本文的第一作者（排名第一） 唐家祺 為香港科技大學(xué) HKUST Visual Intelligence Lab博士生，共同第一作者包括嚴(yán)瑩瑩，王乾宙，夏宇陽，耿博同和陳建民。通信作者包括陳啟峰教授（香港科技大學(xué)）和魏巍教授（西北工業(yè)大學(xué)）。

當(dāng)你在手機(jī)地圖上查看實時路況，當(dāng)天氣預(yù)報準(zhǔn)確預(yù)警臺風(fēng)路徑，當(dāng)農(nóng)業(yè)部門監(jiān)測到作物病蟲害——這一切背后，都離不開遙感技術(shù)。然而，傳統(tǒng)的遙感數(shù)據(jù)分析更像是「眼睛」：它能看見，卻很難理解；它能執(zhí)行指令，卻不會主動思考。

如今，一場由 AI 智能體驅(qū)動的變革正在發(fā)生。近日，來自香港科技大學(xué)、西北工業(yè)大學(xué)、清華大學(xué)等多家高校及研究機(jī)構(gòu)的學(xué)者聯(lián)合發(fā)布了遙感 AI 智能體領(lǐng)域系統(tǒng)綜述。全文逾萬字，首次為「遙感智能體」給出了嚴(yán)格定義，系統(tǒng)梳理了其架構(gòu)、應(yīng)用、數(shù)據(jù)集與未來方向。

這項研究宣告：遙感正從被動感知走向主動認(rèn)知，從單一工具演變?yōu)槟芤?guī)劃、會記憶、可協(xié)作的「地理空間智能體」。

• 論文標(biāo)題：Intelligent Remote Sensing Agents: A Survey
• 論文鏈接：https://github.com/PolyX-Research/Awesome-Remote-Sensing-Agents/paper/preprint.pdf
• 開源資源列表：https://github.com/PolyX-Research/Awesome-Remote-Sensing-Agents

圖 1：展示了近十年來遙感智能體的發(fā)展脈絡(luò)，從早期的單智能體探索到 2024-2026 年多智能體系統(tǒng)的爆發(fā)。

四大核心貢獻(xiàn)，搭建統(tǒng)一框架

這篇綜述的貢獻(xiàn)可以概括為四點：

• 首次形式化定義遙感智能體，將其建模為感知、規(guī)劃、記憶、動作、環(huán)境交互的閉環(huán)系統(tǒng)，為后續(xù)研究提供了數(shù)學(xué)基礎(chǔ)。
• 提出多粒度技術(shù)分類法，從規(guī)劃策略、記憶機(jī)制、動作執(zhí)行、多智能體協(xié)作四個維度系統(tǒng)分析現(xiàn)有方法。
• 全景式梳理六大應(yīng)用場景，覆蓋城市治理、精準(zhǔn)農(nóng)業(yè)、生態(tài)監(jiān)測、海洋監(jiān)管、應(yīng)急響應(yīng)、地質(zhì)勘探。
• 整理開放數(shù)據(jù)集與評測基準(zhǔn)，并指出可靠性、安全性、動態(tài)適應(yīng)等關(guān)鍵挑戰(zhàn)，為未來研究繪制了路線圖。

什么是遙感 AI 智能體？不只是「會聊天」

與通用大語言模型不同，遙感智能體不僅要會「說」，更要會「做」。論文給出了一個嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)定義，但通俗地理解：它是一個能理解用戶高層目標(biāo)、自主拆解任務(wù)、調(diào)用專業(yè)工具（如 GIS 軟件、氣象數(shù)據(jù)、在線知識庫），甚至指揮衛(wèi)星或無人機(jī)去獲取新數(shù)據(jù)的智能系統(tǒng)。

圖 2：展示了智能體的核心模塊：感知、規(guī)劃、記憶、動作，以及與環(huán)境的交互。在 wildfire 示例中，智能體通過衛(wèi)星影像感知火情，結(jié)合氣象數(shù)據(jù)規(guī)劃預(yù)測模型，調(diào)用無人機(jī)執(zhí)行偵察任務(wù)，并將結(jié)果存入記憶庫供后續(xù)使用。

