WOFOSTGym: A Crop Simulator for Learning Annual and Perennial Crop Management Strategies

要約

単一およびマルチファームの設定で年間および多年生作物の農業決定の決定を最適化するために、強化学習（RL）エージェントを訓練するために設計された新しい作物シミュレーション環境であるWofostGymを紹介します。
効果的な作物管理には、環境への影響を最小限に抑えながら、収量と経済的リターンを最適化する必要があります。これは、RLに適した複雑なシーケンシャルな意思決定問題です。
ただし、マルチファームコンテキストでの多年生作物のシミュレーターの不足により、このドメインのRLアプリケーションが妨げられています。
既存の作物シミュレータは、複数の年間作物もサポートしていません。
WofostGymは、23の年間作物と2つの多年生作物をサポートすることにより、これらのギャップに対処し、RLエージェントが複数年、マルチクロップ、およびマルチファーム設定で多様なアグロマネージション戦略を学ぶことができます。
私たちのシミュレーターは、部分的な観察可能性、非マルコビアのダイナミクス、および遅延フィードバックの下で学習するための一連の挑戦的なタスクを提供します。
WofostGymの標準RLインターフェイスにより、農業の専門知識のない研究者は、幅広い農業の問題を​​探ることができます。
私たちの実験は、さまざまな作物の品種や土壌タイプにわたる学習行動を示しており、農業におけるRL主導の意思決定支援を進めるためのWofostGYMの可能性を強調しています。

要約(オリジナル)

We introduce WOFOSTGym, a novel crop simulation environment designed to train reinforcement learning (RL) agents to optimize agromanagement decisions for annual and perennial crops in single and multi-farm settings. Effective crop management requires optimizing yield and economic returns while minimizing environmental impact, a complex sequential decision-making problem well suited for RL. However, the lack of simulators for perennial crops in multi-farm contexts has hindered RL applications in this domain. Existing crop simulators also do not support multiple annual crops. WOFOSTGym addresses these gaps by supporting 23 annual crops and two perennial crops, enabling RL agents to learn diverse agromanagement strategies in multi-year, multi-crop, and multi-farm settings. Our simulator offers a suite of challenging tasks for learning under partial observability, non-Markovian dynamics, and delayed feedback. WOFOSTGym’s standard RL interface allows researchers without agricultural expertise to explore a wide range of agromanagement problems. Our experiments demonstrate the learned behaviors across various crop varieties and soil types, highlighting WOFOSTGym’s potential for advancing RL-driven decision support in agriculture.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google