AgriGen: Large-Scale Scene Generation Framework for Photorealistic Agricultural Robotics Simulation

📄 arXiv: 2609.25725v1 📥 PDF

作者: Utkarsh Bajpai, Serge Tleiji, Cédric Pradalier, Stéphanie Aravecchia

分类: cs.RO, cs.GR

发布日期: 2026-09-22

备注: Presented at the ICRA 2026 Workshop on Agricultural Robotics (https://agrifoodroboticsworkshop.wordpress.com/icra2026/)

🔗 代码/项目: PROJECT_PAGE

💡 一句话要点

提出AgriGen框架以解决农业机器人模拟中的数据获取问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 农业机器人 高保真模拟 程序生成 领域随机化 虚拟环境 数据集生成 ROS集成

📋 核心要点

  1. 农业机器人面临数据获取困难，现有方法无法有效解决多样化数据集的需求。
  2. 本文提出了AgriGen框架，利用Isaac Sim进行农业环境的大规模程序生成，支持高保真渲染和物理模拟。
  3. 该框架在农业机器人研究中表现出色，能够生成多种作物环境，提升了系统的评估能力和鲁棒性。

📝 摘要（中文）

农业机器人技术正在迅速发展，但由于田地访问受限、缺乏对田间条件的控制、地理变异性和季节性作物周期等因素，获取多样化农业数据集的难度和成本较高，限制了评估和系统的鲁棒性。尽管其他机器人领域通过高保真模拟实现了学习和评估的规模化，农业机器人领域仍缺乏相应的工具。本文提出了一个集成ROS的框架，基于Isaac Sim，支持大规模程序生成农业环境，具备光线追踪渲染、物理模拟和领域随机化等功能，适用于机器人研究，并支持行作物、果园和葡萄园的扩展。

🔬 方法详解

问题定义：农业机器人在真实环境中进行评估和学习面临数据获取困难，现有方法无法提供多样化和高保真的农业数据集，限制了系统的性能和鲁棒性。

核心思路：本文提出的AgriGen框架通过程序生成技术，结合高保真模拟，能够在虚拟环境中快速生成多样化的农业场景，从而为机器人研究提供丰富的数据支持。

技术框架：AgriGen框架基于Isaac Sim构建，集成了ROS，主要模块包括环境生成模块、物理模拟模块和渲染模块，支持行作物、果园和葡萄园等多种农业场景的生成。

关键创新：该框架的创新在于其大规模程序生成能力和高保真渲染，能够在不同的环境条件下进行领域随机化，显著提升了农业机器人研究的灵活性和适应性。

关键设计：框架中采用了优化的物理引擎和渲染算法，支持实时反馈和交互，关键参数设置包括环境复杂度、作物类型和气候条件等，确保生成场景的真实性和多样性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，AgriGen框架能够在多种农业环境中生成高保真场景，提升了机器人系统的评估能力。与传统方法相比，系统在多样性和真实感上有显著提升，具体性能数据和对比基线将在后续实验中详细展示。

🎯 应用场景

AgriGen框架在农业机器人研究中具有广泛的应用潜力，能够为机器人系统的训练和评估提供丰富的虚拟数据，降低实际场地实验的成本和风险。未来，该框架可扩展至更多作物类型和农业场景，推动农业自动化技术的发展。

📄 摘要（原文）

Agricultural robotics is advancing rapidly, yet progress remains constrained by limited field access, lack of control over field conditions, geographic variability, and seasonal crop cycles. These factors make it difficult and costly to acquire diverse agricultural datasets, resulting in limited evaluation and reduced system robustness. While other robotics domains have scaled learning and evaluation through high-fidelity simulation, agricultural robotics still lacks comparably capable tools. In this paper, we present a ROS-integrated framework, built on Isaac Sim, for large-scale procedural generation of agricultural environments. The framework supports photorealistic rendering, physics simulation, and domain randomization at scales relevant to robotics research, with built-in support for row crops, orchards, and vineyards and straightforward extensibility to additional crop categories. Project Page: https://baj31415.github.io/agrigen/