ObstaDiff aiuta i robot in serra a raccogliere con meno collisioni

Le serre sono ostili ai bracci robot: foglie, steli e frutti maturi condividono lo stesso volume. L’11 settembre 2026 The Neural Feed riassume un paper arXiv cs.RO accettato a CoRL 2026: ObstaDiff, di ricercatori affiliati Stanford Jiawen Wang, Kevin Yao e Khalid Jawed.

Come la policy legge il disordine

ObstaDiff divide la scena in layer target / ostacolo / sfondo e usa una diffusion policy per raggiungere la coltura senza colpire ostacoli.

366 esecuzioni reali

Su 366 prove: 75,41 % di successo e 8,2 % di collisioni—incoraggiante per la ricerca, lontano dalla affidabilità commerciale.

Cosa non è

Non è un prodotto agricolo in vendita. È un metodo CoRL con buon volume di trial reali.

Angolo Rocks

Il benchmark utile: successo e tasso di collisione sotto fogliame reale. Fonte: The Neural Feed.

Perché aiuta la diffusione

Le diffusion policy modellano moti multimodali quando più angoli di approccio funzionano.

Aspettatevi domain shift: pomodoro ≠ fragola da tavolo. Esigete trial per coltura prima del CapEx.

Leggere le metriche da grower

75 % di successo con 8,2 % di collisioni è ancora troppo fallimento e contatto per cancellare il risparmio di manodopera. Chiedete matrici di confusione, cycle time e tasso di ripresa umana.

L’accettazione CoRL non sostituisce piloti multi-stagione.

FAQ

Si compra ObstaDiff? No—paper / CoRL 2026.

Quante prove? 366 esecuzioni in serra.