News Clip

*下記、DeepL.comによる自動翻訳を利用し、本文を表示しております

  

IDTechExの新しいレポートによると、ロボットと人工知能は、今後数十年の間に農業界に深い変革をもたらすだろう。

植物を見て、その場所を特定し、植物特有のインテリジェントな行動をとることは、もはや人間だけの領域ではない、と調査会社は述べています。
機械は技術的な実行可能性を実証し、投資収益率、信頼性、ビジネスモデルなどの細かい部分に重点が移ってきました。
そのため、動力や運動技術の進歩が多くの農業作業を機械化したように、あるいは種子や農薬技術の進歩が多くの活動から人間を排除したように、農業における新しいクラスの活動は自動化されやすい。
IDTechExの評価では、今後の変化はすでに「いつ」の問題であり、「もしも」の問題ではないということです。変革は一夜にして終わるものではありませんが、それにもかかわらず、ロボット工学とAIは農業ツールと実践の進化において必然的なものとなっています。
その可能性の大きさは、以下のチャートに示されており、様々な自律型および/またはロボット型ソリューションの年間販売台数(対累積フリートサイズ)の長期的な成長予測を示しています。
この記事では、IDTechEx Researchが主要な製品カテゴリーの概要を提供し、この変化を促進している基礎技術を論じています。それぞれについて、IDTechExは、現在および将来の技術的および採用状況についての洞察を提供しています。
IDTechEx Researchは過去5年間、農業ロボットやAIで活躍する技術、アプリケーション、製品、プレイヤーを調査してきました。
この記事は、IDTechExのレポート『農業ロボット、ドローン、AI:2020-2040年:技術、市場、プレイヤー』をベースに、最新の動向を網羅し、同社の最新の洞察、分析、市場予測を反映しています。
実際、本レポートでは、植物に特化した精密な行動をとる自律型ロボット、インテリジェントビジョン対応のロボット機器、多様なロボットによる生鮮果実の収穫機、高度に自動化・自律化されたトラクターや高出力の農作業車、ドローン、自動搾乳など、あらゆる新興製品タイプを分析しています。
また、インタビューベースの企業プロフィールと主要企業とイノベーターの分析を掲載しています。
最後に、市場規模(面積・トン数・金額)、普及率、年間ロボット販売台数、累計フリートサイズ、RaaS(サービスとしてのロボット)総売上高予測などを考慮した短期・長期の市場予測を掲載しています。予測対象は15種類のロボットと農業分野。

農業用ロボット。費用対効果の高い精密革命?

