Исследователи представили TreeAgent — мультиагентную систему, автоматизирующую процесс разметки данных для задач дистанционного зондирования лесов. Фреймворк объединяет логику экспертных деревьев решений с возможностями мультимодальных языковых моделей (VLM). Это позволяет устранить субъективность человеческой разметки и значительно ускорить подготовку обучающих выборок для классификации параметров деревьев, таких как высота, решая проблему масштабируемости в специализированных отраслевых задачах.
Традиционные методы обучения моделей в лесном хозяйстве сильно зависят от экспертов-людей, чьи оценки часто противоречивы и требуют больших временных затрат. TreeAgent переносит этот процесс в агентную среду, где специализированные агенты интерпретируют визуальные данные и сверяют их с формализованными правилами экспертов. Такой гибридный подход обеспечивает высокую точность классификации, сохраняя при этом интерпретируемость решений, что критически важно для научных и промышленных задач мониторинга лесных массивов.
Архитектура системы построена на оркестрации нескольких агентов, каждый из которых отвечает за определенный этап анализа: от обработки изображений до верификации результатов на основе скомпилированных экспертных правил. Интеграция VLM позволяет модели «видеть» объекты на снимках, а экспертные правила выступают в роли жесткого фильтра, предотвращающего галлюцинации и ошибки, характерные для чисто нейросетевых подходов в узкоспециализированных доменах.
Ключевые факты
- Система TreeAgent разработана для автоматизации разметки данных в задачах дистанционного зондирования лесов.
- Фреймворк сочетает использование мультимодальных языковых моделей с жесткими экспертными правилами (Compiled Expert Rules).
- Решение направлено на преодоление узкого места в виде медленной и субъективной человеческой разметки данных.
- Метод позволяет масштабировать классификацию параметров деревьев, таких как высота, с сохранением высокой точности и интерпретируемости результатов.