慧农业创新团队柴秀娟研究员团队提出基于VR的专家经验捕获与行为建模框架，融合高保真虚拟环境与人类作业动作知识，显著提升机器人在复杂农业场景中的自主决策能力，相关成果入选 IJCAI 2026 国际人工智能联合会议并将在德国会议期间进行现场展示，也是中国智慧农业团队在国际 AI 顶会上的重要亮相。技术上，机器人先用RGB-D相机高精度扫描真实温室，在Unity引擎中利用视觉感知与3D建模算法重建番茄空间分布及果实成熟度信息；专家知识虚拟化方面，多位专家穿戴27节点高精度动捕设备+VR头盔在高保真虚拟温室中执行多种难度采摘任务；机器人行为智能化方面，用高质量专家数据训练多任务强化学习模型，再通过逆运动学算法将人类动作映射到机械臂运动空间。综合评估显示该"专家数据驱动"方法在收获效率、避障能力、任务成功率、运行稳定性等核心指标显著优于现有主流方法，特别在遮挡严重、果穗密集场景下表现出接近人类专家的适应性与低损伤率（注：目前以番茄采摘为验证场景）。