Om zelfstandig (autonoom) een taak in de landbouw uit te voeren moet een robot zonder hulp het terrein kunnen begrijpen en navigeren op een manier die bij die taak past. In een literatuuroverzicht worden de ontwikkelingen van navigatiesystemen voor landbouwrobots beschreven.
Conclusies
- Door verschillende concepten en algoritmes wordt gewerkt aan het optimaliseren van navigatie van landbouwrobots.
- Geen algoritme presteert beter dan andere bij de navigatie van landbouwrobots. Wel is het zogenaamde ‘Cell Decomposition’-concept iets verder ontwikkeld.
- Het aantal ontwikkelde algoritmes dat toegepast wordt in een robot en ook nog in praktijksituaties is getest, is zeer beperkt.
Samenvatting
Twee vormen van navigatie zijn beschikbaar: punt-tot-punt en gebiedsdekkend. Afhankelijk van de specifieke taak van de robot is de ene of de andere manier van navigeren het beste. Voor een blok of plantspecifieke taak (bijvoorbeeld aardappelopslag bestrijden) is punt-tot-punt navigatie beter, terwijl voor een algemene taak in het perceel (denk aan grondbewerking of zaaien) gebiedsdekkende navigatie geschikter is.
Punt-tot-punt navigatie
Bij punt-tot-punt navigatie gaat het om het navigeren van de huidige positie (waar de robot zich bevindt) tot de doelpositie. Dat moet gebeuren op een zo efficiënt mogelijke wijze qua afstand, tijd en energieverbruik.
Gebiedsdekkende navigatie
Bij gebiedsdekkende navigatie gaat het om het volledig berijden (bewerken) van een oppervlak met een bepaalde vorm zonder stukken over te slaan en zonder meermaals hetzelfde stuk van de route te berijden. Dat moet gebeuren op een zo efficiënt mogelijke wijze qua afstand, tijd en energieverbruik.
Het ‘Cell Decomposition’-concept
Bij gebruik van het ‘Cell Decomposition’-concept, deelt het algoritme van de robot zijn omgeving in regio`s (cellen) in. Op basis van wat hij in de cellen waarneemt wordt vervolgens de route bepaald. Dit concept wordt iets vaker toegepast en is daardoor wat verder ontwikkeld dan algoritmes op basis van andere concepten.
Nog weinig praktijktesten…
Veel onderzoek naar algoritmen zit nog in de conceptfase. Er zijn hierdoor nog weinig aangestuurde robots gebouwd. Hiervan is minder dan de helft in praktijksituaties getest.
Aanvullende informatie
L. C. Santos, F. N. Santos, E. J. Solteiro Pires, A. Valente, P. Costa and S. Magalhães, “Path Planning for ground robots in agriculture: a short review,” 2020 IEEE International Conference on Autonomous Robot Systems and Competitions (ICARSC), 2020, pp. 61-66, doi: 10.1109/ICARSC49921.2020.9096177.
Impactscore
Met de Impactscore laten we zien op welke bedrijfsactiviteiten de onderzoekresultaten
direct effect hebben. Een onderzoeksresultaat kan bijvoorbeeld leiden tot het gebruik
van minder gewasbeschermingsmiddelen of minder meststoffen. Dat vermelden we met een
korte toelichting.
Gebruik chemische middelen
Minder gebruik van gewasbeschermingsmiddelen zodra een werkend, geoptimaliseerd algoritme wordt ontwikkeld. Dat geldt in feite voor alle impactscores zoals voor kunstmest, energie enz.
Betrouwbaarheidsscore:
Geen betrouwbaarheidsscore omdat het gaat om literatuuronderzoek.