Mechanische onkruidbestrijding is een van de grootste struikelblokken voor de verdere uitbouw van duurzame én productieve voedselvoorziening. Daar waar mechanisch wieden tussen de rijen al sinds jaar en dag gebruikt wordt, blijven breed inzetbare, intelligente systemen voor wieden in de rij voorlopig onbeschikbaar door de hoge complexiteit van landbouwomgevingen, die grote variaties vertonen. De voorbije jaren echter, hebben ontwikkelingen in zowel hardware als machine learning het mogelijk gemaakt om zelfs in dergelijke omgevingen te automatiseren. Dit project beoogt een methodologie te creëren die veelzijdig mechanisch wieden met mobiele robots mogelijk maakt door enerzijds een dynamisch model van de robot te leren op basis van multimodale sensor-input en anderzijds residual RL te gebruiken om een controlefunctie te leren die de manipulator van de robot kan aansturen. Het project is een samenwerking tussen IDLab-AIRO (UGent) en het Vlaams Instituut voor Landbouw-, Visserij- en Voedingsonderzoek (ILVO) en bouwt verder op een modulair robot platform dat tijdens een vorige samenwerking tussen beide partijen werd ontwikkeld. Het resultaat van dit onderzoek zal een directe impact op zowel de primaire sector als de industrie hebben.