自律型農業ローバーは精密農業に不可欠な存在となりつつあるが、一貫した運用安全性の確保は依然として重要な課題である。LiDARなどの従来の安全センサーは、植物のキャノピー下にある障害物を検出できず、重大なリスクをもたらす。カメラベースの教師あり学習手法は一般的な物体を検出できるものの、訓練データに存在しない障害物に直面すると性能が低下する。教師なし異常検出は、環境の正常な視覚パターンを学習することで解決策を提供するが、移動するローバーが捉える動的なシーンではしばしば失敗する。
この問題に対処するため、研究者らは「異常検出のためのビデオメモリTransformer（Video Memory Transformers for Anomaly Detection、VMTAD）」と名付けた新しい完全教師なし手法を提案した。これは動的な農業現場でのリアルタイム障害物検出のために設計されている。VMTADはTransformer駆動のアーキテクチャに専用のメモリモジュールを追加したものである。このメモリモジュールは、先行フレームの符号化表現を処理することで時間的文脈を活用し、ロボットの移動によって生じる動的な状況に効果的に対応する。特筆すべきは、このモデルが正常運転を表す画像のみで訓練され、データラベルを一切必要としない点である。
VMTADの有効性を検証するため、研究チームは「Grillion」と呼ばれる農業ローバーで厳密な評価を行った。困難な菜種データセットにおいて、VMTADは最先端の性能を達成し、検出AUC 0.973、セグメンテーションAUC 0.997という結果を得た。さらに、軽量版は高い精度を維持しながらリアルタイム推論（14ミリ秒）を実現しており、これはローバーの総停止距離の分析によって安全性に不可欠であることが確認されている。
本研究はThéo Biardeauらによって行われ、論文は「Precision Agriculture」誌2026年第27巻第3号に掲載され、arXivでも公開されている（番号arXiv:2606.26151）。この技術は、複雑な圃場環境における自律型農業ローバーの安全性と信頼性を大幅に向上させる可能性がある。