比如，你不再需要告訴它「用 NDVI 指數(shù)分析這片農(nóng)田」，而是可以直接問：「看看我負(fù)責(zé)的區(qū)域里，哪些田塊最近可能缺水了？」智能體便會自己規(guī)劃：獲取多光譜影像、計算植被指數(shù)、比對歷史數(shù)據(jù)、排除干擾因素，最后生成帶地圖的報告——全程無需人工干預(yù)。

這種能力的背后，是四個核心模塊的協(xié)同工作：

規(guī)劃策略：從「照劇本演戲」到「即興演出」

圖 3 左：開環(huán)規(guī)劃在任務(wù)開始前生成固定流程，適合靜態(tài)數(shù)據(jù)；右：閉環(huán)規(guī)劃根據(jù)工具輸出、環(huán)境變化和任務(wù)目標(biāo)實時調(diào)整計劃。

• 開環(huán)規(guī)劃：適合靜態(tài)任務(wù)，預(yù)先制定完整流程（如數(shù)據(jù)獲取→預(yù)處理→分析→輸出），效率高但缺乏應(yīng)變。
• 閉環(huán)規(guī)劃：動態(tài)調(diào)整計劃。例如云層遮住光學(xué)影像，智能體立刻改用雷達(dá)數(shù)據(jù)繼續(xù)分析，或重新調(diào)度衛(wèi)星獲取新影像。

記憶機(jī)制：讓智能體「越用越聰明」

圖 4：展示了智能體如何通過上下文記憶和結(jié)構(gòu)化狀態(tài)存儲維持工作流連貫性，并通過經(jīng)驗池和知識庫實現(xiàn)跨任務(wù)復(fù)用。

• 內(nèi)部記憶：記錄單次任務(wù)中的中間結(jié)果（如矢量圖層、工具參數(shù)），保證流程連貫。
• 外部記憶：跨任務(wù)復(fù)用經(jīng)驗，比如把成功處理洪水的流程存入「經(jīng)驗池」，下次遇到類似災(zāi)害直接調(diào)用。

動作執(zhí)行：從「動嘴」到「動手」

圖 5：動作執(zhí)行

• 調(diào)用外部工具：如 GDAL 處理柵格、SNAP 分析雷達(dá)數(shù)據(jù)。
• 生成代碼：用 Python/R 實現(xiàn)定制化分析，突破預(yù)定義工具限制。
• 具身動作：直接控制無人機(jī)改變航線、調(diào)整衛(wèi)星拍攝角度，實現(xiàn)「感知-決策-行動」閉環(huán)。

多智能體協(xié)作：1+1>2 的群體智慧

圖 6 左：集中式協(xié)作中，中央控制器分配任務(wù)、匯總結(jié)果；右：分布式協(xié)作中，多個智能體通過共享內(nèi)存和批評協(xié)商達(dá)成共識。

面對全球尺度的監(jiān)測或復(fù)雜災(zāi)害響應(yīng)，單一智能體力不從心。綜述區(qū)分了兩種協(xié)作模式：

• 集中式：一個「大腦」統(tǒng)一調(diào)度，適合需要嚴(yán)格一致性的流程（如生成標(biāo)準(zhǔn)地圖產(chǎn)品）。
• 分布式：多個智能體平等協(xié)商，通過交換證據(jù)、互相批評達(dá)成共識，適合信息碎片化的場景（如多源數(shù)據(jù)融合定位）。

六大應(yīng)用場景，智能體已「上崗」

圖 7：智能體在城市治理、精準(zhǔn)農(nóng)業(yè)、生態(tài)監(jiān)測、海洋監(jiān)管、應(yīng)急響應(yīng)、地質(zhì)勘探中的典型應(yīng)用。

• 城市治理

AI 智能體在城市治理中實現(xiàn)感知、分析與行為生成的閉環(huán)。AirSpatialBot 通過空間感知 VLM 完成三維場景下的精細(xì)車輛識別與檢索；ChatGeoAI 與 GeoGPT 將自然語言指令轉(zhuǎn)化為 GIS 工具鏈，自動化空間分析與推理；LLMob 與 AgentMove 則利用個體記憶與集體模式模擬城市居民行為軌跡，LLMLight 通過語言推理優(yōu)化交通信號控制，推動城市管理從被動響應(yīng)向主動干預(yù)演進(jìn)。

• 精準(zhǔn)農(nóng)業(yè)

