Earth AI：利用基础模型和跨模态推理解锁地理空间洞见
人工智能
2026-02-19 v4
摘要
地理空间数据提供了巨大的潜力，用于理解我们的星球。然而，这些数据的庞大规模和多样性，以及其各种分辨率、时间尺度和稀疏性，为深入分析和解释带来了显著挑战。本文介绍了 Earth AI，这是一系列地理空间 AI 模型和智能推理框架，能够在我们理解这颗星球方面实现重大进展。该方法基于三个关键领域的基础模型——星际规模遥感影像、人口和环境——以及由 Google Gemini 提供动力的智能推理引擎。我们展示了严格的基准测试，凸显了基础模型的强大和创新能力，验证了当这些模型一起使用时，能够为地理空间推断提供互补价值，其协同作用可实现卓越的预测能力。为了处理复杂的多步骤查询，我们开发了一个由 Gemini 提供动力的智能体，能够在多个基础模型以及大规模地理空间数据源和工具之间进行联合推理。在一个新的真实世界危机情景基准测试中，我们的智能体展示了能够提供关键且及时见解的能力，有效弥合了原始地理空间数据与可操作理解之间的鸿沟。
引用
@article{arxiv.2510.18318,
title = {Earth AI: Unlocking Geospatial Insights with Foundation Models and Cross-Modal Reasoning},
author = {Aaron Bell and Amit Aides and Amr Helmy and Arbaaz Muslim and Aviad Barzilai and Aviv Slobodkin and Bolous Jaber and David Schottlander and George Leifman and Joydeep Paul and Mimi Sun and Nadav Sherman and Natalie Williams and Per Bjornsson and Roy Lee and Ruth Alcantara and Thomas Turnbull and Tomer Shekel and Vered Silverman and Yotam Gigi and Adam Boulanger and Alex Ottenwess and Ali Ahmadalipour and Anna Carter and Behzad Vahedi and Charles Elliott and David Andre and Elad Aharoni and Gia Jung and Hassler Thurston and Jacob Bien and Jamie McPike and Jessica Sapick and Juliet Rothenberg and Kartik Hegde and Kel Markert and Kim Philipp Jablonski and Luc Houriez and Monica Bharel and Phing VanLee and Reuven Sayag and Sebastian Pilarski and Shelley Cazares and Shlomi Pasternak and Siduo Jiang and Thomas Colthurst and Yang Chen and Yehonathan Refael and Yochai Blau and Yuval Carny and Yael Maguire and Avinatan Hassidim and James Manyika and Tim Thelin and Genady Beryozkin and Gautam Prasad and Luke Barrington and Yossi Matias and Niv Efron and Shravya Shetty},
journal= {arXiv preprint arXiv:2510.18318},
year = {2026}
}