Field Robot Event 2026: roboty zdały egzamin w kukurydzy

Field Robot Event 2026 zakończył się po trzech dniach i 13 godzinach konkurencji prowadzonych w warunkach zbliżonych do praktyki rolniczej. Zawody odbyły się od 16 do 18 czerwca w Bernburgu w Niemczech, równolegle z wystawą DLG Feldtage, poświęconą produkcji roślinnej. Była to piąta edycja wydarzenia organizowana przy tej imprezie.

W rywalizacji uczestniczyło 16 zespołów akademickich z 10 krajów. Ich zadaniem było zaprezentowanie samodzielnie zbudowanych robotów zdolnych do pracy w uprawach. Każdy dzień zawodów koncentrował się na autonomicznej jeździe w kukurydzy oraz zadaniach dodatkowych, takich jak wykrywanie zdrowotności roślin, monitoring bioróżnorodności i punktowe zabiegi w glebie. Roboty musiały radzić sobie także z przejazdem po zakrzywionych rzędach, co dobrze weryfikowało stabilność prowadzenia i jakość systemów percepcji.

Klasyfikację generalną wygrał Team Acorn z Uniwersytetu w Osnabrück. Drugie miejsce zajął Robatic Bullseye z Wageningen University w Holandii, a trzecie FREDT z Uniwersytetu Technicznego w Brunszwiku.

AI wyrównała poziom, ale nie rozwiązała wszystkiego

Tegoroczna edycja wyraźnie pokazała, że sztuczna inteligencja stała się powszechnym narzędziem w projektowaniu robotów polowych. Znaczenie AI nie oznacza jednak, że samo oprogramowanie przesądza o wyniku. Współczesne narzędzia potrafią szybko generować złożone architektury programistyczne, które wcześniej wymagały wieloletniego doświadczenia informatycznego. W praktyce na pierwszy plan wysunęły się więc systemowa integracja i testowanie. Robot musi nie tylko rozpoznawać rzędy roślin, ale także utrzymywać stabilny tor jazdy, reagować na zmienne oświetlenie, nierówności, zakłócenia obrazu i różnice w rozwoju roślin.

Widać było różne koncepcje konstrukcyjne. Niektóre zespoły stawiały na rozbudowane zestawy czujników z kamerami, LiDAR-em i systemami mapowania. Inne wybierały prostsze, tańsze układy wizyjne, nastawione na pewną jazdę między rzędami. Różniły się również układy jezdne: od konstrukcji przegubowych i układów Ackermanna po napędy wielokierunkowe oraz rozwiązania projektowane z myślą o większej prędkości przejazdu.

Od nawigacji do konkretnych zabiegów

Field Robot Event coraz wyraźniej przesuwa akcent z samej jazdy autonomicznej na wykonywanie konkretnych prac w uprawach. Roboty prezentowane w Bernburgu integrowały monitoring roślin, wykrywanie szkodników, analizę danych w czasie rzeczywistym oraz punktowe interwencje, w tym oprysk miejscowy.

Ostatniego dnia rozegrano zadanie dowolne, w którym zespoły mogły pokazać kompetencje robota w obszarze zrównoważonego rolnictwa. Wśród projektów znalazł się zwycięski w tej części pielnik FarmBeast z ramieniem robota, system zdalnej manipulacji wspierający zbiór truskawek, integracja przemysłowego oprogramowania ISOBUS z rozwiązaniami open source oraz robot koszący trawę i podający ją krowie.

Takie przykłady dobrze pokazują kierunek rozwoju robotyki rolniczej. Autonomiczny przejazd staje się bazą do kolejnych funkcji: precyzyjnej pielęgnacji, oceny stanu plantacji, wykrywania problemów i ograniczania zużycia środków produkcji przez działania punktowe.

LEO Poland: polski robot z Żarnowca

W zawodach uczestniczył także zespół LEO Poland z Technikum Mechanizacji Rolnictwa i Agrotroniki w Zespole Szkół Rolniczych w Żarnowcu. Tworzyli go Robert Florek, Błażej Rosół i Paweł Szerszeń, a kapitanem był Błażej Rosół. Instruktorem zespołu był Robert Florek. 

Robot LEO Poland był niewielką, czterokołową platformą do autonomicznej jazdy w rzędach kukurydzy. Jego wymiary wynosiły 44,5x42,4x30 cm, a masa 7 kg. Konstrukcja miała 4 koła, każde z nich silnikiem o mocy 12 W. Maksymalna prędkość robota wynosiła 0,4 m/s. 

System sterowania oparto na komputerze Raspberry Pi 5, pracującym z systemem Raspbian oraz środowiskiem ROS. Za autonomiczną jazdę odpowiadała analiza obrazu z kamery zamontowanej na robocie. Oprogramowanie napisane w Pythonie wykrywało rzędy kukurydzy i na tej podstawie wspierało prowadzenie pojazdu. Do rozróżniania obiektów wykorzystano również MATLAB. Zestaw czujników obejmował kamerę i LiDAR.