吸着式グリッパによる果実選果（収穫）に向けたセンサー選定の分析

概要: ロボットによる果実の収穫では、果実が正常に摘み取られたかどうかを確実に検出できないことが多く、効率が低下し、作物への損傷が増大します。この問題は、果実や把持具が柔軟（コンプライアント）であること、果柄の取り付け状態が変動すること、そして果樹園環境での遮蔽（オクルージョン）があることにより難しくなっています。先行研究では、視覚に基づく知覚やマルチセンサ学習による摘み取り状態推定が検討されてきました。しかし、正確なピック（摘み取り）とスリップ検出のための、最小限のセンサ集合や、位相（フェーズ）に依存したセンシング戦略は、ほとんど未開拓のままです。本研究では、コンプライアントな吸着式リンゴ把持具に統合されたマルチモーダルセンシング一式を設計し、評価します。提案手法の独自性は、摘み取りの各フェーズにおいてどのセンサが最も有益であるかを特定し、発生する前に失敗を予測的に検出できる点にあります。本論文の貢献は、マルチモーダルセンサの位相依存評価と、信頼できる摘み取り状態分類のための最小センサ集合の特定です。実際のリンゴ果樹園での実験では、Random Forest および Multilayer Perceptron の分類器が、成功したピックおよび差し迫った失敗を90%超の精度で検出し、Random Forest は、人手で注釈付けした正解に対して 0.09 s 以内でピック/スリップ事象を予測できることが示されました。