論文の概要: Safe Greenhouse Climate Control Using Lagrangian-Constrained PPO with Kolmogorov-Arnold Networks

• arxiv url: http://arxiv.org/abs/2609.34966v1
• Date: Mon, 28 Sep 2026 11:48:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:28:38.563967
• Title: Safe Greenhouse Climate Control Using Lagrangian-Constrained PPO with Kolmogorov-Arnold Networks
• Title（参考訳）: コルモゴロフ・アルノルドネットワークを用いたラグランジアン制約PPOによる安全な温室効果制御
• Abstract要約: 我々は、制約付きマルコフ決定過程(CMDP)として温室効果ガス規制を定式化する。 ラグランジアン安全なRLフレームワークRCPO-PPOを用いて、経済最適化と累積安全制約を分離する。 バニラのペナルティに基づくPPOと比較して、我々の方法は累積的な気候違反を18.65%削減し、レタスの経済利益を2.91%引き上げる。
• 参考スコア（独自算出の注目度）: 1.43159150577502
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Greenhouse climate control balances economic return with maintaining temperature, humidity and CO2 within crop-adapted growth ranges. Conventional reinforcement learning (RL) greenhouse controllers use fixed reward penalties to limit climate constraint violations, yet such heuristic penalties cannot explicitly constrain long-term cumulative violations. Poorly tuned weights either lead to overly conservative policies and lower yields, or fail to suppress persistent climate deviations that harm photosynthesis and induce crop diseases. To address this issue, we formulate greenhouse climate regulation as a Constrained Markov Decision Process (CMDP) and use a Lagrangian safe RL framework RCPO-PPO to separate economic optimization and cumulative safety constraints, enabling adaptive penalty adjustment without manual tuning. To handle strong nonlinear, time-varying coupling between greenhouse microclimate and crop growth, Kolmogorov-Arnold Networks (KANs) replace Multi-Layer Perceptrons (MLPs) as policy and value approximators for improved nonlinear representation. Sinusoidal cyclic time features are embedded in observations to capture diurnal environmental periodicity. Simulations use a classic winter lettuce greenhouse model driven by 40-day real weather disturbances. Compared with vanilla penalty-based PPO, our method cuts cumulative climate violations by 18.65% and raises lettuce economic profit by 2.91%, keeping violations stable near the safety threshold. This decoupled CMDP optimization with KAN-based policy representation mitigates long-term climate risks and boosts planting profits, offering a constraint-aware control strategy for precision greenhouse cultivation.
• Abstract（参考訳）: 温室効果ガスは、作物に適応した生育域内の温度、湿度、CO2の維持と経済の回復のバランスをとる。 従来の強化学習(RL)温室効果ガスは、気候制約違反を制限するために固定報酬の罰則を用いるが、そのようなヒューリスティックな罰則は長期累積違反を明示的に制限することはできない。 不規則に調整された重量は、過度に保守的な政策と低収率をもたらすか、または光合成を害し作物病を誘発する永続的な気候偏差を抑えるのに失敗する。 この問題に対処するため, 温室効果ガス規制をCMDP(Constrained Markov Decision Process)として定式化し, ラグランジアン安全なRLフレームワークRCPO-PPOを用いて, 経済最適化と累積的安全制約を分離し, 手動チューニングなしで適応的な補償調整を可能にする。 Kolmogorov-Arnold Networks (KANs) は, 温室効果微気候と作物生育の時間変化の強い結合に対処するため, マルチ層パーセプトロン (MLPs) を非線形表現の改善のためのポリシーおよび値近似器として置き換えた。 正弦波周期時間の特徴は、日中の環境周期を捉えるために観測に埋め込まれている。 シミュレーションでは、40日間の実際の気象変動によって駆動される古典的な冬のレタス温室モデルを使用する。 バニラのペナルティに基づくPPOと比較して、我々の方法は累積的な気候違反を18.65%削減し、レタスの経済利益を2.91%引き上げ、安全基準付近で違反を安定させる。 このCMDP最適化とKANに基づく政策表現は、長期の気候リスクを軽減し、植林利益を増大させ、精密温室栽培のための制約対応制御戦略を提供する。

