为什么农场对机器人技术的采用率很低？商用农业机器人建立的挑战

联合国粮食及农业组织（FAO）在2017年表示，在降低营养不良率、改善营养和健康水平方面取得了不可否认的进展，但到2050年，粮食需求将比2013年增加50%。遗憾的是，当前粮食生产的规模扩大会导致各种重大的有害环境后果，例如超级杂草（抗药）的出现、农田生物多样性的破坏以及雨云对农药的不受控制的传播。

2013年，欧洲超小型农场、小型农场和中型农场的农场所有者比例分别为40%、29%和14%。在被称为中小型农场 （SMF） 的此类农场中，常用两种田间管理实践：1） 精准农业 （PA），即进行相关作物测量以收集现场作物数据，以最大限度地提高粮食产量，同时最大限度地减少燃料、除草剂、杀虫剂和养分的使用;2）农业生态系统管理，即考虑和观察使植物生长的强烈生态相互作用（例如，农业生态学和农林业）。农业生态系统管理的基础是对当地生态系统服务的理解，而这种理解是由那些与自然接触更密切的农民通过反复且全面的方式获得的。由于这些农民对田间生物相互作用有着全面的理解，他们会对田地进行松土以增强恢复力，采用古老的种子品种、间接的病虫害管理技术以及传统的除草方法。

有必要研究结合了上述实践的优势并采用机器人解决方案的可行性。在农田中引入机器人系统能够实现高度可重复的系统性操作，例如选择性机械除草（这有助于减少超级杂草的滋生）以及对作物和土壤的健康监测。在本文中，我们将这些机器人称为商业农业机器人（CARs）。此外，我们使用“机器人”这一术语。

采用CARs面临的其他挑战包括硬件和软件方面的维护与成本，以及评估机器人的经济和环境效益及其性能所需的时间跨度。这些工作是额外的，且与大多数农民从事的传统工作大不相同（产生新的学习成本）；因此，它们肯定可能会阻碍农业协作机器人的推广和使用。

在评估智慧农业的应用和可持续性研究方面，一项经济研究针对高价值作物的三种不同机器人除草应用进行了分析，得出的结论是机器人应用的成本低于传统系统。作者指出，用于精确定位的传感器以及机器人使用较小的劳动能力是主要的成本贡献因素，这明显会阻碍机器人在低价值作物中的使用。

商用农业机器人的自主导航

农业机器人需要感知环境、定位自身位置并在农田中导航以执行特定任务。传感器和导航策略是开发具有自主能力的无人地面车辆时最为关键的两个方面。根据机器人将要运行的环境类型（非结构化环境与结构化环境），对传感器和成本的需求存在很大差异。因此，传感器的选择将对设备的最终成本以及机器人的导航能力产生重大影响。在结构化环境中，一个成功的案例是自动导引车（AGVs）。例如，在汽车工厂中，自主或半自主的 车辆会在仓库内搬运货物。这些车辆通过 AGV 技术进行追踪，在预设地图中依靠辅助基础设施实现自主定位。辅助基础设施包括地面上的简单磁带轨道、地下发出磁信号的导线，或工厂内可供激光识别的地标。在结构化环境中，这些导航策略有助于车辆在使用较少传感器的情况下实现导航自主性和安全性。在农业领域，这种技术可用于温室中的一些任务，但并不直接适用于户外和非结构化环境。

另一方面，商业农业机器人（CARs）可以在户外和非结构化环境中运行。它们通常在田间使用全球导航卫星系统（GNSS）进行定位。这类系统的例子包括美国的GPS、俄罗斯的格洛纳斯（GLONASS）、中国的北斗（BDS）以及欧盟的伽利略（Galileo）。然而，为了实现长期自主运行，理想的系统不应完全依赖GNSS，因为在田间部分区域以及植被覆盖下，信号会出现缺失。基于非GNSS的定位技术，如多种形式的同步定位与地图构建（SLAM），在多种应用中表现良好。但是SLAM技术并不太适用于农业环境，因为在农业环境中，植物以规则、重复的间距排列，并且经过有意培育以达到尽可能一致的状态。因此，田间的稳健定位需要同时使用多种技术，所以在非结构化环境中选择合适的导航策略，是农业机器人开发中的一项关键挑战。