これらの製品やロボットの例を以下に示す。これらは多くの場合、自律的に移動したり、植物特有の正確な行動を自動的に取るように設計された小型または中型のロボットである。
マシンビジョン技術は、これらのロボットのコアコンピテンシーであることが多く、ロボットが個々の植物を見て、識別し、定位させ、個々の植物に応じたインテリジェントな行動をとることを可能にしています。
マシンビジョンでは、専門家の注釈を付けた画像データセットで訓練されたディープラーニングアルゴリズムを使用することが多くなってきており、従来のアルゴリズムの性能をはるかに上回り、専門家の農学者の性能に匹敵する、あるいはそれ以上の性能を持つ技術を可能にしています。
重要なことに、このアプローチは長期的な技術ロードマップを可能にし、すべての種類の作物を認識し、水ストレス、病気などの関連条件を分析するために拡張することができます。
この新興のロボットクラスの多くのバージョンは自律性を持っています。自律性の課題は、自動車よりもはるかに単純です。環境は十分に制御されており、予測可能であり、移動速度は低い。
カリフォルニア州のような場所を含め、今日では法整備が障害となっているが、比較的すぐに容認されるようになるだろう。
自律型ロボットの台頭は、遠隔監視をほとんど必要としないことを条件に、機械設計の経済性を変えることができ、より小さくてより遅い機械の台頭を可能にします。実際、このように車両ごとのドライバーのオーバーヘッドをなくすことが、スウォームのコンセプトの基礎となっています。
現在の大型で高出力の車両と、低速の小型ロボットの群れで構成された車両との間には、明らかに大きな生産性の差があります。しかし、後者には改善の余地があるため、この生産性の差は縮まる可能性があります。
最初の主要なターゲット市場は草刈りです。ここでのROIの利点は、労働力の節約、化学薬品の節約、収量の増加、土地の圧縮の減少です。
精密なアクション(散布、機械的、電気的)は、対象外の散布と比較して農薬の消費量を90%削減します。また、対象外の農薬散布による作物の巻き添え被害を最小限に抑えることができるため、収量も向上します(例えば、5~10%)。
精密なアクション(散布、機械的、または電気的)は、対象外の散布に比べて農薬の消費量を90%削減します。また、対象外の農薬散布による作物の巻き添え被害を最小限に抑えることができるため、収量も向上します(例えば、5~10%)。
この技術により、農家は、特に一部のホットスポットで問題となっている除草剤抵抗性雑草に取り組むことができるようになります。最後に、ロボットは使い物にならないほど圧縮された土を残さない。
これらのロボットは進化しています。多くのロボットはすでにサイズも能力も大きくなっており、高速化、高フレーム/秒化、より頑丈な設計、より長い作業時間とより重い負荷のためのより高いオンボードエネルギーなどを提供しています。
この進化は、他のすべての農機具や車両がそうであったように、必然的に続いていくでしょう。私たちはまだ始まったばかりです。世界的に展開されているフリートの規模は小さいですが、これは変わろうとしています。
IDTechExレポートでは、この分野の詳細な分析、企業や開発者へのインタビューに基づいた分析、累積フリートサイズ、ロボットの年間販売台数、作物金額別のアドレサブル市場、普及率、RaaS(Robotic-as-a-Service)市場価値を網羅した短期・長期の詳細な市場予測を掲載しています。

インテリジェントなロボット機器 避けて通れない次世代の農機具

基本的な列追従ビジョン技術を利用したシンプルなロボット機器はすでに成熟しており、有機農園では珍しいものではありません。しかし、ビジョン技術の進歩により、トラクターで牽引されるロボットは、植物固有の正確な行動をとることができるインテリジェントなコンピュータ化されたツールへと進化しています。
ここでの中核技術はマシンビジョンであり、特定の植物を識別し、その位置を特定することを可能にします。アルゴリズムは、特定のケースではすでに農学者の能力を超えており、例えば綿花の中の雑草などです。
重要なことに、システムはこれまで以上に生産性を高めており、確立された技術との生産性の差を縮めている。
このアプローチは自律性を重視していませんが、必要に応じてトラクター自体を簡単に自律化してシステム全体を自動化することができます。
このシステムは、高い生産性が求められる大規模農場での競争力を高めるために設計されたもので、fps(フレーム・パー・セカンド)、偽陽性、散布機コントローラの速度などの技術パラメータに連動しています。
将来的には、特に推論側のアルゴリズムが軽量化され、性能を大きく犠牲にせずにGPUプロセッサを不要にすることが可能になれば、システムコストは下がる可能性が高い。

自律型トラクターと高出力車。数は少ないが、より多くの自律型システムが将来的には必要になるだろうか?