関連論文リスト

• Bringing GRACE to Recommendation: Fine-Tuning for Sustainable and Accurate Personalization [57.58261252242669]
  環境サステナビリティに関する懸念が高まり、グリーンの推奨システムは、よりエコフレンドリーで健康的な選択へとユーザーを導いてくれる。 多くの既存のグリーンレコメンデーションアプローチでは、スクラッチから新しいモデルをトレーニングする必要がある。 本稿では、アイテムレベルのサステナビリティ信号を事前訓練されたレコメンデーションモデルに統合する微調整フレームワークであるGRACE(Adaptive Conflict-rEsolution)を提案する。
  論文  参考訳（メタデータ） (2026-07-24T14:17:37Z)
• Residual-Conservative Model Predictive Path Integral Control [0.0]
  本稿では, 予測実行残差を用いて, 安全保守をオンラインで調整するサンプリングベースMPCフレームワークを提案する。 RC-MPPIは、残留依存性制約強化、適応型安全コスト整形、残留適応サンプリング変調の3つの結合メカニズムを組み合わせたものである。
  論文  参考訳（メタデータ） (2026-07-08T03:23:39Z)
• Bayesian Conservative Policy Optimization (BCPO): A Novel Uncertainty-Calibrated Offline Reinforcement Learning with Credible Lower Bounds [1.2183405753834562]
  オフライン強化学習(RL)は、ログ化された遷移の固定バッチから決定ポリシーを学ぶことを目的としている。 本稿では,不確実性を即興的に保守的な政策改善に変換する統一的な枠組みであるEmphBayesian conservative Policy Optimization (BCPO)を提案する。 BCPOは環境/価値モデルよりも階層的なベイズ的後縁を維持し、アクション値に基づいてエンフレッシブルな下界(LCB)を構築し、明示的なKL正規化の下でポリシー更新を行う。
  論文  参考訳（メタデータ） (2026-03-06T01:46:02Z)
• Temperature as a Meta-Policy: Adaptive Temperature in LLM Reinforcement Learning [47.83947232413507]
  大規模言語モデル(LLM)における探索と搾取のトレードオフの温度制御 高温は多様だがノイズの多い出力を奨励し、低温は集中した出力を生み出すが、早めの収束を引き起こす可能性がある。 本稿では,温度制御を学習可能なメタ政治として再放送する新しいフレームワークである温度適応メタポリシー最適化(TAMPO)を提案する。
  論文  参考訳（メタデータ） (2026-02-12T09:59:58Z)
• Crafting desirable climate trajectories with RL explored socio-environmental simulations [3.554161433683967]
  統合アセスメントモデル(IAM)は、社会、経済、環境シミュレーションを組み合わせて、潜在的な政策効果を予測する。 従来の解決法を置き換えるために強化学習(RL)を用いた最近の予備研究は、不確実でノイズの多いシナリオにおける意思決定において有望な結果を示している。 我々は、様々な利害関係者や国家間の複雑な相互作用の相互作用をモデル化するための予備分析として、複数の対話的RLエージェントを導入することにより、この研究を拡大する。
  論文  参考訳（メタデータ） (2024-10-09T13:21:50Z)
• GreenLight-Gym: Reinforcement learning benchmark environment for control of greenhouse production systems [0.0]
  GreenLight-Gymは、温室作物生産管理における強化学習手法を開発するための、高速でオープンソースのベンチマーク環境である。 CasADiフレームワークを活用して、効率的な数値統合を実現する。 モジュール化されたPython環境ラッパーは、コントロールタスクとRLベースのコントローラの柔軟な構成を可能にする。
  論文  参考訳（メタデータ） (2024-10-06T18:25:23Z)
• Learning-based agricultural management in partially observable environments subject to climate variability [5.5062239803516615]
  農業経営は、作物の収量、経済的な利益性、環境の持続可能性において中心的な役割を担っている。 我々は、深層強化学習(DRL)とリカレントニューラルネットワーク(RNN)を統合する革新的なフレームワークを導入する。 本研究は,極度の気象条件下での新たな最適政策を得るために,エージェント再訓練の必要性を照らすものである。
  論文  参考訳（メタデータ） (2024-01-02T16:18:53Z)
• Hallucinated Adversarial Control for Conservative Offline Policy Evaluation [64.94009515033984]
  本研究では,環境相互作用のオフラインデータセットが与えられた場合,政策のパフォーマンスを低く抑えることを目的とした,保守的非政治評価(COPE)の課題について検討する。 本稿では,遷移力学の不確実性を考慮した学習モデルに基づくHAMBOを紹介する。 結果のCOPE推定値が妥当な下界であることを証明し、正則性条件下では、真に期待された戻り値への収束を示す。
  論文  参考訳（メタデータ） (2023-03-02T08:57:35Z)
• Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
  気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。 並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
  論文  参考訳（メタデータ） (2022-11-20T06:46:35Z)
• Dichotomy of Control: Separating What You Can Control from What You Cannot [129.62135987416164]
  政策の制御(行動)と政策の制御(環境)以外のメカニズムを分離する将来の条件付き教師あり学習フレームワークを提案する。 我々は,DoCが条件付入力と整合したポリシを出力し,学習したポリシを所望のハイリターン未来結果に条件付けすることで,高リターン行動が正しく引き起こされることを示す。
  論文  参考訳（メタデータ） (2022-10-24T17:49:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。