由于自定位和导航的所需能力可能会因领域和应用的不同而存在巨大差异，因此机器人的具体设计会影响智能车配备的传感器的数量和类型。实际上，随着传感器类型和数量的增加，智能车能够执行更复杂的任务。出于这些原因，智能车面临的挑战在于，在确保自主运行的安全性和法律要求的同时，难以制造出高性能的机器人并制定特定的导航策略。以下部分描述了过去几年研究实验室开发的机器人中用于自主定位和导航的机器人导航策略、运动学、动力传动系统和传感器，旨在提供农业机器人的技术基准。此外，还给出了硬件组件的成本，以便后续估算农业机器人导航硬件的总成本。

供研究使用的CARs

由于ROS（机器人操作系统）被用于大多数机器人的导航和控制，下面将对这个平台进行简要介绍。经过十年的发展，如今用于机器人开发的通用软件已成为现实。开源机器人基金会（OSRF）维护着两个组合的开源产品，分别名为ROS和Gazebo。ROS是一种机器人中间件，由大量软件库、不同进程间的数据交换约定以及数据可视化工具组成。而Gazebo是一款仿真工具，用于在3D虚拟环境中评估基于ROS的机器人。ROS在科研和工业领域的应用意义重大。一级供应商已成功将其用于快速原型制作，制造业则致力于将高级版本的ROS（ROS-Industrial）整合到最终的自动化产品中。下面将介绍前面提到的供研究使用的六台农业机器人的导航策略，这些机器人都基于ROS系统下运行：

1. Strathclyde：这是斯特拉斯克莱德大学开发的一款小型漫游车原型，用于未来的农业机器人。研究人员评估了该漫游车在不同传感器组合下针对导航目标的定位误差。其自主导航能力基于在标准ROS库和现成硬件上实现的通用运动模型，例如立体相机、超声波测距、扫描激光测距仪（LRF）和惯性测量单元（IMU）。该机器人仅使用标准的ROS库来执行视觉里程计（VO）、同步定位与地图构建（SLAM）以及全局和局部路径规划等任务。全球导航卫星系统（GNSS）接收器被用作探测器位置的初步近似。最后，他们对比了在实验室和户外进行的实验，阐述了在视觉感知方面遇到的困难，特别是在户外光照条件下的视觉特征提取问题。

2. GRAPE（基于Husky）：这是一款采用现成硬件（包括Husky机器人）搭建的机器人，专为葡萄园应用而精心设计。在欧盟GRAPE项目中，研究人员在田间测试了多种导航算法[22]，以通过配备激光雷达（LiDAR）、立体相机和全球导航卫星系统（GNSS）的漫游车进行病虫害防治。他们评估了三种同步定位与地图构建（SLAM）算法（分别是ROS中的Gmapping、KartoSLAM以及谷歌的Cartographer）、两种里程计估计器（ROS中的robot_localization和定制的ROAMFREE），以及ROS中的全局规划器move_base。结果显示，这些算法在自主导航任务方面表现良好。针对这一特定的田间应用，Gmapping与ROAMFREE的组合效果最佳，因为ROS全局规划器需要对障碍物边界进行过度膨胀处理。而这种过度膨胀会导致机器人在遇到杂草或长草等非常小的障碍物时出现导航失误。

3. agRob（基于Husky）：这是一款旨在解决位于陡坡葡萄园中的可充电站点的功耗和路径规划问题的机器人。它由INESC研究所和波尔图大学联合研发。研究人员对基于ROS实现的多种算法在视觉 docking系统中的表现进行了评估，比较了计算量较低的算法（如虚拟力场（VFF）和矢量场直方图（VHF））与地形启发法（预处理充电轨迹和能耗图）相结合的效果。

4. LadyBird：它由悉尼大学澳大利亚野外机器人中心（ACFR）于2014年设计并制造。这是一个模块化且灵活的系统，具有广泛的商业和研究应用，包括表型分析。LadyBird可以在预先构建的农场地图上自主导航。用户指定需要扫描的行，路线网络规划器会生成路径。该路径由线段和轨迹构成。控制器用于通过实时动态RTK GPS 和惯性导航系统（INS）引导机器人沿着这些路径段移动，该控制系统还能够在连续的行之间自主切换。该机器人配备了前后向激光雷达和全景相机，用于作物检测和避障。操作员可位于距离LadyBird最远1公里的地方，在自主操作期间对其进行监控，并携带一个故障安全远程无线电紧急停止装置，若激活红色按钮或失去无线电联系，该装置可立即撤销控制权。

