JaxWildfire: 用于强化学习的GPU加速野火模拟器
机器学习
2025-12-09 v1 人工智能
摘要
人工智能方法正越来越多地被探索用于管理野火和其他自然灾害。特别是，强化学习（RL）是改善此类不确定决策场景结果的有前景路径，有助于超越反应性策略。然而，训练RL智能体需要大量环境交互，而现有野火模拟器的速度是严重限制因素。我们提出了JaxWildfire，一个基于元胞自动机的原则性概率火灾蔓延模型支撑的模拟器。它采用JAX实现，并利用vmap实现向量化模拟，允许在GPU上进行高通量模拟。我们证明JaxWildfire相比现有软件实现了6-35倍的加速，并支持模拟器参数的基于梯度的优化。此外，我们展示了JaxWildfire可用于训练RL智能体学习野火扑救策略。我们的工作是推进RL技术用于管理自然灾害的重要一步。
引用
@article{arxiv.2512.06102,
title = {JaxWildfire: A GPU-Accelerated Wildfire Simulator for Reinforcement Learning},
author = {Ufuk Çakır and Victor-Alexandru Darvariu and Bruno Lacerda and Nick Hawes},
journal= {arXiv preprint arXiv:2512.06102},
year = {2025}
}
备注
To be presented at the NeurIPS 2025 Workshop on Machine Learning and the Physical Sciences (ML4PS)