Core Concepts
提案されたDAVIS-Agデータセットは、農業ロボットにおけるドメインインスパイアされたアクティブビジョンのプロトタイピングにおいて重要な役割を果たす。
Abstract
農業環境での視点計画は、ロボットが複雑な構造の植物から興味のあるオブジェクト(例:果物)を取得するために重要である。
DAVIS-Agデータセットは、AgMLフレームワークと3Dプラントシミュレーター「Helios」を活用して開発され、果物の検出率がカメラビューのポーズによって大きく変化することを示している。
さまざまな視点から収集された502KのHD品質のRGB画像が含まれており、ストロベリー、トマト、ぶどうなどの植物環境が考慮されている。
データセットは公開されており、将来的な研究を促進することを目的としている。
INTRODUCTION
農業における正確な知覚は重要であり、野外環境ではさまざまなオブジェクトが部分的にしか見えないことが課題となっている。
DATA SYNTHESIS & COLLECTION
3Dプラントシミュレーションでは、AgMLフレームワークとHeliosフレームワークを利用して実施されている。
EXPERIMENTAL SETTINGS
ターゲット可視性最大化問題(TVM)では、A2Cエージェントが他の基準法よりも優れたパフォーマンスを示している。
RESULTS
TVMタスク学習中にA2Cエージェントが報酬を上昇させており、他の手法よりも高いOERスコアを達成している。
Stats
「DAVIS-Agデータセットは502K以上のHD品質RGB画像から30K以上のサンプリング位置で収集されました。」
「SPシナリオでは各カメラビューが常に原点にある植物を見つめます。」
「MPシナリオでは1列に3つまたは5つの植物が配置されます。」