5. Robotanist：这是卡内基梅隆大学研发的一款机器人，用于在高粱育种田自主进行基于图像的植物表型分析。该机器人在桅杆顶部装有GPS天线，以防止植物长高后对信号造成遮挡。为达到水平方向厘米级的精度，GPS载波相位信号从约2公里外的基站传输至机器人。机器人还配备了两个平面激光雷达、一个三维激光雷达、两个全高清分辨率的RGB相机以及一个姿态航向参考系统（AHRS）单元。该单元利用扩展卡尔曼滤波器（EKF）融合来自陀螺仪、加速度计和磁力计的惯性数据，以获取传感器相对于地球固定坐标系的三维 orientation。植物学家机器人的导航策略会根据高粱的生长阶段进行调整。当作物足够矮，GPS天线能清晰接收到卫星星座信号时，机器人通过跟踪GPS航点进行导航。纯追踪算法（Pure Pursuit）——一种路径跟踪算法，被用于追踪GPS航点间的直线路径。这种方法对GPS信号丢失的情况不够稳健，且未考虑路径上的障碍物。不过，三维激光传感器可探测到障碍物，即便在冠层下方也能做到。该机器人集成了两个ROS节点以精确确定自身位置。第一个节点利用来自AHRS的 orientation 信息、GPS天线的相对位姿以及机器人的基坐标系，校正机器人在基坐标系下的GPS坐标（提高GPS定位精度）。第二个节点使用无迹卡尔曼滤波器（UKF）计算机器人相对于地球固定坐标系的当前位姿（三维位置和三维 orientation）及速度的估计值。UKF用于融合校正后的GPS数据以及来自姿态航向参考系统（AHRS）和车轮编码器的信息。

6. BoniRob：这是一款大型农业机器人，相当于小型拖拉机及其农具的组合体。它是由奥斯纳布吕克应用科学大学与博世Deepfield Robotics合作研发的，适用于耕地作业。其模块化的机械、电气和逻辑接口组能够根据研究应用需求整合不同的硬件模块。例如，已配备不同模块用于植物表型分析、土壤监测、杂草控制和基于网络的通信等。该机器人的几何结构可进行调整，以适应农田的行距和间隙。BoniRob拥有四个驱动轮和自动转向轮，具备很强的机动性。其自主导航能力基于3D激光雷达的感知信息，该雷达仅扫描机器人路径前方的区域。通过计算 Hessian 平面，从激光雷达数据（3D点云）中提取地面信息，进而从3D点云的横向剖面中识别出农田的行垄。行垄检测策略会随季节变化：冬季时，横向剖面呈现的是农田上对应轨迹的行垄；而在一年中的其他时期，横向剖面呈现的则是植物行（如玉米行）。定位信息通过里程计和惯性数据结合卡尔曼滤波器计算得出，GPS的使用为可选。BoniRob主要在两行农作物之间移动，四个转向轮使其能够采用鲁棒控制，保持在两行中间行驶。由于耕地的预期场景数量有限（如作物行、开阔田地、田地边缘和行间隙等），其余情况均视为错误状态，因此其导航场景采用语义定位。BoniRob的第二代产品采用ROS作为中间件，但导航任务的关键部分仍由专用的实时操作系统（RTOS）控制。

表1总结了这六个机器人的关键技术特征。这些特征包括尺寸、自主运行时间、速度、传感器等。除了斯特拉斯克莱德机器人和GRAPE-&-AgRob（基于Husky平台）之外，其他研究用机器人相对庞大（由于其较大的尺寸和重量），平均移动速度为2.4公里/小时（低速），平均能源自主运行时间为27小时。在导航方面，它们结合了激光雷达（LiDAR）和惯性测量单元（IMU）等传感器技术。

（1）尺寸可调节。（2）无需加油，动力来自电池和燃油发电机。（3）在日照充足的情况下，可连续运行三个工作日，无需充电。（?）未知。

供商业使用的CARs

农业机器人公司为多种应用场景提供解决方案，例如除草剂喷洒、草坪修剪、植物表型分析、酿酒葡萄巡查、修剪、机械除草以及用于植物盆栽重新定位的抓取与放置（参见一些所分析的农业机器人示例方案）。根据具体的农业任务，每个农业机器人（CAR）都具有特定的运动学特性、尺寸、成本、能源、自主性和导航技术。列出所有现有的农业机器人是不可能的，因此本分析仅聚焦于9个具有代表性的农业机器人的特性。值得一提的是，之所以只考虑这9个农业机器人，是因为许多其他机器人没有公开信息，且制造商也未分享其产品的详细技术信息。这意味着，与所研究的机器人相比，关于农业机器人技术特性的信息更少。

