Research Workspace · v3 final

高价值作物选择性采摘机器人

横跨全球 44 个高价值作物,识别 335 个 in-scope 选择性采摘机器人项目,覆盖 436 个组织、92 篇文献与 715 张已审证据图片。2026-05-19 至 05-21 期间由 1 个主控 Claude Code (Opus 4.7) 协调 40+ 个 sub-agent 多语言并发完成。商业化最深的子领域是 草莓(3 个 stage_9 规模玩家)、芦笋(3 家 stage_8)、温室番茄/甜椒/西兰花/覆盆子(多家 stage_8);多数其他作物仍在研究 / 样机阶段。

44
作物 covered
335
in-scope 项目
436
组织 / 公司
92
文献 BibTeX
715
证据图片
66
stage_7+ 商业
5
已确认终止案例
14
国家 / 地区

全部报告

商业 · 公司

技术 · 跨作物

地理 · 全景

阶段性报告

数据下载

44 个作物

stage_8+ 商业 / pilot 项目标橙色。点击作物名进入 GitHub-style 文件浏览(暂未启用,目前仅本机访问)。

001 草莓 002 蓝莓 003 苹果 004 桃 005 茶 006 花椒 007 火龙果 008 樱桃 009 甜椒 010 番茄 011 黄瓜 012 葡萄 013 柑橘 014 梨 015 猕猴桃 016 李/梅/杏 017 芒果 018 香蕉 019 菠萝 020 石榴 021 柿子 022 荔枝 023 龙眼 024 枣 025 无花果 026 覆盆子 027 咖啡 028 可可 029 芦笋 030 蘑菇 031 花卉 032 西兰花/花椰菜 033 生菜/叶菜 034 鳄梨 035 茄子 036 藏红花 037 甜瓜/西瓜 038 椰枣 039 椰子 040 红菊苣 041 朝鲜蓟 042 枸杞 043 沙棘 044 南瓜/西葫芦

关于本调研

本调研以「需要识别成熟 / 可采摘目标、精准定位、逐个 / 逐颗 / 逐串采摘并避免损伤」为核心范围标准,明确排除粮油大田收割、采后分选、单纯巡检 / 喷药、无机器人执行机构的人工工具等。详见 方法论页

执行方式:1 个主控 Claude Code(Opus 4.7)在 tmux 会话内并发调度 40+ 个 Sonnet 4.6 sub-agent,每个负责单作物 / 跨切面任务,通过 outbox + master 主索引协调。多轮 (R1-R7) 迭代深化覆盖,含 4 轮独立 review_agent 审查 + 范围裁决。

源数据来自公开网络:高校实验室页面 / 论文 / 专利 / 公司官网 / 新闻 / 政府项目页 / 视频平台。每条结论保留来源 URL 与证据等级 A/B/C/D。所有图片配 metadata JSON 含 source_url / image_direct_url / copyright_or_usage_note。