广东
近日，山东农业大学苑进教授团队研究成果在《Computers and Electronics in Agriculture》在线发表，论文题为“LARIS: a local-state active reasoning and integrated switching framework for robotic harvesting under partial observability”。该研究面向温室密集番茄采收过程中局部遮挡严重、操作空间受限以及观测信息不完整等问题，提出了局部状态主动推理与一体化切换框架 LARIS，将局部执行状态表征、执行可行性引导的观测—采收切换以及残余不确定性自适应执行进行闭环集成。
在密集温室冠层中，目标果实即使已经被识别和定位，其周围的接近通道、接触区域和采后撤离空间仍可能受到叶片、邻近果实及细小果梗遮挡。传统采收流程通常将感知与执行分别处理，主动观测方法也多依据视觉完整度或信息增益决定是否继续获取新视角，难以直接判断当前局部信息是否已经足以支持可靠采收。针对这一问题，LARIS以机器人实际执行需求为核心，建立包含目标几何、邻近局部结构证据、自由空间证据和残余不确定性的局部执行状态，并根据接近、接触和撤离三个阶段的执行可行性，在补充观测和采收之间进行动态切换。同时，系统根据各阶段剩余的不确定程度自适应调整运动安全裕度，使局部感知结果能够持续作用于后续采收执行。
研究结果表明，在商业温室开展的167次采收尝试中，LARIS成功完成133次，采收成功率达到79.6%，平均每次采收仅需1.60±1.33次补充观测，平均采收周期为8.71±1.33 s；在室内重构番茄簇实验中，采收成功率达到84.1%。综综合两类实验场景，与固定三视角NBV方法相比，LARIS的采收成功率平均提高19.5个百分点，补充观测次数平均减少48.5%；与采用固定安全裕度的执行策略相比，其采收成功率平均提高11.9个百分点。相关消融与失效分析进一步表明，局部执行状态表征对采收可靠性的提升作用最为明显，而观测—采收切换机制主要减少了冗余观测和作业时间。
该成果面向复杂温室环境下农业机器人自主采收需求，将主动感知由单纯追求视觉信息增加进一步拓展为面向机器人执行充分性的主动决策，使机器人能够根据当前局部状态判断“是否还需要继续观察”以及“何时可以进入采收”。研究为部分可观测和狭窄操作空间条件下农业机器人的感知、决策与执行协同提供了新的技术思路，对提升温室采收机器人自主作业能力和推动智慧农业装备发展具有积极意义。
LARIS在部分可观测番茄采收场景下的整体工作流程
番茄采收机器人平台及温室试验环境
山东农业大学为该论文第一完成单位，博士研究生戴念祖为第一作者，苑进教授为通讯作者，方家明、刘雪美为共同作者。
论文链接：
https://doi.org/10.1016/j.compag.2026.112312
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
