从热偏好预测到自适应热干预：一种利用生理与环境感知的强化学习方法
英文标题：From Thermal Preference Prediction to Adaptive Thermal Intervention: A Reinforcement Learning Approach Using Physiological and Environmental Sensing
该论文提出了一种两阶段的个性化热舒适方法，将多模态生理与环境传感数据同基于强化学习的决策机制相结合。研究指出，传统 HVAC 系统依赖静态设定点和基于人群的舒适度模型，难以反映个体之间的生理差异。该方法旨在从热偏好预测进一步发展为自适应热干预，为更具响应性的建筑环境控制提供技术路径。对于开发者和建筑行业而言，这一研究展示了将传感、个体化建模与强化学习 Agent 用于智能 HVAC 控制的潜力。
2.1 KB
612 B
380 B
9.1 KB
32.7 KB
22.8 KB
24.2 KB
34.7 KB
中文
[提交于 2026 年 8 月 19 日]
标题：从热偏好预测到自适应热干预：一种利用生理与环境感知的强化学习方法
查看 Isibor Kennedy Ihianle 及其他 6 位作者撰写的论文《从热偏好预测到自适应热干预：一种利用生理与环境感知的强化学习方法》的 PDF。
摘要：个性化热舒适对于居住者福祉以及开发响应能力更强的建筑控制策略至关重要。然而，传统的供暖、通风与空调（HVAC）系统依赖静态设定点和基于人群的舒适度模型，无法捕捉个体生理差异。本文提出了一种两阶段个性化热舒适方法，将多模态生理和环境感知与基于强化学习的决策相结合。
提交历史
来自：Isibor Kennedy Ihianle [
]
[v1]
2026 年 8 月 19 日，星期三，09:39:15 UTC（2,437 KB）
English / 原文
[Submitted on 19 Aug 2026]
Title:From Thermal Preference Prediction to Adaptive Thermal Intervention: A Reinforcement Learning Approach Using Physiological and Environmental Sensing
View a PDF of the paper titled From Thermal Preference Prediction to Adaptive Thermal Intervention: A Reinforcement Learning Approach Using Physiological and Environmental Sensing, by Isibor Kennedy Ihianle and 6 other authors
Abstract:Personalised thermal comfort is essential for occupant wellbeing and for the development of more responsive building-control strategies, yet conventional Heating, Ventilation, and Air Conditioning (HVAC) systems rely on static setpoints and population-level comfort models that fail to capture individual physiological variability. This paper presents a two-stage personalised thermal comfort approach integrating multimodal physiological and environmental sensing with reinforcement learning-based decision-making.
Submission history
From: Isibor Kennedy Ihianle [
]
[v1]
Wed, 19 Aug 2026 09:39:15 UTC (2,437 KB)