[論文レビュー] Design and Implementation of A Novel Precision Irrigation Robot Based on An Intelligent Path Planning Algorithm

Minghan Chen, Yilong Sun+3 more|arXiv (Cornell University)|Mar 2, 2020

Smart Agriculture and AI参考文献 11被引用数 5

ひとこと要約

本論文では、複雑な農業環境において精度と適応性を向上させるために、改良されたベイジアンに基づくアンチコロニー経路計画アルゴリズムを用いた新規な知能型灌漑ロボットを提案する。乾ばつ度、障害物検出、未探索領域を統合することで、水の無駄を減らし、ナビゲーション効率を向上させた完全カバレッジ灌漑を実現した。シミュレーションおよび現地実験により検証された。

ABSTRACT

The agricultural irrigation system is closely related to agricultural production. There are some problems in nowadays agricultural irrigation system, such as poor mobility, imprecision and high price. To address these issues, an intelligent irrigation robot is designed and implemented in this work. The robot achieves precise irrigation by the irrigation path planning algorithm which is improved by Bayesian theory. In the proposed algorithm, we utilize as much information as possible to achieve full coverage irrigation in the complex agricultural environment. Besides, we propose the maximum risk to avoid the problem of lack of inspection in certain areas. Finally, We carried out simulation experiments and field experiments to verify the robot and the algorithm. The experimental results indicate that the robot is capable of fulfilling the requirements of various agricultural irrigation tasks.

研究の動機と目的

• 従来の灌漑システムの限界、すなわち移動性の低さ、水の不正確な供給、高い運用コストを解消すること。
• 多様で困難な農業地形でも作動可能な自律型灌漑ロボットの開発。
• 乾ばつ度、障害物の有無、未探索領域といったリアルタイムの農業要因を統合することで、経路計画の知能を向上させること。
• 複数の環境データに基づく動的ルート調整により、適応的かつ完全カバレッジの灌漑を実現すること。
• 多様な農業環境におけるシミュレーションおよび実地の現地実験を通じて、ロボットの性能を検証すること。

提案手法

• 情報利得が最大となる経路を優先するよう、ベイジアン理論を統合した改良型アンチコロニー最適化（ACO）アルゴリズムを採用。
• 乾ばつ度、目的までの距離、障害物密度、未探索領域といった複数の環境要因を経路コスト関数に組み込む。
• 前回のクルーズからの事前データに基づく後確率の更新を用いて、経路計画意思決定を動的に改善。
• ミッションプランナー・ソフトウェアを介して、ロボットの位置、経路、リアルタイムの周囲環境を可視化するナビゲーションシステムを統合。
• 均一に噴霧する16個の小型ノズルを備えた20Lの水タンクを設置し、一貫性があり正確な水の分配を確保。
• 手動オーバーライドと運用中のリアルタイムルート調整を可能にするモジュラー制御アーキテクチャを実装。

実験結果

リサーチクエスチョン

• RQ1 複雑で動的な農地環境において、経路計画アルゴリズムをどのように改善すれば灌漑カバレッジと適応性を向上させられるか？
• RQ2 乾ばつ度と障害物データを経路計画に統合することで、水の無駄をどれほど削減し、灌漑効率を向上させられるか？
• RQ3 現実世界の制約下で、ベイジアン強化アンチコロニー法は古典的ACOに比べ、情報カバレッジと経路効率の面で優れていると言えるか？
• RQ4 狭い、険しい、不規則な形状の農地環境において、本ロボットの性能は従来のシステムと比べてどのように異なるか？
• RQ5 リアルタイムデータ統合と自己調整が、ロボットのナビゲーション精度と灌漑精度に与える影響は何か？

主な発見

• 改良型ベイジアン-ACOアルゴリズムは、古典的アンチコロニー法と比較して、移動距離を著しく増加させることなく、より高い経路効率を達成した。
• ロボットは、狭い、険しい、不規則な農地環境、たとえばねじれの曲がりやドッグレッグ状の曲がりでも、強く適応可能な能力を示した。
• アルゴリズムは、わずかに長い経路であっても、より多くの農業的情報を提供する経路を優先し、包括的なカバレッジと、灌漑ゾーンの見落としリスクの低減を実現した。
• リアルタイムの乾ばつ度評価と空間変動性に基づく高精度灌漑により、水の無駄が削減された。
• 現地実験およびシミュレーション実験の両方で、ロボットが完全カバレッジ灌漑タスクを効果的に完了したことが確認され、1回の計画タスクあたり約40秒で経路生成が行われた。
• ナビゲーションシステムにより、ロボットの位置と経路のリアルタイム監視が可能となり、手動介入と正確な位置特定を支援した。