Report
gym-DSSAT: a crop model turned into a Reinforcement Learning environment ; gym-DSSAT : un modèle de cultures converti en un environnement d’apprentissage par renforcement
| العنوان: | gym-DSSAT: a crop model turned into a Reinforcement Learning environment ; gym-DSSAT : un modèle de cultures converti en un environnement d’apprentissage par renforcement |
|---|---|
| المؤلفون: | Gautron, Romain, Padrón, Emilio J., Preux, Philippe, Bigot, Julien, Maillard, Odalric-Ambrym, Emukpere, David |
| المساهمون: | Agroécologie et Intensification Durables des cultures annuelles (UPR AIDA), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad), Département Performances des systèmes de production et de transformation tropicaux (Cirad-PERSYST), Universidade da Coruña, Scool (Scool), Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 (CRIStAL), Centrale Lille-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Université de Lille-Centre National de la Recherche Scientifique (CNRS), Maison de la Simulation (MDLS), Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Institut National de Recherche en Informatique et en Automatique (Inria)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Centre National de la Recherche Scientifique (CNRS), Inria Lille |
| المصدر: | https://inria.hal.science/hal-03711132 ; [Research Report] RR-9460, Inria Lille. 2022, pp.31. |
| بيانات النشر: | HAL CCSD |
| سنة النشر: | 2022 |
| المجموعة: | Université de Versailles Saint-Quentin-en-Yvelines: HAL-UVSQ |
| مصطلحات موضوعية: | crop management, crop model, agriculture, Reinforcement Learning, DSSAT, OpenAI gym, Python, itinéraire technique, conduite des cultures, modèle de culture, Apprentissage par Renforcement, [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], [SDE.ES]Environmental Sciences/Environment and Society, [SDV.SA.STA]Life Sciences [q-bio]/Agricultural sciences/Sciences and technics of agriculture, [SDE.IE]Environmental Sciences/Environmental Engineering |
| الوصف: | Addressing a real world sequential decision problem with Reinforcement Learning (RL) usually starts with the use of a simulated environment that mimics real conditions. We present a novel open source RL environment for realistic crop management tasks. gym-DSSAT is agym interface to the Decision Support System for Agrotechnology Transfer (DSSAT), a high fidelity crop simulator. DSSAT has been developped over the last 30 years and is widely recognized by agronomists. gym-DSSAT comes with predefined simulations based on real world maize experiments.The environment is as easy to use as any gym environment. We provide performance baselines using basic RL algorithms. We also briefly outline how the monolithic DSSAT simulator written in Fortran has been turned into a Python RL environment. Our methodology is generic and may be applied to similar simulators. We report on very preliminary experimental results which suggest that RL can help researchers to improve sustainability of fertilization and irrigation practices. ; La résolution d’un problème de déecision séquentielle en conditions réelles s’appuie très souvent sur l’utilisation d’un simulateur qui reproduit ces conditions réelles. Nous introduisons un nouvel environnement pour l’apprentissage par renforcement (AR) qui propose des tâches d’apprentissage réalistes pour la conduite de cultures. gym-DSSAT est une interface gym avec le simulateur de cultures Decision Support System for Agrotechnology Transfer (DSSAT), un simulateur de haute fidélité. DSSAT a été développé durant les 30 dernières années et est largement reconnu par les agronomes. gym-DSSAT propose des simulations prédéfinies, basées sur des expérimentations au champ avec du maïs. L’environnement est aussi simple à utiliser que n’importe quel autre environnement gym. Nous proposons des performances de base dans l’environnement en utilisant des algorithmes d’AR conventionnels. Nous décrivons également brièvement comment le simulateur monolithique DSSAT, codé en Fortran, a été transformé en un ... |
| نوع الوثيقة: | report |
| اللغة: | English |
| Relation: | Report N°: RR-9460; hal-03711132; https://inria.hal.science/hal-03711132; https://inria.hal.science/hal-03711132v4/document; https://inria.hal.science/hal-03711132v4/file/RR-9460.pdf |
| الاتاحة: | https://inria.hal.science/hal-03711132 https://inria.hal.science/hal-03711132v4/document https://inria.hal.science/hal-03711132v4/file/RR-9460.pdf |
| Rights: | info:eu-repo/semantics/OpenAccess |
| رقم الانضمام: | edsbas.6C6C7AD6 |
| قاعدة البيانات: | BASE |
| الوصف غير متاح. |