スマート温室における強化学習制御のためのキャリブレーション優先報酬コンポーネント監査

温室における強化学習は、作物実験だけでは困難な速度と規模で気候制御のアイデアをテストすることができる。しかし、スマート温室制御においては、単一のシミュレータ報酬だけでは不十分である。栽培者や制御エンジニアは、ポリシーがいつ暖房、CO2施用、換気、湿度管理、スクリーン展開、または照明を使用するかを知る必要がある。研究者らは、再現可能なキャリブレーション優先報酬監査フレームワークを提案した。このフレームワークは、名前付きの温室制御報酬コンポーネントを、シミュレータ訓練、施設適応ロールアウト、記録された自律型温室チャレンジのデータ、およびアクチュエータルール蒸留の間で比較可能に保つ。GreenLight-Gymでは、フレームワークはスカラー報酬を条件付き温度、CO2、湿度と蒸気圧欠損、スクリーン、およびアクチュエーションプロキシ項に分解する。さらに、GreenLightを第2回自律型温室チャレンジの記録気候トレースに適応させ、同じコンポーネントで記録温室データをスコアリングする。この研究は、温室強化学習制御に体系的な監査手法を提供し、報酬設計の解釈可能性と信頼性を向上させ、実際のアプリケーションにおけるポリシー評価と最適化の基盤を築くものである。論文は2026年7月12日に提出され、全28ページ、8図を含み、主題は人工知能である。報酬を解釈可能なコンポーネントに分解することで、研究者やエンジニアは強化学習ポリシーの動作をより深く理解し、異なるシナリオ間で一貫した評価と比較を実現できる。