1. Ara是一款用于精准施用除草剂的机器人。它集成了导航系统、传感器、处理器、彩色摄像头、两个机械臂、四个轮子、太阳能电池和自充电电池。在运行过程中，控制算法通过捕获的图像实时识别入侵植物。然后，处理器估算出植物正上方的一个位置，并移动其中一个机械臂到该位置，喷洒微量除草剂。这项技术的优势在于最大限度地减少除草剂的浪费，降低成本并减轻污染影响。

2. Vitirover是一种可修剪各类草坪的技术。在运行过程中，该机器人会在一个区域内自主移动，同时利用旋转刀片修剪草坪。其导航策略采用了一个GPS和两个分离的惯性测量单元（IMU），一个位于主电子板上，另一个位于工具架上。GPS用于划定修剪草坪的区域。机器人通过分析从两个惯性测量单元提取的旋转-平移-容量差异来确定要执行的操作。其结构集成了两个太阳能电池，这些电池与电池相连，使其具备自充电能力。该机器人非常适合用于维持葡萄园行距、树木行距以及草坪操场中的草坪高度。

3. 奥兹（Oz）、泰德（Ted）、鲍勃（Bob）和迪诺（Dino）。Naïo科技公司提供上述四种不同的农业机器人。奥兹旨在对各类作物进行杂草控制和中耕作业。该机器人提供三种不同的操作模式：手动模式、跟踪模式和自主模式。在手动模式下，机器人通过远程操作控制。在跟踪模式下，它会跟随用户在田间的移动轨迹。在自主模式下，奥兹利用激光雷达（LiDAR）和田间的一些预先信息（即长度、宽度和作物行数）在作物行之间导航。其结构集成了四个轮子、一个导航系统、传感器以及用于除草和中耕的专用工具。至于泰德和迪诺机器人，它们的目标分别是葡萄园和有机农场的杂草控制。它们的机械结构配备了四个全向轮和用于作物行间除草的工具。另一方面，鲍勃是奥兹的改进版本，具备更高的自主性，并采用履带式设计，以应对斜坡和泥泞地形。它被研发用于执行例如葡萄园和苗圃中的除草和地基处理等任务。

4. Myce-Vigne和Myce-Agriculture：Wall-YE公司提供两款配备不同工具的CARs（农业机器人），分别是Myce-Vigne和Myce-Agriculture。Myce-Vigne用于葡萄园的除草、修剪、割草和锄地作业。而Myce-Agriculture则针对平坦田地上的小型作物，可执行播种、洒水、除草和收割等任务。这两款机器人都配备了基于视觉的导航系统、四个轮子和太阳能电池板（以延长其在田间的自主工作时间），并且都装有一套适用于不同农业作业的工具。

5. Ibex2是一款用于草原自主除草的履带式农业机器人（CAR）。该机器人由Ibex自动化有限公司、林肯大学和利兹大学合作开发。Ibex2集成了接近传感器、摄像头和全球导航卫星系统（GNSS）。根据制造商的说法，预计这款机器人在不久的将来会达到商业成熟度。

6. HV-100是Harvest Automation公司商业化的一款面向花卉种植业的机器人。它旨在在苗圃或温室中移动盆栽植物。具体而言，这款机器人用于在工业层面实现盆栽植物的拾取和放置任务自动化。其导航技术依赖激光雷达和红外传感器。在运行过程中，HV-100在由反光胶带界定的区域内执行任务。拾取和放置动作基于机器人训练。

7. Thorvald最初是挪威生命科学大学的一个研究项目，其第二代版本目前由Saga机器人公司商业化。它是一个模块化平台，有三种不同版本可供选择：标准型、紧凑型和研究型。该机器人的特定传感器和功能可根据客户的需求和预算进行调整。它可以配备四个驱动和转向轮，并装有惯性测量单元（IMU）或航姿参考系统（AHRS）、激光雷达（LiDAR）和摄像头。对于需要更高位姿估计精度的特定任务，它会配备实时动态全球导航卫星系统（RTK GNSS），该系统能提供厘米级的精度。在这种情况下，机器人的导航会使用预加载的地图。

