来源：智慧农业创新团队

原文链接：https://mp.weixin.qq.com/s/vPVE6qnhnddwLxp1K5oTtw

‌国际人工智能联合会议

‌国际人工智能联合会议(International Joint Conference on Artificial Intelligence，‌IJCAI)是人工智能领域历史悠久、最具影响力的顶级国际学术会议之一，与NeurIPS、ICML、AAAI并列为AI"四大顶会"。

该成果将受邀在德国IJCAI 2026会议期间进行现场展示，这也是中国智慧农业团队在国际AI顶会上的一次重要亮相。

? 机器人摘番茄，到底难在哪？

不是看不见，是"没手感"。

老农走进大棚，扫一眼就知道：

哪个果子熟透了，哪个还得等两天

怎么捏才能摘下来又不捏烂

先摘哪个、后摘哪个，最高效

藤蔓挡路怎么绕，叶子茂密怎么钻

这些凭几十年经验秒判断的事，写成代码却处处碰壁。传统机器人存在识别不准、碰伤果实、在复杂环境里寸步难行等现实问题。

※机器逻辑和人类技能之间，隔着鸿沟。

? 创新团队解法：让老农专家"进"VR，教机器人"看"会

北京市智慧农业创新团队柴秀娟研究员团队，提出了一种基于VR的专家经验捕获与行为建模框架，旨在通过融合高保真虚拟环境与人类作业动作知识，显著提升机器人在复杂农业场景中的自主决策能力。

聪明之处——让农技专家亲自"表演"，让机器跟着"学"。简单地说让机器人不仅学会了"怎么动"，更学会了"为什么这样动"。

真实环境数字化：机器人先用RGB-D相机高精度扫描真实温室，在Unity引擎中利用视觉感知与3D建模算法重建番茄空间分布及果实成熟度信息。

专家知识虚拟化：让多位专家穿上27个高精度节点的动捕设备、戴上VR头盔，在高保真虚拟温室中执行涵盖多种作业难度的采摘任务。采集的不仅是轨迹，更包含了采摘顺序、手部姿态、速度控制等深层作业逻辑。

机器人行为智能化：用这些高质量专家数据训练多任务强化学习模型，再通过逆运动学算法将人类动作映射到机械臂运动空间——相当于把专家的“手感”嵌进了机器人的控制策略。

综合评估显示，这种“专家数据驱动”的方法在收获效率、避障能力、任务成功率及运行稳定性等核心指标上，均显著优于现有主流方法。尤其是在遮挡严重、果穗密集的复杂场景下，机器人表现出了接近人类专家的适应性与低损伤率。

目前以番茄采摘为验证场景，但这项研究的意义远不止于此。它所提出的 “VR捕获专家经验 + 强化学习迁移” 技术范式，具备高度的泛化潜力，为其他果蔬智能化采收提供了一套可复制、可扩展的解决方案。

编辑 | 任志雨