論文の概要: Agri-SCHOLAR: Simulation-Grounded In-Season Rolling Advisories for Agricultural Crops Using LLM-Bounded Optimization
- arxiv url: http://arxiv.org/abs/2610.31003v1
- Date: Thu, 22 Oct 2026 09:43:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-24 02:08:44.308671
- Title: Agri-SCHOLAR: Simulation-Grounded In-Season Rolling Advisories for Agricultural Crops Using LLM-Bounded Optimization
- Title（参考訳）: Agri-SCHOLAR: LLM-Bunded Optimization を用いた農業作物のシミュレーション・グラウンドインシーソン圧延指針
- Abstract要約: Agri-SCHOLARはシーズン内アドバイザリフレームワークで、数日ないし毎週、パーソナライズされたアドバイザリを発行する。
Agri-SCHOLARの新規性と深さは、複数のLLMエージェントと強力な作物シミュレータを結合したクローズドループシステムによって製造される。
南アジアの2か所でトウモロコシの11年間の詳細な分析を行い,Agri-SCHOLARが地域標準の実践パッケージを一貫して上回っていることを示す。
- 参考スコア（独自算出の注目度）: 0.3232219848164686
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Existing agricultural advisories to farmers suffer from several limitations: (a) remain largely expert-driven, (b) do not adequately account for in-season weather, and (c) do not scale to individual farms. In this paper, our objective is to close these gaps by developing Agri-SCHOLAR (Simulation-Grounded Crop Harvest Optimization with LLM-Guided In-Season Advisory Rollouts). Agri-SCHOLAR is a rolling, in-season advisory framework that issues, at intervals of every few days or every week, a personalized advisory using the following information: soil and crop properties, observed weather to date, short-range forecast of weather, and a season extrapolation of weather based on historical analogs. The novelty and depth of Agri-SCHOLAR lies in each advisory being produced by a closed-loop system which couples multiple LLM agents with a powerful crop simulator (such as APSIM in our case). The simulator crucially serves as an evaluation oracle. In Agri-SCHOLAR, the LLM agents propose agronomically sound and feasible bounds on actionable parameters and an optimizer searches within those bounds against a multi-objective reward spanning yield, resource utilization, and economic feasibility. We conduct a detailed 11-year analysis of the maize crop in two selected locations of South Asia and show that Agri-SCHOLAR consistently outperforms the region's standard packages of practice and satisfactorily addresses the limitations of existing agricultural advisories.
- Abstract（参考訳）: 農家に対する既存の農業アドバイザリーには、いくつかの制限がある。
(a) 主に専門家主導である。
(b)季節内天気を十分に考慮せず、
(c)個々の農場にスケールしない。
本稿では,LLM-Guided In-Season Advisory Rolloutsを用いたAgri-SCHOLAR (Simulation-Grounded Crop Harvest Optimization with LLM-Guided In-Season Advisory Rollouts) の開発により,これらのギャップを埋めることを目的とする。
Agri-SCHOLARは、数日または毎週の間隔で、土と作物の特性、現在の観測済みの天気、短距離の天気予報、そして過去の類推に基づく気象の季節外挿といった、パーソナライズされたアドバイザリーを発行するローリング・イン・シーズン・アドバイザリー・フレームワークである。
Agri-SCHOLARの新規性と深さは、複数のLLMエージェントと強力な作物シミュレータ(APSIMなど)を結合したクローズドループシステムによって生成される。
シミュレータは、重要な評価オラクルとして機能する。
Agri-SCHOLARでは、LLMエージェントは、動作可能なパラメータの農業的健全かつ実現可能なバウンダリを提案し、オプティマイザは、収量、資源利用、経済的実現可能性にまたがる多目的報酬に対して、それらのバウンダリ内を探索する。
