0
| 本文作者: 陳淑瑜 | 2026-07-28 17:36 | 專題:IJCAI:國際人工智能聯(lián)合會議 |
來源:智慧農(nóng)業(yè)創(chuàng)新團隊
原文鏈接:https://mp.weixin.qq.com/s/vPVE6qnhnddwLxp1K5oTtw


?國際人工智能聯(lián)合會議(International Joint Conference on Artificial Intelligence,?IJCAI)是人工智能領(lǐng)域歷史悠久、最具影響力的頂級國際學(xué)術(shù)會議之一,與NeurIPS、ICML、AAAI并列為AI"四大頂會"。
該成果將受邀在德國IJCAI 2026會議期間進行現(xiàn)場展示,這也是中國智慧農(nóng)業(yè)團隊在國際AI頂會上的一次重要亮相。
? 機器人摘番茄,到底難在哪?
不是看不見,是"沒手感"。
老農(nóng)走進大棚,掃一眼就知道:
哪個果子熟透了,哪個還得等兩天
怎么捏才能摘下來又不捏爛
先摘哪個、后摘哪個,最高效
藤蔓擋路怎么繞,葉子茂密怎么鉆
這些憑幾十年經(jīng)驗秒判斷的事,寫成代碼卻處處碰壁。傳統(tǒng)機器人存在識別不準(zhǔn)、碰傷果實、在復(fù)雜環(huán)境里寸步難行等現(xiàn)實問題。
※機器邏輯和人類技能之間,隔著鴻溝。
? 創(chuàng)新團隊解法:讓老農(nóng)專家"進"VR,教機器人"看"會
北京市智慧農(nóng)業(yè)創(chuàng)新團隊柴秀娟研究員團隊,提出了一種基于VR的專家經(jīng)驗捕獲與行為建模框架,旨在通過融合高保真虛擬環(huán)境與人類作業(yè)動作知識,顯著提升機器人在復(fù)雜農(nóng)業(yè)場景中的自主決策能力。
聰明之處——讓農(nóng)技專家親自"表演",讓機器跟著"學(xué)"。簡單地說讓機器人不僅學(xué)會了"怎么動",更學(xué)會了"為什么這樣動"。


真實環(huán)境數(shù)字化:機器人先用RGB-D相機高精度掃描真實溫室,在Unity引擎中利用視覺感知與3D建模算法重建番茄空間分布及果實成熟度信息。
專家知識虛擬化:讓多位專家穿上27個高精度節(jié)點的動捕設(shè)備、戴上VR頭盔,在高保真虛擬溫室中執(zhí)行涵蓋多種作業(yè)難度的采摘任務(wù)。采集的不僅是軌跡,更包含了采摘順序、手部姿態(tài)、速度控制等深層作業(yè)邏輯。
機器人行為智能化:用這些高質(zhì)量專家數(shù)據(jù)訓(xùn)練多任務(wù)強化學(xué)習(xí)模型,再通過逆運動學(xué)算法將人類動作映射到機械臂運動空間——相當(dāng)于把專家的“手感”嵌進了機器人的控制策略。
綜合評估顯示,這種“專家數(shù)據(jù)驅(qū)動”的方法在收獲效率、避障能力、任務(wù)成功率及運行穩(wěn)定性等核心指標(biāo)上,均顯著優(yōu)于現(xiàn)有主流方法。尤其是在遮擋嚴(yán)重、果穗密集的復(fù)雜場景下,機器人表現(xiàn)出了接近人類專家的適應(yīng)性與低損傷率。
目前以番茄采摘為驗證場景,但這項研究的意義遠不止于此。它所提出的 “VR捕獲專家經(jīng)驗 + 強化學(xué)習(xí)遷移” 技術(shù)范式,具備高度的泛化潛力,為其他果蔬智能化采收提供了一套可復(fù)制、可擴展的解決方案。
編輯 | 任志雨
本專題其他文章