Earth-Agent：利用智能体解锁地球观测的全景
计算机视觉与模式识别
2026-03-04 v3
摘要
地球观测（EO）对于理解地球系统的演化状态至关重要。尽管近期的多模态大语言模型（MLLM）推进了EO研究，但它们仍然缺乏处理需要多步推理和领域特定工具使用的复杂任务的能力。基于智能体的方法提供了一个有前景的方向，但当前尝试仍处于初期阶段，局限于RGB感知、浅层推理，且缺乏系统性评估协议。为克服这些局限性，我们引入了Earth-Agent，第一个将RGB和光谱EO数据统一在基于MCP的工具生态系统中的智能体框架，实现了超越预训练MLLM的跨模态、多步和定量时空推理。Earth-Agent通过动态调用跨模态的专业工具和模型，支持地球物理参数检索和定量时空分析等复杂科学任务。为支持全面评估，我们进一步提出了Earth-Bench，一个包含248个专家策划任务和13,729张图像、涵盖光谱、产品和RGB模态的基准，并配备了评估推理轨迹和最终结果的双层评估协议。我们进行了全面的实验，包括不同LLM骨干网络的变化、与通用智能体框架的比较以及与MLLM在遥感基准上的比较，展示了Earth-Agent的有效性和潜力。Earth-Agent为EO分析建立了一个新范式，推动该领域走向科学基础的、下一代LLM在地球观测中的应用。更多信息请访问 https://github.com/opendatalab/Earth-Agent
引用
@article{arxiv.2509.23141,
title = {Earth-Agent: Unlocking the Full Landscape of Earth Observation with Agents},
author = {Peilin Feng and Zhutao Lv and Junyan Ye and Xiaolei Wang and Xinjie Huo and Jinhua Yu and Wanghan Xu and Wenlong Zhang and Lei Bai and Conghui He and Weijia Li},
journal= {arXiv preprint arXiv:2509.23141},
year = {2026}
}
备注
Published as a conference paper at ICLR 2026