8. VineScout是一款正在产业化的农业机器人，由瓦伦西亚理工大学（UPV）的农业机器人实验室（ARL）研发。该机器人旨在通过收集葡萄园的大数据来提高葡萄酒的生产质量。然后在田间对其进行分析。当VineScout探测某一区域时，植物的状态会被分类，并显示在高空间分辨率的地理参考地图（彩色编码）上。这样一来，就能够实现选择性收获，从而从同一片田地中产出普通品质和优质的葡萄酒。关于葡萄园中的自主导航策略，它是通过超声波传感器、仪表化阿克曼转向系统和立体视觉算法的结合来实现的。

9. 对于FieldFlux 和RowBot ，没有足够的信息来确定它们的导航策略，其制造商也未提供相关信息。

为便于总结和比较，表2列出了这些CAR的主要特征。数据对应2021年；请注意，这些特征可能会随时间变化。

（1）无需加油，动力来自电池和燃油发电机。（2）由电池和太阳能电池板供电。（3）有多种配置可选。（?）未知——无可用信息，制造商亦未提供。

不同自主导航策略的经济性

为了估算导航策略的预算，现提供农业研究机器人中使用的导航传感器的市场价格。表3展示了这些部件的型号（或参考部件）、功耗和价格。由于价格存在波动性，表3将这些传感器分为低成本和高成本两类，并包含平均值。考虑功耗是因为它可能导致总成本显著增加：功耗越大，所需电池容量就越大。

农业研究机器人导航所用传感器的成本

已对所研究的机器人用于自主导航的传感器成本进行了估算，该成本源于导航任务所涉及的硬件价格总和。GRAPE、agRob和Robotanist的组件信息来自现有的硬件规格，但BoniRob、Ladybird和Strathclyde的这些规格并未提供，因此使用了近似值。

商用农业机器人的预估成本

由于商业公司通常不会提供其产品中使用的硬件信息，我们根据表中列出的传感器估算了CARs导航硬件的成本。为此估算时，我们计算了商业化激光雷达、相机、惯性测量单元/航姿参考系统等的平均价格。利用这些数值，每个机器人的成本推导方式与表3类似。因此，表4展示了轻型和重型CAR的价格估算。需要说明的是，这是一个可能存在变动的估算值（平均值）。可以看出，轻型CAR的硬件成本在1316美元到9312美元之间，所考量的机器人的平均值为3570美元；而重型CAR的硬件成本在6116美元到14670美元之间，平均值为11518美元。正如预期的那样，CAR的导航硬件成本低于研究型机器人，后者通常配备顶级昂贵的硬件，或者是同时用于其他用途的硬件。还可以看出，导航硬件成本在CAR的成本中仍占很大比例；随着新技术以及低成本、高质量传感器的上市，硬件成本应该会随着时间的推移而降低。

机器人公司的商业模式：CARs案例

CARs的商业模式大致可分为两类：直销以及以租赁或订阅形式存在的经常性收入。通常而言，创新技术市场的可行商业模式需要在研发创新方面持续投入。然而，CARs所采用的这两种商业模式的主要特点与可持续的研发创新并无关联。本节将阐述企业如何通过此类商业模式获取收益。

直销模式是指企业直接向终端用户销售CAR（不通过中间商），这对新兴且知名度较低的企业来说是一项挑战。由于CAR必须满足在恶劣条件（例如温度、湿度的剧烈变化）下运行的严苛要求，其硬件成本变得很高。这导致CAR的最终价格居高不下，令农民难以接受。机器人公司采用直销模式的一个例子是iRobot，其产品Roomba是一款自动吸尘器。在农业机器人领域，Naïo Technologies公司的Oz除草机器人也采用了直销模式。这些机器人的销售成功，得益于满足了传统农民减少除草剂使用的需求，以及有机农民减少昂贵人工除草的需求。

经常性收入模型促使客户在特定时间段内支付一定费用，通常为月度、季度或年度。在这一类别中，租赁和订阅是农业机器人公司最常采用的运营模式。原因在于，农民必须习惯与机器人协作。起初，农民往往只会以简单的方式使用机器人，而无法充分发挥其最大潜力。此外，田地的种植布局可能需要根据机器人的要求进行调整，例如留出空间供机器人进行转向操作。这些学习阶段需要几个生长季（即大约两年）。

租赁模式是指在短期内租用产品并可选择购买该产品，这种模式被拥有成熟产品且专注于特定任务的公司广泛采用。对客户而言，这种模式的优势在于可以在一定时间内试用设备。建筑业的机械租赁（如起重机或挖掘机）就是租赁的典型例子。这些公司通过为机械使用增加额外价值来吸引客户，例如提高燃油效率（降低运营成本）、集成安全系统以监控盲区，以及提供更安全的工作环境。

