Crop Spirals: Re-thinking the field layout for future robotic agriculture
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: 农业机器人 农田布局 螺旋形布局 自主导航 路径规划
📋 核心要点
- 传统线性农田布局不利于机器人导航，存在转弯困难和长距离行驶等问题。
- 提出螺旋形农田布局，以机器人为中心，简化运动，提高覆盖效率。
- 仿真结果表明，螺旋布局能有效缩短路径，提升执行速度，多机器人协同效率更高。
📝 摘要（中文）
传统的线性作物布局针对拖拉机优化，但限制了机器人导航，导致转弯困难、行驶距离长和感知混淆。本文提出了一种以机器人为中心的方形螺旋布局，具有中央轨道线，从而简化了运动并提高了覆盖效率。为了利用这种几何结构，我们开发了一种导航堆栈，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，对于基于航点的任务，螺旋布局在500个航点上的路径比线性布局短28%，执行速度快25%。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：论文旨在解决传统线性农田布局下，农业机器人导航效率低下的问题。现有线性布局是为大型拖拉机设计的，对于需要精细化作业的机器人而言，存在转弯半径大、行驶路径长、易出现感知混淆等问题，严重影响了农业机器人的作业效率和自主性。
核心思路：论文的核心思路是重新设计农田的布局，使其更适合机器人的运动特性。具体而言，提出了方形螺旋布局，该布局以田地中心为起点，向外呈螺旋状扩展，并在中心设置一条轨道线。这种布局能够减少机器人的转弯次数和行驶距离，简化导航算法的设计。
技术框架：论文提出的导航堆栈包含以下几个主要模块：1) DH-ResNet18航点回归：用于预测机器人到达目标航点的方向和距离；2) 像素到里程计映射：将图像像素坐标转换为机器人里程计坐标；3) A*规划：在螺旋形布局上进行全局路径规划；4) 模型预测控制（MPC）：根据规划的路径，实时控制机器人的运动。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：论文的关键创新在于提出了螺旋形农田布局这一全新的概念，并验证了其在机器人导航方面的优势。与传统的线性布局相比，螺旋形布局更符合机器人的运动特性，能够显著提高导航效率。此外，论文还针对螺旋形布局设计了一套完整的导航算法，包括航点回归、路径规划和运动控制等模块。
关键设计：DH-ResNet18网络结构用于航点回归，具体参数设置未知。A*算法在螺旋形布局的图结构上进行搜索，图的节点表示农田中的位置，边表示机器人可以行驶的路径。MPC控制器根据机器人的动力学模型和环境约束，计算最优的控制指令，具体参数设置未知。
🖼️ 关键图片
📊 实验亮点
仿真实验表明，与线性布局相比，螺旋布局在500个航点上的路径缩短了28%，执行速度提高了25%。多机器人协同实验表明，在螺旋形布局下，使用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%。这些数据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方面的优势。
🎯 应用场景
该研究成果可应用于精准农业、智慧农业等领域，通过优化农田布局和机器人导航，提高农业生产效率，降低人工成本。螺旋形农田布局可以推广到各种类型的农作物种植，尤其适用于需要精细化管理的作物。未来，该研究有望推动农业机器人的广泛应用，实现农业生产的自动化和智能化。
📄 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.