LeCropFollow：非结构化农田导航的潜在空间规划方法

《IEEE Robotics & Automation Magazine》：LeCropFollow: Latent Space Planning for Navigation in Unstructured Crop Fields

　　

摘要：

在农业机器人作业中，不规则的种植结构或地形间断等问题仍是导致其失效的主要因素。现有的几何方法往往无法应对这类情况，因为它们会将高维的视觉数据简化为确定的空间坐标，从而忽略了在复杂地形中导航所需的不确定性信息及语义背景。为了解决这一问题，我们提出了LeCropFollow这一视觉导航框架，它摒弃了传统的几何建模方式，转而采用学习得到的潜在表示形式。该系统将自监督的语义热图提取器与基于模型的强化学习规划器TD-MPC2相结合，从而能够在潜在流形中直接优化路径。这一框架直接处理未经压缩的热图信号，因此能够保留几何建模所丢失的语义信息。实验表明，这种表示方式的转变使得无需进一步微调即可实现从简化模拟环境到真实世界的零样本迁移。在玉米田中的大量实地测试显示，LeCropFollow在面对不规则种植行时性能可与最先进的算法相媲美，而在种植间隙处的表现则更为出色，其语义识别错误率比基于关键点的算法低2.4倍。这些结果说明，对于在结构复杂的农业环境中作业而言，潜在空间规划是一种比几何估算更可靠的替代方案。相关代码、模型和数据可在此获取：https://felipe-tommaselli.github.io/lecropfollow/。