CLASP: A Cluster-Level Autonomous Selective Picking Robot with a Soft Rolling-Band Gripper for Fresh-Market Blueberry Harvesting

技術要約：CLASP – ブルーベリーの生鮮市場向けクラスターレベル自律選択的収穫ロボット

問題提起
ブルーベリーの生鮮市場向け収穫は、深刻なボトルネックに直面している。それは、果実の傷みを避け、品質を維持するために、選択的かつ穏やかな収穫が求められることである。列間を走行する機械式収穫機は高速であるが、非選択的であるため、著しい損傷（16〜26%）を引き起こし、加工用市場への利用を制限している。一方で、既存のロボット収穫システムは、通常「一粒ごと」のパラダイムに従い、個々の果実を標的にする。このアプローチは、ブルーベリーのサイズが小さく、密集したクラスター（房）を形成しており、単一のクラスター内で成熟度が異なるため、ブルーベリーにおいては非効率である。さらに、既存の柔軟なグリッパーは、隣接する果実が互いに遮蔽し合うというタイトな幾何学的構造において、成熟した果実のみを選択的に切り離し、未熟な果実を付着させたままにするために必要な、特定の力制御機能が欠けている。

手法
著者らは、個々の果実レベルではなく、クラスターレベルでの動作を設計したシステムであるCLASP（Cluster-Level Autonomous Selective Picking）を提案している。本システムは、以下の3つのコアコンポーネントで構成される。

1. 機械設計（SARB-グリッパー）：
   ロボットは、総部品コストが約3,326ドルであるカスタム6自由度マニピュレータ（RRPRRRアーキテクチャ）を使用している。エンドエフェクタは、ソフト・アクティブ・ローリング・バンド・グリッパー（SARB-Gripper）である。人間の収穫者に着想を得たこのグリッパーは、ソフトシリコーンバンド（Dragon Skin 20）を備えた2本の指を用いている。単一のベリーを掴むのではなく、バンドがクラスターを包み込み、果実に対して回転運動を行う。このローリング動作により、ベリーと果梗（かこう）の接合部に摩擦が生じ、果実を脱離させる。決定的なのは、システムがセンサレス力制御を採用している点である。牽引力は、指のサーボからのモーター電流フィードバックを介して制御される。これにより、システムは適用される荷重を、成熟した果実を脱離させるには十分であり、かつ未熟な果実を脱離させる閾値よりは低い、特定の範囲内に維持することができる。

2. 認識パイプライン（グローバルからローカルへ）：
   遮蔽の問題や、高密度なクラスター内での個々のベリーの局在化の困難さに対処するため、システムはグローバルからローカルへの認識戦略を採用している。

• グローバル： アイ・トゥ・ハンド方式のステレオカメラ（ZED 2）が、候補となるクラスター領域を検出し、粗い位置特定を行う。
• ローカル： エンドエフェクタに取り付けられたアイ・イン・ハンド方式のカメラ（Intel RealSense D435）が、クラスターの3D形状と向きを精緻化する。
• 検出： カスタムのYOLO26nモデルは、4つの品種をカバーし、様々な照明条件下でのマルチシーズン・データセット（2023年〜2026年）を用いて学習されており、ベリーを検出・カウントする。このモデルは「未熟」と「成熟」のクラスを区別し、「半熟」は視覚的な曖昧さから未熟クラスに統合される。

3. 制御とプランニング：

• 把握プランニング： システムは、点群に対する主成分分析（PCA）を用いて、クラスターの茎軸の向きを推定する。そして、接触を最大化し、茎の曲がりを最小限に抑えるために、グリッパーのローリングバンドをクラスター軸に合わせるような把握方向を計画する。
• 力制御： グリッパーコントローラは、閉ループ電流フィードバック機構を使用する。ベースライン電流を設定し、ローリングバンドを制御するために能動的な閾値を適応させる。システムは、モーター電流が無負荷レベルに戻ったとき（クラスターが空になったことを示す）、またはビジョンが成熟したベリーが残っていないことを確認したときに、収穫を終了する。

主な貢献

• クラスターレベルの動作原理： 本論文は、精密な個別の果実操作ではなく、制御された力を用いて選択的な脱離を実現することにより、クラスターを主要な相互作用単位として扱う収穫パラダイムを導入している。
• センサレス力制御グリッパー： SARB-グリッパーは、専用の力/トルクセンサを用いずに、モーター電流の調整を通じて選択的な脱離が可能であることを示し、低コストでスケーラブルなソリューションを実現した。
• 統合システムとデータセット： 著者らは、多様なフィールド条件下でのブルーベリー検出のためのマルチシーズンかつオープンソースのデータセットとともに、フィールドで検証された完全に統合された自律システムを提供している。

実験結果

• 力の特性評価： フィールド測定により、脱離力の明確な分離が確認された。成熟したベリーは平均0.66 Nで脱離したが、未熟なベリーは2.47 Nを必要とした（比率は3.7）。SARB-グリッパーは、指令された牽引力を誤差3.7%未満で再現することに成功し、選択的脱離のウィンドウ内での動作を可能にした。
• 認識性能： 検出モデルは、ホールドアウト・テストセットにおいてmAP50 0.767およびF1スコア0.730を達成した。検出漏れ（20〜25%）が主要なエラータイプであったが、システムは複数のフレームにわたってカウントを集計することで、早期終了を回避している。
• フィールド試験： 25個の提示されたクラスターを用いたエンドツーエンドのフィールドテストにおいて、CLASPは**23個のクラスター（成功率92%）**を自律的に把握し、収穫した。失敗の原因は、収穫メカニズム自体ではなく、認識およびアームのポジショニングの問題（クラスターへの到達不能）に帰せられた。
• 効率と品質： 手動で位置合わせを行った場合、グリッパーは毎分32ベリーの速度で収穫し、これは人間の収穫者（毎分55ベリー）の約58%の速度であった。ロボットによって収穫されたベリーの収穫後の硬度は、手摘みの参照品よりも15%低かった。著者らは、この差は機械的な負荷と測定までの時間間隔の長さの両方に起因する可能性があり、ロボットによる損傷の理論的な上限値を示していると述べている。

意義と主張
本論文は、CLASPが、自動化の導入を制限してきたブルーベリーの生鮮市場向け特有の課題に対処する、スケーラブルで低コストなアプローチを提供すると主張している。選択性のメカニズムを、複雑な視覚的な一粒ごとの識別から、力制御された機械的相互作用へと移行させることで、高価なセンサや計算負荷の高い果実ごとのポーズ推定を回避している。著者らは、現在のシステムは実現可能性（92%の把握成功率）を示しているものの、主な制限は、脱離メカニズム自体ではなく、システムレベルの動作計画と移動時間にあると強調している。本研究は、スループットと衝突回避型の軌道計画の向上に向けた基礎を築くものである。