优傲机器人公司提供协作机器人租赁计划，该计划可根据客户需求进行定制，包括合同期内的机器人数量、升级服务、季节性增加机器人数量，以及合同到期后购买这批机器人的可能性。在农业机器人领域，这种商业模式的一个例子是Ara机器人，它针对的是一个细分市场，在这些土地上，其自主式太阳能选择性除草喷雾功能能带来益处。这种便利性意味着在除草剂方面节省成本，同时无需增加外部劳动力或额外费用。而且，每个农民会根据田地类型和规模来决定租赁时间。

订阅模式以目标为导向，专注于了解客户的需求并维护与他们的长期关系。如果目标未能实现，客户可以自由取消订阅。社区支持农业模式就是一个例子。我们可以提及日本的“提携”（Teikei）和法国的“农业互助采购组”（AMAP）的成功案例，在这些模式中，客户从当地有机农场团体购买收成，从而每周或每两周收到一盒农产品。这使得参与者能够在生产者和消费者之间分担农业风险，同时确保通过一种可持续的方式减少食品运输带来的生态足迹，并推动有机农业的发展。之前分析的机器人里，订阅模式的一个例子是Vitirover。这家公司提供无除草剂的草地维护服务，通过部署一群小型割草机器人来确保草地高度维持在特定阈值。

机器人公司成功商业模式的相似之处

高科技产业具有重要的创新要素，这在使每个产品有别于其他替代解决方案方面发挥着重要作用。机器人公司也不例外；然而，一个机器人解决方案的商业持续性并非仅仅依赖于创新，而是取决于以可行的方式开展研发以产生创新。这涉及到该解决方案在市场中的环境以及公司的战略。一家破产的机器人公司的标志性案例是Rethink Robotics，它是首家提供低成本协作机器人的公司。在全球运营十年且当前协作机器人市场不断扩张的情况下，他们仅专注于创新并不足以保证新的销售额。2018年，该公司被HAHN集团收购，以补充其丰富的工业自动化产品系列。因此，商业模式对机器人公司的成功至关重要。

在此，简要分析分属两个不同业务领域的四家成功机器人公司：手术机器人和农业机器人领域。我们纳入手术机器人公司，是因为美国股票市场显示，该技术所属的机器人市场是一个已盈利超过15年的范例。从这些数据中我们可以看到，收入/收益比在2.56到5.29之间，平均为3.92倍，因此这一业务参考或许可适用于协作机器人（CARs）。

表5列出了所分析公司的名称、规模、主要创新以及为客户带来的附加值——这是公司确保收入的方式。下两节将简要介绍这些公司的商业模式以及确保市场份额的策略。

农业机器人案例

Naïo Technologies的首款机器人是一款名为Oz的轻型机器人。它是一种除草解决方案，可辅助有机农场的人工劳作。完成农业任务所需的导航要求复杂度较低，这使得其售价具有竞争力，每台约7万美元，适合直接销售策略。由于该产品的创新性，法国多项补贴为该公司提供了支持，这在公司成立初期推动了其业务发展。这使其在农业机械市场树立了声誉，并实现了产品多元化。由于Oz机器人具有新颖的协作机器人特性，该公司还采用了租赁模式，以促进其在客户领域的应用（即降低机器人使用的学习难度）。

关于价格更高的重型机器人，Naïo最近成功实施了一种服务商业模式。他们没有将Dino机器人出售给土地所有者或农业合作社，而是提供机械除草劳务服务，以解决美国的劳动力短缺问题。本案例研究涵盖2020年3月至10月期间加利福尼亚州的395公顷土地，期间有3台Dino机器人同时作业，每天作业+3公顷（共978工时），涉及13种不同的作物设置（例如，长叶莴苣、香菜、卷心莴苣、西兰花、花椰菜、菠菜、茴香、欧芹、韭菜、甜菜和芹菜）。在这个案例中，Naïo的农业机器人（CARs）的精密性使其能够为多种作物提供高通量机械除草服务。

Vitirover的情况则大不相同，因为它是一家服务导向型公司。该公司确保达成目标（即割草），但不会向最终客户出售或租赁机器人。因此，客户不存在学习曲线。该公司开发了一种群体机器人方法，通过割草来控制草的高度。他们的自主解决方案基于受专利保护的关键功能原理，因此其他公司目前无法复制他们的策略。这使得该公司能够在农业市场建立声誉，并建立起为每项任务部署机器人的网络。