南アジアで選択された2か所におけるトウモロコシの11年間の詳細な分析を行い、Agri-SCHOLARが地域標準の実践パッケージを一貫して上回り、既存の農業アドバイザリーの限界に十分対応していることを示す。
関連論文リスト
- Agri-SAGE: Simulation-Grounded Multi-Agent LLM for Context-Aware Agricultural Advisory Generation [0.3371432223361199]
静的ガイドラインは、一貫性のある証拠に基づく勧告を提供するが、シーズン内の変動性と動的不確実性に盲目のままである。
LLMを動力とする最近のアドバイザリシステムは、生理学的に不安なレコメンデーションを発生させるリスクが異なる。
Agri-SAGE(アグリ-サージ)は、検索地上のマルチエージェントLPM推論とAPSIMに基づく生体物理シミュレーションを統合するために設計されたクローズドループフレームワークである。
論文 参考訳（メタデータ） (2026-07-01T05:18:20Z) - AgriRegion: Region-Aware Retrieval for High-Fidelity Agricultural Advice [5.67768730948654]
AgriRegion(アグリレギオン)は、高忠実で地域対応の農業アドバイザリーのために特別に設計されたレトリーバル拡張世代(RAG)フレームワークである。
知識基盤を地域農業拡張サービスに限定することにより、AgriRegionは、植え付けスケジュール、害虫防除、受精に関するアドバイスが局所的に正確であることを保証します。
論文 参考訳（メタデータ） (2025-12-10T22:06:41Z) - AgriDoctor: A Multimodal Intelligent Assistant for Agriculture [45.77373971125537]
AgriDoctorは、インテリジェントな作物病診断と農業知識の相互作用のために設計されたモジュラーでマルチモーダルなフレームワークである。
効果的なトレーニングと評価を容易にするために,400000の注釈付き疾患画像,831のエキスパートによる知識エントリ,30000のバイリンガルプロンプトによるインテント駆動ツール選択のベンチマークであるAgriMMを構築した。
実験により、AgriMMで訓練されたAgriDoctorは、細粒度の農業作業において最先端のLVLMを著しく上回っていることが示された。
論文 参考訳（メタデータ） (2025-09-21T11:51:57Z) - AgriGPT: a Large Language Model Ecosystem for Agriculture [16.497060004913806]
AgriGPTは、農業利用のためのドメイン特化大規模言語モデルエコシステムである。
信頼性のあるデータソースを,高品質で標準化された質問応答データセットであるAgri-342Kにコンパイルする,スケーラブルなデータエンジンを設計する。
本稿では,高密度検索,スパース検索,マルチホップ知識グラフ推論を組み合わせた3チャンネル検索拡張フレームワークTri-RAGを用いる。
論文 参考訳（メタデータ） (2025-08-12T04:51:08Z) - WOFOSTGym: A Crop Simulator for Learning Annual and Perennial Crop Management Strategies [17.270273911931216]
WOFOSTGymは、強化学習(RL)エージェントを訓練して農業決定を最適化するために設計された作物シミュレーション環境である。
我々のシミュレーターは、23の年中作物と2つの年中作物をサポートし、RLエージェントが複数年・複数年・マルチファーム設定で多様な農業経営戦略を学べるようにしている。
論文 参考訳（メタデータ） (2025-02-26T17:07:11Z) - Agri-LLaVA: Knowledge-Infused Large Multimodal Assistant on Agricultural Pests and Diseases [49.782064512495495]
農業分野における最初のマルチモーダル・インストラクション・フォロー・データセットを構築した。
このデータセットは、約40万のデータエントリを持つ221種類以上の害虫と病気をカバーしている。
本稿では,農業用マルチモーダル対話システムであるAgri-LLaVAを開発するための知識注入型学習手法を提案する。
論文 参考訳（メタデータ） (2024-12-03T04:34:23Z) - Generating Diverse Agricultural Data for Vision-Based Farming Applications [74.79409721178489]
このモデルは, 植物の成長段階, 土壌条件の多様性, 照明条件の異なるランダム化フィールド配置をシミュレートすることができる。
我々のデータセットにはセマンティックラベル付き12,000の画像が含まれており、精密農業におけるコンピュータビジョンタスクの包括的なリソースを提供する。
論文 参考訳（メタデータ） (2024-03-27T08:42:47Z) - Domain Generalization for Crop Segmentation with Standardized Ensemble Knowledge Distillation [42.39035033967183]
サービスロボットは、周囲を理解し、野生のターゲットを識別するリアルタイム認識システムが必要です。
しかし、既存の方法はしばしば、新しい作物や環境条件への一般化において不足している。
本稿では,知識蒸留を用いた領域一般化手法を提案する。
論文 参考訳（メタデータ） (2023-04-03T14:28:29Z) - Farmland Parcel Delineation Using Spatio-temporal Convolutional Networks [77.63950365605845]
ファームパーセル・デライン化は、気候変動政策の開発と管理において重要なカダストラルデータを提供する。
このデータは、極端な気象災害に伴う損害後の補償を評価するための農業保険セクターにも有用である。
衛星画像の利用は、農場の区画整理作業を行うためのスケーラブルで費用対効果の高い方法である。
論文 参考訳（メタデータ） (2020-04-11T19:49:09Z)
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。