グリーンハウス（温室）の気候制御は、農作物実験だけでは達成が難しい速度とスケールで様々なアイデアをテストできるため、強化学習の応用先として注目されています。スマートグリーンハウスの自動制御システムを開発する際、単一のシミュレータの返値だけでは不十分です。栽培者や制御エンジニアは、ポリシーがいつ加熱し、CO2を供給し、換気し、湿度を管理し、スクリーンを展開し、照明を使用したのかを詳細に把握する必要があります。 本研究では、校正優先型の報酬監査フレームワークを提案しています。このフレームワークは、シミュレータでの訓練、施設に適応させたロールアウト、ログに記録された自律型グリーンハウスチャレンジの記録、およびアクチュエータルールの蒸留において、名前付きグリーンハウス制御報酬コンポーネントを比較可能な状態に保つことができます。 GreenLight-Gymでは、このフレームワークはスカラー報酬を条件付き温度、CO2、湿度、蒸気圧不足、スクリーン、およびアクチュエーション代理項に分解します。GreenLightを第2回自律型グリーンハウスチャレンジのログに記録された気候トレースに適応させ、同じコンポーネントをログに記録されたグリーンハウスデータでスコア付けしています。この手法により、複雑な強化学習モデルの意思決定過程の透明性と検証可能性が向上し、実際のグリーンハウス運用への応用が促進されることが期待されます。