多臂茶叶采摘机器人的协作运动规划

《Computers and Electronics in Agriculture》：Collaborative motion planning for multi-arm tea-picking robots

多臂协同采摘方法优化了非结构化茶园环境下的机械采摘效率，采用优先级分配策略与AtRRT-Connect算法实现多臂避障轨迹规划，通过贝塞尔曲线平滑轨迹，实验验证使单株采摘时间缩短至1.22秒，效率提升20.9%。

　　

Jiangming Jia|Yujie Li|Xiang Wang|Taojie Yu|Jianneng Chen|Yujie Zhou|Chuanyu Wu

浙江科技大学机械工程学院，中国杭州310018

摘要

为了提高茶叶采摘机器人的采摘效率，本研究提出了一种适用于非结构化茶园环境的多臂协作运动规划方法。该方法包括基于臂优先级分配的协作采摘方式以及改进的AtRRT-Connect轨迹规划算法，以实现高效的多臂协调和碰撞避免。该算法引入了目标重力参数和自适应参数调整策略，并使用贝塞尔曲线进行轨迹平滑处理。仿真结果表明，在相同的茶叶分布条件下，所提出的协作采摘方法能够实现工作空间的全覆盖。相比之下，基线RRT-Connect算法在某些密集区域出现了100%的轨迹生成失败率，而改进的AtRRT-Connect算法成功为所有测试样本生成了可行的轨迹。对仿真实验数据的显著性分析显示，轨迹生成时间和轨迹长度存在显著差异（p < 0.01）。在实地实验中，四臂茶叶采摘机器人平均用时1.22秒完成单株茶叶的采摘，且未发生碰撞。综合平均单株采摘时间为1.37秒，比传统方法提高了20.9%，证明了所提方法的有效性。

引言

随着全球茶叶产业的持续发展，茶叶种植面积和年产量都在稳步增加（Diniz等人，2015年）。然而，手工采摘高质量茶叶不仅耗时费力，而且成本高昂（Han等人，2019年）。根据联合国粮食及农业组织的数据，过去五年全球茶叶产量年均增长约4.4%，而农业劳动力供应却在持续减少，这加剧了生产力差距。同时，世界银行的报告显示，主要茶叶生产国的劳动力成本每年增长8-12%，表明对机械化茶叶采摘的需求日益增长。然而，茶叶采摘机器人的效率仍然是限制其广泛应用的关键因素之一。因此，近年来茶叶采摘机器人的研发和效率提升已成为研究热点。由于单臂机器人难以达到手工采摘的效率，并且可能会因采摘延迟而导致茶叶品质下降，因此多臂协作采摘成为提高效率的必要手段（Zhang等人，2024年）。最近的一项研究报道了一种专为高品质茶叶采摘设计的双臂机器人，其中两个机械臂在独立的工作空间内运作，单株茶叶的平均采摘时间为1.86秒，表明采摘效率还有进一步提升的空间（Wu等人，2024年）。

然而，随着机械臂数量的增加，诸如采摘点分配、路径规划和臂部碰撞等问题也随之出现。虽然传统的最近邻算法易于实现工作分配，但它存在明显局限性。由于每个机械臂独立运作，多个臂可能会同时向同一采摘点移动，从而增加碰撞和冲突的风险。此外，该方法没有考虑每个臂的工作负荷。如果采摘点分布不均，会导致工作负荷不平衡，从而显著延长整体操作时间。此外，非结构化的农业环境使机械臂频繁遇到叶片和茎秆等障碍物，进一步复杂化了轨迹平滑和避障规划（Ye等人，2021年）。在多障碍环境中，传统的RRT和RRT-Connect算法存在计算时间长、路径成本高以及在某些情况下无法生成可行轨迹等局限性（He等人，2025年）。因此，迫切需要一种高效的协作运动规划方法来确保高质量茶叶的顺利可靠采摘。

针对这些问题，基于茶叶嫩芽细小且分布密集的特点以及茶叶采摘机器人的结构特点，我们提出了一种协作采摘方法。该方法结合了基于机械臂优先级的采摘点分配方法，并采用遗传算法进行多臂路径规划，确保采摘点安全无冲突地分配给每个机械臂，同时有效缩短了多臂系统的整体操作时间。此外，为了适应复杂的茶园环境，我们引入了目标重力参数和自适应参数调整策略的AtRRT-Connect算法。该算法根据与障碍物的距离动态调整节点扩展过程，既加快了轨迹规划速度，又提升了轨迹质量。所提方法的目标如下：

1.

