面向智能农业管理的多目标强化学习中的信任建模开发与集成
人工智能
2025-05-19 v1
摘要
由人工智能(AI)增强的精密农业为远程感知、智能灌溉、肥料管理和作物仿真等工具提供了广阔的应用前景，以提高农业的效率和可持续性。其中，强化学习(RL)在优化产量和资源管理方面超过了传统方法。然而，AI的广泛采用受限于算法建议与农户实际经验、地方知识和传统实践之间的鸿沟。为此，本研究强调人机交互(HAII)，关注透明度、可用性和信任在RL基于农业管理中的作用。我们采用已建立的信任框架——包括能力、恩惠和诚信——开发了一种新型数学模型，量化农户对基于AI的肥料策略的信心。本研究通过与农户进行调查揭示了关键性误差，这些误差被整合到我们的信任模型中并纳入多目标RL框架。不同于先前方法，我们的方法将信任直接嵌入策略优化中，确保AI建议在技术上稳健、经济上可行、情境感知且社会上可接受。通过将技术性能与以人为中心的信任相一致，这项研究支持AI在农业中的更广泛采用。
引用
@article{arxiv.2505.10803,
title = {Developing and Integrating Trust Modeling into Multi-Objective Reinforcement Learning for Intelligent Agricultural Management},
author = {Zhaoan Wang and Wonseok Jang and Bowen Ruan and Jun Wang and Shaoping Xiao},
journal= {arXiv preprint arXiv:2505.10803},
year = {2025}
}