自律走行型ナビゲーションは、トラクターにとって新しいものではない。RTK-GPSのおかげで、トラクターは長い間、トラクターガイダンスとオートステアの恩恵を受けてきました。
後者は、トラクターが人間の介入なしにあらかじめ決められたGPS座標に沿って屋外を自律的に走行することができるので、実際にはレベル4の自律性があります。 このような技術の導入だけでなく、導入コストも増加している。要するに、技術的な課題は配備を妨げるものではない。
レベル5または完全自律型トラクターも数年前から実証されています。ここでの技術的な障壁は低い。必要なハードウェアは入手可能であり、自律走行ソフトウェアの課題は、運用環境の性質を考えると比較的軽度である。
すべてのケースと同様に、今日では法律環境が障害となっていますが、この業界を長引かせることはないでしょう。ここでの決定要因は、農家の認識と付加価値である。後者については、レベル4からレベル5に移行する際に発生する追加コストは、少なくとも今のところ、追加のメリットを正当化するものではない。
これは、現在のところレベル5では新しい可能性があまりないからである。これは、移動だけではなく、より多くのタスクが自動化されるまでは変わらないだろう。
自律的なモビリティの台頭は、斬新なデザインも生み出しています。特に、馬力を損なうことなく重量配分を変更することができ、土壌の圧縮の問題を軽減するのに役立ちます。
しかし、長期的には、他の農業用ロボットが現在のトラクターが行う作業に食い込むことになり、全体的な需要が減少する可能性があります。
ロボットによる生鮮果物の摘み取り。技術的にも商業的にも可能か?
生鮮果実の摘み取りは、技術的な能力の不足がこれまでのところ自動化を阻んでいたため、まだ大部分が手作業である。そのため、農場は高い運営コストに直面しており、さらに重要なことに、季節のピッカーの十分に大きな軍隊を組み立てるという増大する課題に直面している。このような状況は変わろうとしているのでしょうか?
今日のマシンビジョン技術は、複雑で多様な背景を持つ様々な果物を高い成功率で識別し、その位置を特定することができます。
ディープラーニングベースの画像認識技術の台頭により、パフォーマンスが飛躍的に向上し、古いスタートアップ企業や諦めていた人も含めて、すべての人が振り出しに戻ってしまいました。
この技術はアルゴリズムの精度を向上させ、時間を浪費する誤検出を減少させます。さらに、新しい果物と環境の組み合わせのアルゴリズム開発のための明確なパスウェイが存在し、機械検出と定位の適用可能性を多くの果物に拡大することを可能にしている。
また,ロボットの経路計画,摘果戦略,ロボットアームの動作制御も課題となっている.ここでもアルゴリズムの改良が行われている。
さらに重要なのは、計算負荷を軽減しつつ、穏やかな生鮮果実の摘み取りを加速できる新しいエンドエフェクターを開発していることです。そのため、ロボットによる生鮮果実の摘み取りが可能になりました。
実際、第一世代の企業は過去5年間で技術的な実現可能性を実証してきました。しかし、商業化は可能なのでしょうか?
例えば、イチゴを摘むのに2~3秒かかるのに対し、ロボットは8~10秒です。
この速度差は将来的にはほぼ確実に縮まり、人間との比較優位性は低下するだろう。さらに、ロボットは多くのアームを持つことができ、各アームの遅さを補うことができます - 多関節アームとデルタアームの両方が配備されています。
パワーと精度の要件をオーバーシュートしない、より手頃な価格のロボットアームの利用可能性が増加していることは、今後も助けになるだろう。マシンビジョンはほぼすべての目に見える果実を識別することができますが、隠れた果実を見つける方法はまだ確立されていません。
そのため、最終的な量、例えば20%をカバーするためには、その後の手動による掃引がまだ必要です。商業的成功への鍵は、様々な作物の収穫シーズンに渡って利用できる堅牢なロボットとそれに関連するAIプラットフォームの開発にある。
このアプローチは、市場に出回っている最新の後期試作品や製品にすでに反映されている。
ユニットの総数は少ないため、ロボットによる生鮮果実の収穫量は、アドレス可能な市場と比較して、まだごくわずかである。しかし、技術的な実行可能性は長い間証明されています。
今、重要視されているのは、生産性のギャップを埋めることで、現行の人間によるピッキングと比較して合理的なROIを持つ信頼性の高いソリューションを提供することです。重要なことは、生産性を向上させ、確立された技術の中で継続的に増分を行うことで適用範囲を広げる余地がまだ十分にあるということです。
このように、ブレークスルーは必要なく、すでに急速に進歩しているため、基本的な技術力ではなく、タイミングの問題になっています。
第二世代の製品は、デザイン、サイズ、AI、スピードなど、第一世代に比べてすでに成熟している。今後も反復は続くだろう。
現在のビジネスモデルは、この新興産業の他の部分と同じように、RaaSとロボット販売に分かれています。