RS-Claw：基于层次技能树的远程感知智能体的渐进式主动工具探索
人工智能
2026-05-14 v1
摘要
多模态大语言模型（MLLM）的兴起正在将远程感知（RS）智能从“感知”转向“行动”，因为 OpenClaw 风格的框架使代理能够自主操作大量远程感知图像处理工具以完成复杂任务。现有 RS 代理采用被动工具选择范式，依赖全工具注册（Flat）或检索增强生成（RAG）。然而，在庞大且多源异构的 RS 工具生态系统中，这些被动机制在任务推理过程中难以动态平衡“上下文负载”和“工具集完整性”，从而表现出内在局限：全工具注册在长期任务中触发上下文空间不足，而 RAG 检索可能在关键步骤遗漏必要工具。为克服这些瓶颈，本文重新定义工具选择，认为代理应作为工具空间中的主动探索者。基于此视角，我们提出了 RS-Claw 一种新型 RS 代理架构。通过在工具端利用技能封装技术，对工具描述进行层次化结构化，使代理能够执行按需的序列决策：最初仅通过阅读工具摘要选择相关技能分支，然后动态加载详细描述，最终实现精准调用。这种主动范式不仅显著释放代理的上下文空间，还有效确保了在长期推理中关键工具的准确命中率。基于 Earth-Bench 基准的系统实验表明，RS-Claw 的主动探索机制有效过滤语义噪声，显著释放推理空间，在输入 token 压缩比率达到最高 86%，并在复杂推理评估中综合超越现有 Flat 和 RAG 基线。
引用
@article{arxiv.2605.13391,
title = {RS-Claw: Progressive Active Tool Exploration via Hierarchical Skill Trees for Remote Sensing Agents},
author = {Liangtian Liu and Zeyuan Wang and Ziyu Li and Kai Ouyang and Zichao Tang and Chengfu Liu and Haifeng Li and Hanwen Yu and Wentao Yang and Cheng Yang and Dongyang Hou},
journal= {arXiv preprint arXiv:2605.13391},
year = {2026}
}