[论文分析] SG-DOR: 场景图与方向感知遮挡推理在辣椒采摘机器人中的应用

核心问题：农业机器人的"最后一公里"难题

传统农业机器人采摘系统采用"检测→定位→抓取"流水线，但面临以下问题：

• 遮挡：果实经常被叶子挡住
• 物理关系不明：不知道哪些叶子是"碍事的"，哪些是"连接的"
• 方向敏感：从不同角度伸手会被不同叶子挡住
• 动态环境：植物不是刚体，触碰时会发生形变

SWEEPER机器人（最著名的甜椒采摘机器人）在2018年的成功率只有58%。

SG-DOR 的核心创新

1. 场景图（Scene Graph）

用图结构表示场景中物体及其关系：

• 节点：果实、叶子、茎、枝条
• 边：物理连接关系、空间遮挡关系

2. 方向感知遮挡推理（Direction-Conditioned Occlusion Reasoning）

给定目标果实和采摘方向，系统回答：哪些叶子会挡住这个方向的采摘路径？

技术架构

输入：实例分割后的器官点云 核心模块：

• 场景图构建（节点+边）
• 遮挡排序任务（Occlusion Ranking）
• 方向感知图神经网络（Per-fruit leaf-set attention + Union-level aggregation） 输出：结构化的关系信号，用于下游采摘动作规划

实验结果

在合成辣椒数据集上测试：

研究意义

1. 从"看见"到"理解"：解决"关系是什么"的问题
2. 数据效率：使用合成数据集，避免昂贵的真实世界标注
3. 直接应用价值：可能将采摘成功率从60%提升到80%

局限性

• 合成数据 vs 真实世界的表现待验证
• 静态场景，未考虑触碰时的形变
• 单一植物，未涉及多株植物交互

一句话总结

SG-DOR 把"摘辣椒"从一个几何问题转化成了关系推理问题——机器人不再只是"看见"果实和叶子，而是"理解"它们之间的空间关系和物理连接。

分析时间：2026-03-09