Vitirover公司将其轻型机器人应用于众多领域。为实现这一目标，他们首先确定每个客户所在领域的特点，以估算必须部署多少台机器人才能达成约定目标，该目标包括在特定时间内修剪特定区域的草坪的总时间。值得注意的是，由于该公司拥有客户现场使用的机器人，因此可以在实际环境中定期测试其解决方案，从而能够系统性地改进所提供的解决方案。采用这种商业模式的机器人群解决方案若能高效运作（在每个客户现场部署更少的机器人），可使公司同时为更多客户服务，并获得更高的利润。

从这两家盈利的农业机器人公司中，我们可以发现，之前介绍的那两家成功的手术机器人公司所采用的商业模式的4个显著特征中，有3个在这两家公司身上也存在。缺失的那个特征与瞄准政府目标和补贴有关，而这有助于客户采用相关技术。尽管Naïo能够为其机器人的初步研发获得公共资金，但他们并未以这类政府目标和补贴为导向。这一要素对于小公司Asensus Surgical在全球第二大手术机器人市场——日本开展业务而言，至关重要。

讨论

可靠的自主导航系统是任何智能车（CAR）的必备条件。专注于简单任务、在平坦地面行驶且全球导航卫星系统（GNSS）覆盖良好的智能车，其策略相对简单。这类机器人使用少量传感器，低速移动(<1km/h)，且功耗较低。相比之下，用于多任务或在不平坦地面运行的智能车则需要更高的复杂性。机器人操作系统（ROS）被广泛应用于能够处理更复杂导航任务或环境的机器人中，其对实时性的约束较为宽松。目前，ROS2的高级版本（如ROS-Industrial）已普遍应用于制造工厂，农业机器人也应效仿。

在非结构化环境中实现可靠的导航和避障，需要结合不同类型的传感器。由于全球导航卫星系统（GNSS）存在精度不足和信号丢失的问题，CARs导航策略不能仅依赖卫星信息。此外，当路径上出现意外障碍物或移动障碍物时，全球导航卫星系统的测量数据无法对机器人进行重新导向。在这些情况下，特别是对于更重、更大的机器人而言，自主车辆（CARs）需要集成感知传感器（近距离传感），这会导致机器成本更高。另一方面，新技术的出现以及可用于导航的低成本传感器的发展，将有助于降低导航硬件的成本。

从商业角度来看，新兴的农业机器人（CARs）公司在直接向农民销售产品时面临挑战。因为这些公司缺乏知名度，规模更大的竞争对手可能更具吸引力。此外，为了保持创新，必须以可持续的方式在研发方面投入大量资金，而这与低价机器人的定位不符。因此，定价问题以及农业工作者对机器人维护知识的欠缺，构成了农业机器人推广应用的障碍。如果农民认为农业机器人的价格过高，那么在没有国家或地区提供稳定补贴方案的情况下，这些公司将难以参与竞争。

此外，农业机器人必须是坚固耐用的机器，其中包含高价硬件组件（如第3节所示）。因此，如果采用直销商业模式，其价格对农民来说可能过高。最后，更好地了解客户并提供量身定制的解决方案和商业提案，可能有助于小型公司与已站稳脚跟且资源丰富的公司竞争。

可持续食品生产与食品增值

单一作物种植的农业方式将农田转变为高产的食物来源，但代价是牺牲了环境。例如，欧盟土壤和作物生物多样性的减少令人担忧。CARs（即数字农业）所能生成的大数据，有望为全球的农民和消费者提供最新信息以及关于特定地区所产食品生态足迹的客观信息。所有这些信息都能支持全球人口快速改变饮食习惯。研究表明，增加植物性饮食的比例将带来显著的环境改善。因此，在未来，作物生长型机器人（CARs）以及人工智能（AI）、卫星观测系统等技术的广泛应用，将能够对特定地点的作物和土壤状况的密集数据进行系统性的收集与分析。并且，基于这些分析结果，这些技术还将能在田间执行自主决策、行动或由人类主导的决策与行动。

与基于卫星的测量不同，农业机器人（CARs）可以通过近距离传感器，以更高的空间分辨率收集植物冠层下复杂且准确的地理定位数据（例如，叶片中的氮和水分浓度、不同类型病虫害和杂草的浓度、温度和多光谱作物数据、每株植物生长情况的统计信息）。这些数据的互补性、大量的本地数据（农业机器人所获数据）以及广泛的监测（卫星所获数据），可能有助于快速了解不同精度水平下的农田状况。农业机器人产生的大量本地历史数据将量化不同季节的作物和土壤健康状况。这些信息可能会成为一种可持续性指标，进而成为相关土地的一项资产，帮助农民将其产品作为优质商品进行商业化销售。