实现无碰撞的协作采摘，覆盖机器人工作空间内的所有茶叶嫩芽；

2.

与基线RRT-Connect算法相比，显著减少轨迹生成时间和轨迹长度，确保统计上显著的改进（p < 0.01）。

本文的其余部分结构如下：第2节回顾了多臂采摘机器人和机械臂避障规划算法的现有研究，分析了它们在茶叶采摘场景中的局限性，并明确了本研究的定位。第3.1节介绍了茶叶采摘机器人、其工作空间以及机械臂的逆运动学。第3.2节介绍了多臂协作采摘方法。第3.3节介绍了复杂茶园环境中机械臂的避障算法。第4节通过仿真和实地实验验证了所提算法。第5节进行了讨论，第6节总结了本研究。

相关研究

在现代农业自动化进程中，采摘机器人已成为智能农业发展的重要领域，多臂机器人在农业中的应用范围也在不断扩大（Zhao等人，2016年；Liu等人，2022年）。机械臂数量的增加显著提高了采摘效率（Zhu和Vougioukas，2025年）。近年来，学者们对多臂机器人的协作采摘进行了大量研究和实验

多臂茶叶采摘机器人的设计

如图1（a）和（b）所示，茶园中的茶垄宽度约为1000-1200毫米，高度约为1100毫米，茶树冠层呈弯曲状。图1（c）显示，茶叶嫩芽主要生长在冠层附近，中心部分嫩芽较多，两侧较少，导致高度差异约为150毫米。高品质茶叶的采摘标准是采摘顶部具有单片或两片部分展开叶片的嫩芽，确保嫩芽长度≥25毫米

实验设置

由于茶叶采摘具有强烈的季节性特征，且春茶每年仅采摘一次，我们在去年3月底在浙江省杭州市西湖区的茶叶研究所收集了Zhongcha 108品种的数据，包括茶叶嫩芽、障碍物特征和茶垄信息。为了确保样本的代表性，从实验现场随机选取了5段各10米长的茶垄，每段内的所有茶叶嫩芽均被纳入研究

讨论

在茶园环境中，采摘效率和无碰撞操作是关键性能指标。所提出的协作采摘方法确保了每个工作空间内的所有采摘点都被包含在可采摘的嫩芽范围内，同时避免了碰撞，从而实现了全覆盖且无碰撞。此外，AtRRT-Connect优化后的轨迹规划减少了多余的臂部运动，提高了采摘效率，并降低了机械磨损

结论

• （1）
  所提出的协作采摘方法显著提高了多臂协调效率。通过结合基于优先级的采摘点分配策略和基于遗传算法的路径规划，该方法实现了多个机械臂之间的无碰撞协作操作。实地实验表明，仅考虑茶叶采摘机器人的操作时间，单株茶叶的平均采摘时间为1.22秒，同时实现了100%的覆盖率

作者贡献声明

Jiangming Jia：项目管理、方法论制定、资金获取、数据分析、概念构思。Yujie Li：撰写——审稿与编辑、初稿撰写、验证、数据调查。Xiang Wang：撰写——审稿与编辑、初稿撰写、可视化、软件开发。Taojie Yu：软件开发、资源管理、数据整理。Jianneng Chen：项目管理、资金获取、数据分析。Yujie Zhou：可视化、资源管理。Chuanyu Wu：项目监督

利益冲突声明

作者声明没有已知的财务利益或个人关系可能影响本文的研究结果。

致谢

作者衷心感谢国家自然科学基金（项目编号32472009和U23A20175）以及中国农业部和农业部农业研究系统（CARS-19）提供的财政支持。