Planification de trajectoires hybrides en 3D pour une couverture optimisée des champs agricoles : une nouvelle approche pour les robots à roues

Cet article présente une nouvelle approche hybride (H-CCPP) pour optimiser la planification de la trajectoire de couverture pour les robots agricoles. Contrairement aux méthodes précédentes, le H-CCPP améliore la vitesse de traitement, explore diverses directions de conduite et intègre des modèles de saut de ligne pour les champs simples et complexes. Il détermine automatiquement les points d'entrée et de sortie et a été rigoureusement évalué sur un ensemble de données de 30 champs français, démontrant des performances supérieures en matière de réduction des coûts de pente tout en maintenant l'efficacité d'autres indicateurs clés. Les recherches futures se concentreront sur l'amélioration de la couverture des promontoires, l'intégration d'expériences réelles, la gestion des obstacles et l'optimisation de la coordination multirobots.

Au cours des dernières décennies, l'industrie agricole a réalisé des progrès importants dans le domaine des systèmes autonomes, tels que les robots à roues, dans le but principal d'améliorer l'efficacité tout en réduisant l'impact sur l'environnement. Dans ce contexte, il est essentiel de déterminer une trajectoire pour le robot qui optimise la couverture tout en tenant compte de la topographie, des caractéristiques du robot et des exigences opérationnelles. Dans cet article, nous présentons H-CCPP, une nouvelle méthode hybride qui combine les avantages de couverture complets de notre approche précédente O-CCPP avec l'efficacité de calcul de l'algorithme Fields2Cover. Outre l'optimisation de la zone de couverture, des chevauchements et du temps de trajet global, il améliore considérablement le processus de calcul et accroît la flexibilité de la génération de trajectoires. Le H-CCPP tient également compte de l'inclinaison du terrain pour remédier à l'érosion des sols et à la consommation d'énergie. Afin de soutenir cette approche innovante, nous avons également créé et mis à disposition un ensemble de données public qui comprend des représentations 2D et 3D de 30 champs agricoles. Cette ressource nous permet non seulement d'illustrer l'efficacité de notre approche, mais fournit également des données précieuses pour les recherches futures sur la planification complète du chemin de couverture (CCPP) pour l'agriculture moderne.