Verbetering van actieve robotwaarneming in de landbouw met online zelflerend leren

In moderne kassen zijn veel belangrijke taken, zoals oogsten, snoeien en het volgen van plantengroei, nog steeds afhankelijk van handmatig werk. Robots kunnen hierbij helpen, maar planten zijn complex: bladeren en stengels verbergen vaak de vruchten, bloemen of andere plantendelen die de robot moet zien. Mijn promotieonderzoek bestudeert hoe een robot zijn camera actief rond een plant kan bewegen om betere informatie te verzamelen, in plaats van te vertrouwen op één vast gezichtspunt. De robot leert zelf het volgende nuttige kijkpunt te kiezen, op basis van de gegevens die hij tijdens de taak verzamelt. Dit maakt het systeem sneller, flexibeler en beter geschikt voor verschillende planten en veranderende kasomstandigheden. Het onderzoek draagt bij aan betrouwbaardere robotwaarneming in de landbouw en brengt robots een stap dichter bij praktisch gebruik in arbeidsintensief kaswerk.