كاربون روبوتيكس تطلق نموذجًا نباتيًا كبيرًا لإحداث ثورة في تكنولوجيا روبوتات إزالة الأعشاب بالليزر

أطلقت شركة كاربون روبوتيكس الناشئة الأمريكية مؤخرًا أول نموذج نباتي كبير (LPM) في العالم، وهو نظام تم تدريبه باستخدام الذكاء الاصطناعي على 150 مليون نبتة موسومة، بهدف إحداث ثورة في إدارة المحاصيل. يدعم هذا النموذج النباتي الكبير روبوت LaserWeeder، مما يمكنه من التعرف بسرعة على مجموعة متنوعة من المحاصيل والحقول وتنفيذ عمليات إزالة الأعشاب بالليزر. يتعلم النظام باستمرار من البيانات التي يجمعها أسطول الروبوتات العالمي، مما يحقق التكيف والتحسين في الوقت الفعلي.

تم تصميم هذا النموذج النباتي الكبير للتحسن المستمر من خلال بيانات العالم الحقيقي التي يجمعها أسطول روبوتات LaserWeeder العالمي التابع لشركة كاربون روبوتيكس. كل عملية نشر ترسل صورًا نباتية جديدة إلى النظام، مما يعزز قدرته على اكتشاف وتصنيف النباتات في بيئات متنوعة. وفقًا للتقارير ذات الصلة، تتيح حلقة التغذية الراجعة المستمرة هذه مشاركة تحسينات الأداء عبر أسطول الروبوتات بأكمله، بدلاً من اقتصارها على جهاز واحد. يعمل نموذج LPM كعنصر أساسي في نظام Carbon AI، حيث يدعم منصة LaserWeeder ومجموعة أدوات الجرارات المستقلة، مما يساعد المزارعين معًا على تقليل الاعتماد على العمالة البشرية ومبيدات الأعشاب الكيميائية، مع الحفاظ على غلة المحاصيل أو تحسينها.

كما أطلقت كاربون روبوتيكس ميزة "ملفات تعريف النباتات"، وهي أداة شخصية تساعد المزارعين على ضبط روبوت LaserWeeder بسرعة ليتناسب مع محاصيل وأعشاب وظروف حقلية محددة. هذه الأداة متاحة لجميع موديلات LaserWeeder، ويمكن للمشغلين ضبط النموذج النباتي الكبير الأساسي من خلال واجهة جهاز لوحي. يحتاج المستخدمون فقط إلى اختيار صورتين أو ثلاث صور تمثيلية لتحفيز النظام على إجراء تعديلات فورية في كيفية التعرف على النباتات في الحقل وتطبيق معالجة الليزر. يتيح هذا التخصيص السريع التحسين في الوقت الفعلي أثناء التشغيل، مما يمكن الآلة من الاستجابة بفعالية للتغيرات المحلية دون الحاجة إلى إعدادات طويلة أو إعادة تدريب.

التعديلات التي كانت تستغرق عادةً أسابيع أو شهورًا يمكن الآن إكمالها في دقائق، مما يقلل من وقت التوقف وتعقيد العمليات. من خلال خفض عتبة التخصيص، تهدف هذه الميزة إلى مساعدة المزارعين على تحقيق قيمة أسرع من تكنولوجيا إزالة الأعشاب المستقلة، مع الحفاظ على الدقة في بيئات الزراعة المتنوعة.