arXiv cs.AI· Lyes Saad Saoud, Oualid Doukhi, Reza Ghorbani, Moussa Ayyash·· 1 天前AI 评分22
AgriSense：虚拟温室中的视觉语言决策支持与机器人干预框架
AgriSense: Vision-Language Decision Support and Robotic Intervention in a Virtual Greenhouse Copy title
AI 导读
AgriSense 是一个结合 Isaac Sim 虚拟温室、四足移动机械臂与视觉语言决策支持的框架，可联合预测十二项环境参考值、目标区域和干预标志。在五组随机种子的测试中，完整模型、去图像和去语言配置均取得 43/44 正确区域决策，说明多模态并未带来区域准确率提升；温度、湿度、土壤湿度的平均绝对误差分别为 0.249 摄氏度、2.030 个百分点和 0.997 个百分点。
正文 · AI 翻译
摘要：自主温室管理日益需要集成感知、导航、环境调控和植株级干预的机器人系统。本文提出 AgriSense，一个结合 Isaac Sim 虚拟温室、四足移动机械臂、RGB 与 LiDAR-惯性传感、环境控制以及有监督视觉-语言决策支持的框架。冻结的 DINOv2 和 BERT 编码器与结构化环境输入共同支持对十二个环境参考值、一个目标区域和一个干预标志的联合预测。检查点回放复现了 41/43 的区域决策。在源分组测试集上使用五个随机种子，完整配置、移除图像配置和移除语言配置各自实现 43/44 的正确区域决策，未提供多模态区域准确率增量提升的证据。完整模型在温度上的平均绝对误差为 0.249 摄氏度，湿度为 2.030 个百分点，土壤水分为 0.997 个百分点。仅传感器输入与完整模型的区域准确率相当，而仅语言输入达到 68.64%。外部真实图像基准揭示了分布偏移的局限性。五条离线 Point-LIO 路线产生刚性对齐的轨迹误差为 5.22-17.32 mm。在 40 个虚拟臂目标中，32 个满足几何验收标准，八个在边界处被拒绝。六个长时程气候案例和故障协议刻画了集成限制。导航和集成处理依赖模拟器状态输入；物理温室性能和农艺处理效果仍未验证。贡献在于一个经过评估的、面向虚拟温室的决策支持与机器人干预框架。
| 学科： | 机器人学（cs.RO）；人工智能（cs.AI）；计算机视觉与模式识别（cs.CV） |
| 引用为： | arXiv:2611.16752 [cs.RO] |
| （或 arXiv:2611.16752v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.16752 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Lyes Saad Saoud Dr [查看电子邮件]
[v1]
2026年11月12日星期四 13:04:57 UTC（37,405 KB）
来源：arXiv cs.AI · arxiv.org