- 11月 17, 2026
果樹園・ブドウ畑の自律移動をAIで実現|FlowRowが実現する長距離ナビゲーション
FlowRowは、果樹園やブドウ畑のような半構造化環境で、地図なしで目標地点へ移動するAIナビゲーション手法です。Flow Matchingを用いて、列内走行や列間移動などの複雑な挙動を学習し、シミュレーションで87%の成功率を記録しました。
FlowRowは、果樹園やブドウ畑のような半構造化環境で、地図なしで目標地点へ移動するAIナビゲーション手法です。Flow Matchingを用いて、列内走行や列間移動などの複雑な挙動を学習し、シミュレーションで87%の成功率を記録しました。
通信環境や高性能PCがない場所でも、ドローンカメラ画像から植物の健康状態をリアルタイムで判定できる軽量アルゴリズムを提案する。各クラス5枚の参考画像で学習し、ESP32等の低コストハードウェアで動作する。
既存のマルチモーダル検索拡張生成が抱える、検索ノイズと知識統合の浅さを解決するフレームワークAgri-MRAGを提案。パラメータレベルでの知識注入と不確実性ルーティングにより、農業視覚質問応答の精度と信頼性を向上させる。
世界最大級の収量予測ベンチマークで、データ駆動型モデルが統計モデルを上回る結果が出た。ただし、地域間の差は予測しやすいが、年ごとの変動や異常予測は依然として難しい。
農業画像分類でCNNが背景情報に依存する問題に対し、隠れ層のニューロン活性化を視覚的特徴の論理式として解釈する手法を提案した。中間層での概念検証率が高く、行動上の文脈依存度と内部表現の解釈可能性は一致しないことが分かった。
仮想温室環境で四足ロボットとVision-Languageモデルを連携させ、病害検知から噴霧までをシミュレーションで検証した研究。マルチモーダル入力の増分効果は限定的だが、シミュレーション上でのシステム統合と評価基準を提示した。
農業画像分類における専門家のアノテーション負担を軽減するため、対照学習とブートストラップ学習を統合したCBRL手法を開発。ViT-L/16を用い、ラベルを10%まで削減した環境でも高い転移性能を示した。
限られた画像データで植物病害を高精度に判定するため、CLIPモデルに症状記述と局所証拠を組み合わせる新手法を提案。PlantVillageなどで最高精度を記録し、現場でのデータ不足課題への解決策を示す。
リトアニアの7万圃場データに対し、Double Machine Learningで冬小麦輪作の土壌有機炭素蓄積効果を推定した。平均で+0.44g/kgの増加が見られたが、気温上昇に伴い効果は低下し、温暖地域ではマイナス傾向を示した。
りんごの自動選別で課題となる軸窩と萼部の検出精度向上を目指し、YOLO11sのアーキテクチャを座標注意機構へ変更した。パラメータを10.2%削減しながら軸窩検出のF1値を向上させ、実機でのリアルタイム処理に貢献する。