农业机器人的自主性法规

除了数据收集，农业机器人（CARs）在不久的将来还将发挥决定性作用，与人类合作完成对体力要求较高的任务（例如，选择性修剪、收获、除草作业）。值得一提的是，农业机器人在完全普及之前还需要克服其他挑战。其中之一便是农业自动驾驶车辆缺乏相关法规。尽管这一问题远未得到解决，但在无人驾驶汽车领域已对此进行了广泛讨论。然而，自主越野车辆的情况则大不相同。尽管这些车辆通常部署在私人土地上，但仍需要一个法律框架来规范这些自主机器与人类及其环境之间的互动。该框架需要制定规则，以确定在发生事故或对财产、动物、环境等造成损害时的民事或刑事责任。

最后，在自主决策、自主学习和自主性方面仍存在若干法律灰色地带。例如，欧盟法律中并未对自主机器人作出定义。不过，值得一提的是，2018年发布了一项针对高度自动化农业车辆的新标准：ISO 18497。此外，该领域的协作机器人技术将需要一个风险评估框架，其中包括针对特定农业任务的工具或实施方法。

商业农业机器人的商业模式

农业机器人公司采用的商业模式主要有两种：直销模式（可能采用租赁方案）和经常性收入模式。直销模式通过避免中间商成本有助于降低农业机器人的最终价格，但由于公司声誉较低，收入的可预测性较差。相反，经常性收入模式能提供价格合理的服务，但在这种情况下，农业机器人公司需要进行大量投资，以拥有一批可随时投入使用的农业机器人。在这两种情况下，政府的支持——以减税或者补贴的形式——可能会成为小型创新企业的关键推动力。Naïo Robotics就是一个例子，这家如今成功且成熟的公司最初曾得到法国农业政策的支持。

对于一家机器人公司而言，拥有部署在田间的机器人车队有两个重要优势：（1）通过逐步改进机器人，缩短产品上市时间；（2）了解客户需求，这些需求与其田间状态及其产量潜力相关。在这种情况下，这两个优势至关重要，因为农场的特点具有场地特异性。

对于那些以提供农业服务为战略的公司而言，可以通过增加在同一块田地上作业的CAR车队规模来确保农户所认同的目标得以实现。这会暂时增加机器人公司的运营成本，但该公司可以利用这种情况提高其CAR的效率。通过这种方式，机器人公司将能更好地准备在后续的每一块作业田地上提供并改进其农业服务。

在产品开发时间方面，单个农业机器人（CAR）的性能提升可能需要几个季度的试验才能被察觉。相反，一群机器人的整体性能更容易预测。因此，有可能在预定时间内实现特定目标。达成与农民商定目标的机器人公司将巩固合作关系，并促进与农民的长期关系。

不同情况下农业机器人的经济可行性

根据一系列近期的案例研究，在中小型农场中使用农业机器人（CARs）可行性的两个重要因素。这些因素是：（1）特定作物类型下的农场规模；（2）农业机器人的重量，这间接关系到机器人在一定时间内的劳动吞吐量（劳动力和功率预算）方面的可用能力。

在多种作物生产场景中，自动化和机器人技术是有利可图的。在一项为期3年的田间试验中，研究人员对自动割草机的工作性能和割草成本（年度所有权、维护、能源、润滑和人工成本）进行了研究。经济分析比较了自动割草机在小型、中型和大型果园中的性能与其他3种传统方法（坐骑式割草机、割灌机和步行式割草机）的预估性能。研究表明，只有在小型果园中，自动割草机才比其他传统割草方法更有利可图。最后，我们以一项案例研究作结，该研究以一个粮油作物农场为对象，分析了自主作物设备对耕作业的经济影响。研究显示，在中型农场中，机器人解决方案实现了最低的生产成本。

相信未来协作式农业机器人（CARs）能够成为获取当地粮食生产系统生态足迹（农业生态足迹）新知识的驱动力。农业数字化所实现的定量田间（逐株植物和土壤）状态监测，将极大地增强社会的能力，其作用远超每个农民对自己田地所能掌握的详细专业知识。例如，对协作式农业机器人收集的数据进行分析，很可能会在农场附近的农业生态保护和粮食生产领域创造新的高质量就业机会。