综述：农业除草机器人端到端自主化技术验证现状与跨模块瓶颈综述

《Agronomy》：Toward End-to-End Autonomy in Agricultural Weeding Robots: A Review of Cross-Module Integration, Validation Gaps, and Sustained Operation

　　**摘要**农业除草机器人正从单一功能自动化向整合任务规划、田间导航、杂草感知、精准执行及作业支持的端到端自主化方向演进。本综述通过结构化检索主要多学科、工程及中文文献数据库，并辅以引文追踪，共纳入217篇文献来源，随后依次进行了有据可查的筛选、证据使用编码、技术主题映射，以及由本综述定义的L1–L5验证覆盖度评估。综述得出三个主要发现。第一，已报道的技术证据主要集中在真实农业环境下的物理闭环可行性验证，而非完整的生产服务验证。在157项可进行技术验证分级研究的研究中，78项（49.7%）的最高验证等级为L3，而仅有一项满足预定的完整生产服务与持续运行且具备量化监管的标准；该研究涉及的是基于区域的割草作业，而非针对目标的选择性除草。对49项直接涉及机器人除草技术研究的单独分析同样显示出向L3集中的趋势。在基于情境的边界稳健性分析中，达到L4及以上的直接研究数量从严格标准下的1/49，在两个刻意放宽的情境下分别增至2/49和3/49，而L3仍为主导的最高验证等级。第二，验证深度不均衡：导航、轨迹控制及若干执行模式在真实田间环境中拥有更强的证据支持，而全局任务规划、杂草感知、故障诊断和自主补给方面的验证则相对薄弱。第三，主要系统瓶颈日益呈现跨模块特性而非纯粹算法层面：空间、时间以及任务状态的不一致性可能通过接口传播，导致漏治或重复施治、作物损伤、任务未完成、额外停机时间以及人工干预等问题。因此，本综述主张应以可恢复的完整生产任务为验证中心，并明确要求报告任务完成度、农艺效果、故障与恢复情况、补给、停机时间、资源消耗及监管水平。