Crop Spirals: Re-thinking the field layout for future robotic agriculture

📄 arXiv: 2509.25091v1 📥 PDF

作者: Lakshan Lavan, Lanojithan Thiyagarasa, Udara Muthugala, Rajitha de Silva

分类: cs.RO

发布日期: 2025-09-29

备注: Submitted to Computers and Electronics in Agriculture

💡 一句话要点

提出螺旋形农田布局，优化机器人导航，提升农业自动化效率

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 机器人导航 自主农业 农田布局 螺旋形路径 多机器人协同

📋 核心要点

  1. 传统线性农田布局不利于机器人导航，存在转弯困难、路径过长和感知混淆等问题。
  2. 提出一种以机器人为中心的方形螺旋布局，利用中心轨道简化运动，提高覆盖效率。
  3. 仿真结果表明，螺旋布局在路径长度和执行速度上优于线性布局，多机器人协调效率更高。

📝 摘要（中文）

传统的线性作物布局针对拖拉机优化，但限制了机器人的导航，导致急转弯、长距离行驶和感知混淆。本文提出了一种以机器人为中心的方形螺旋布局，带有一个中央轨道，从而简化运动并提高覆盖效率。为了利用这种几何结构，我们开发了一个导航堆栈，结合了DH-ResNet18航点回归、像素到里程计映射、A*规划和模型预测控制（MPC）。在模拟中，与线性布局相比，螺旋布局在500个航点的基于航点的任务中，路径缩短了高达28%，执行速度提高了约25%，而全场覆盖性能与优化的线性U型转弯策略相当。多机器人研究表明，在螺旋形规则约束图上可以实现高效的协调，在我们的设置下，贪婪分配器比匈牙利分配器的批处理完成时间缩短了33-37%。这些结果突出了重新设计田地几何形状以更好地适应自主农业的潜力。

🔬 方法详解

问题定义：现有农田通常采用线性布局，这种布局是为传统拖拉机设计的。然而，当使用机器人进行自主农业时，线性布局会带来诸多问题，例如机器人需要频繁进行急转弯，导致行驶路径过长，能量消耗增加，同时容易出现感知混淆，影响导航精度。因此，需要一种更适合机器人导航的农田布局。

核心思路：本文的核心思路是重新设计农田的几何形状，使其更适合机器人导航。具体而言，提出了一种方形螺旋布局，该布局以田地的中心为起点，呈螺旋形向外扩展。这种布局的优点在于，机器人可以沿着螺旋路径平滑地移动，避免了频繁的急转弯，从而缩短了行驶路径，提高了导航效率。

技术框架：该方法的技术框架主要包括以下几个模块：1) DH-ResNet18航点回归：用于预测机器人应该前往的下一个航点。2) 像素到里程计映射：将图像像素坐标转换为机器人的里程计坐标。3) A规划：使用A算法规划从当前位置到目标航点的最优路径。4) 模型预测控制（MPC）：使用MPC算法控制机器人的运动，使其沿着规划的路径行驶。整个框架通过这些模块的协同工作，实现了机器人在螺旋形农田中的自主导航。

关键创新：该方法最重要的技术创新点在于提出了螺旋形农田布局，并针对该布局设计了一套完整的导航系统。与传统的线性布局相比，螺旋形布局更适合机器人导航，可以显著提高机器人的工作效率。此外，该方法还提出了一种基于DH-ResNet18的航点回归方法，可以有效地预测机器人的下一个航点。

关键设计：在DH-ResNet18航点回归中，使用了深度残差网络ResNet18作为骨干网络，并添加了DH（Direct Hinge）损失函数，以提高航点预测的精度。在A*规划中，使用了欧几里得距离作为启发式函数。在MPC控制中，使用了二次规划求解器来优化机器人的控制输入。

📊 实验亮点

仿真实验表明，与传统的线性布局相比，螺旋布局可以使机器人的行驶路径缩短高达28%，执行速度提高约25%。在多机器人协同作业的场景下，使用贪婪分配器在螺旋布局上进行任务分配，比使用匈牙利算法在线性布局上的批处理完成时间缩短了33-37%。这些结果充分证明了螺旋布局在提高机器人导航效率和多机器人协同作业效率方面的优势。

🎯 应用场景

该研究成果可应用于各种类型的自主农业机器人，例如播种机器人、除草机器人、收割机器人等。通过采用螺旋形农田布局和相应的导航系统，可以显著提高这些机器人的工作效率，降低运营成本，并最终促进农业生产的自动化和智能化。此外，该研究思路也可以推广到其他需要机器人进行路径规划和导航的领域，例如仓储物流、智能交通等。

📄 摘要（原文）

Conventional linear crop layouts, optimised for tractors, hinder robotic navigation with tight turns, long travel distances, and perceptual aliasing. We propose a robot-centric square spiral layout with a central tramline, enabling simpler motion and more efficient coverage. To exploit this geometry, we develop a navigation stack combining DH-ResNet18 waypoint regression, pixel-to-odometry mapping, A* planning, and model predictive control (MPC). In simulations, the spiral layout yields up to 28% shorter paths and about 25% faster execution for waypoint-based tasks across 500 waypoints than linear layouts, while full-field coverage performance is comparable to an optimised linear U-turn strategy. Multi-robot studies demonstrate efficient coordination on the spirals rule-constrained graph, with a greedy allocator achieving 33-37% lower batch completion times than a Hungarian assignment under our setup. These results highlight the potential of redesigning field geometry to better suit autonomous agriculture.