Multi-Agent Geospatial Copilots for Remote Sensing Workflows

要約

新しいマルチエージェントパラダイムをリモートセンシング（RS）ワークフローに紹介する地理空間副操縦士であるGeollm-Squadを紹介します。
モノリシックな大手言語モデル（LLM）に依存する既存のシングルエージェントアプローチとは異なり、Geollm-Squadは、RSタスクを専門のサブエージェントに委任することにより、エージェントオーケストレーションを地理空間タスク解決と分離します。
オープンソースのオートゲンおよびGeollm-Engineフレームワークの上に構築されたこの作業により、都市の監視、林業保護、気候分析、農業研究にまたがる多様なアプリケーションのモジュール統合が可能になります。
我々の結果は、単一エージェントシステムがRSタスクの複雑さの増加に伴い拡張に苦労しているが、Geollm-Squadは堅牢なパフォーマンスを維持し、最先端のベースラインに対するエージェントの正確性の17％の改善を達成することを示しています。
私たちの調査結果は、RSワークフローを進める際のマルチエージェントAIの可能性を強調しています。

要約(オリジナル)

We present GeoLLM-Squad, a geospatial Copilot that introduces the novel multi-agent paradigm to remote sensing (RS) workflows. Unlike existing single-agent approaches that rely on monolithic large language models (LLM), GeoLLM-Squad separates agentic orchestration from geospatial task-solving, by delegating RS tasks to specialized sub-agents. Built on the open-source AutoGen and GeoLLM-Engine frameworks, our work enables the modular integration of diverse applications, spanning urban monitoring, forestry protection, climate analysis, and agriculture studies. Our results demonstrate that while single-agent systems struggle to scale with increasing RS task complexity, GeoLLM-Squad maintains robust performance, achieving a 17% improvement in agentic correctness over state-of-the-art baselines. Our findings highlight the potential of multi-agent AI in advancing RS workflows.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google