遥感工作流程的多智能体地理协同员
机器学习
2025-01-28 v1
摘要
我们提出了GeoLLM-Squad，一种引入新型多智能体范式的地理协同员，用于遥感（RS）工作流程。与依赖单智能体方法的现有方法不同，后者依赖单一的大型语言模型（LLM），GeoLLM-Squad通过将RS任务委托给专门的子智能体来将智能体编排与地理任务解决分离。基于开源AutoGen和GeoLLM-Engine框架，本工作实现了对多样化应用的模块化集成，涵盖城市监测、森林保护、气候分析和农业研究。我们的结果表明，尽管单智能体系统在RS任务复杂度增加时难以扩展，但GeoLLM-Squad保持稳健的性能，相较于最先进的基线方法实现了17%的智能体正确性提升。我们的发现凸显了多智能体AI在推动RS工作流程方面的潜力。
关键词
引用
@article{arxiv.2501.16254,
title = {Multi-Agent Geospatial Copilots for Remote Sensing Workflows},
author = {Chaehong Lee and Varatheepan Paramanayakam and Andreas Karatzas and Yanan Jian and Michael Fore and Heming Liao and Fuxun Yu and Ruopu Li and Iraklis Anagnostopoulos and Dimitrios Stamoulis},
journal= {arXiv preprint arXiv:2501.16254},
year = {2025}
}