结合视觉语言模型的农业机器人自适应喷洒

精准农药喷洒对于优化施药效率和确保化学品分布均匀至关重要。喷洒性能受多种因素影响，包括温度、风速等环境条件、农药类型以及机器人准确感知作物和目标喷洒位置的能力。现有方法主要强调作物检测并依赖于预定义的喷洒参数，而操作员则通过考虑环境条件、特定地区作物特征和所施用农药的类型来动态调整其喷洒策略。在这项研究中，我们提出了一种基于视觉语言模型（VLM）的上下文感知自适应喷洒框架，该框架使机器人能够利用空间推理并整合来自多个来源的信息，包括作物类型、农药类型和天气数据，以做出自适应和优化的喷洒决策。随后，采用基于模型预测路径积分（MPPI）控制的轨迹跟踪控制器来确保精确导航和作物位置的准确喷洒。对比结果表明，该方法在检测作物行方面的准确率提高了至少30%。此外，在两种环境下进行的实验评估进一步证明了机器人能够灵活调节喷洒量和行驶速度，同时减少农药漂移。