智能體將遙感分析與農(nóng)業(yè)決策深度融合。GeoLLM-Squad 通過多智能體協(xié)作自動化 NDVI 等指標(biāo)計算；AgriGPT 借助檢索增強(qiáng)處理復(fù)雜農(nóng)藝查詢；ChatLeafDisease 基于思維鏈從圖像直接診斷作物健康。同時，數(shù)據(jù)驅(qū)動的 ABM（如 Data-Driven ABM）學(xué)習(xí)政府與農(nóng)戶行為偏好，支持土地利用優(yōu)化，為精準(zhǔn)農(nóng)業(yè)提供從感知到?jīng)Q策的完整支撐。

• 生態(tài)監(jiān)測

智能體賦能生態(tài)系統(tǒng)從定量評估到政策分析的全鏈條。REO-VLM 突破分類局限，直接回歸預(yù)測地上生物量；TREE-GPT 集成林業(yè)知識庫與 SAM 模型實現(xiàn)單木級結(jié)構(gòu)提?。籆LEAR 利用 LLM 檢索摘要氣候政策，提升決策可及性；EarthLink 與 DA4DTE 自動化氣候科學(xué)研究工作流與數(shù)據(jù)發(fā)現(xiàn)，將衛(wèi)星觀測轉(zhuǎn)化為可操作的生態(tài)敘事。

• 海洋監(jiān)管

智能體在海洋科學(xué)推理與自主航行控制兩大方向取得突破。WaterGPT 與 OceanGPT 分別針對水文與海洋科學(xué)，集成工具調(diào)用與多智能體協(xié)作，支持?jǐn)?shù)據(jù)處理、知識問答與任務(wù)決策；Autonomous Vehicle Maneuvering 與 Agyei 等人的工作將視覺-LLM 嵌入航海仿真與水面無人艇閉環(huán)控制，實現(xiàn)動態(tài)環(huán)境下的路徑規(guī)劃與可解釋決策，推動海洋監(jiān)管向智能化、自主化發(fā)展。

• 應(yīng)急響應(yīng)

智能體在災(zāi)害監(jiān)測與建模決策中展現(xiàn)關(guān)鍵價值。RescueADI 通過規(guī)劃-感知-識別鏈支持自適應(yīng)多步解釋；UAV-CodeAgents 利用多智能體 ReAct 協(xié)作動態(tài)重規(guī)劃無人機(jī)任務(wù)；FIRE-VLM 在數(shù)字孿生中實現(xiàn)火線追蹤。Knowledge-Guided wildfire、ESCAPE、FLARE 與 WildfireGPT 分別通過領(lǐng)域知識注入、認(rèn)知智能體建模、行為理論結(jié)合 RAG 等，提升火勢模擬、地震疏散與應(yīng)急問答的精準(zhǔn)度與時效性。

• 地質(zhì)勘探

智能體將地質(zhì)解釋與勘探自動化推向新高度。PEACE 與 STA-CoT 通過領(lǐng)域知識注入與多智能體鏈?zhǔn)酵评?，實現(xiàn)全圖信息提取與多影像地質(zhì)推理；Geo-MMRAG 構(gòu)建多模態(tài)地質(zhì)知識庫，利用檢索增強(qiáng)緩解巖性識別歧義；MineAgent 與 GeoAgent 通過模塊化框架與工具調(diào)用，自動化端到端勘探流程，并引入專用基準(zhǔn) MineBench，顯著提升礦物勘探的智能化水平。

數(shù)據(jù)與評測：地基不牢，大廈難起

智能體的性能高度依賴數(shù)據(jù)和評測方法。綜述系統(tǒng)整理了現(xiàn)有資源（詳見正文）：

• 感知數(shù)據(jù)集：如 iSAID（實例分割）、Topo-boundary（道路拓?fù)涮崛。?、STAR（場景圖生成）等。
• 推理數(shù)據(jù)集：如 GeoChat（多輪對話指令）、LEVIR-MCI（變化描述）、AirSpatial（三維空間問答）等。
• 決策數(shù)據(jù)集：如 RescueADI（災(zāi)害響應(yīng)流程）、AEOS-Bench（衛(wèi)星調(diào)度軌跡）等。

挑戰(zhàn)在前，未來可期

盡管前景廣闊，遙感智能體仍面臨重重難關(guān)：

• 可靠性：模型幻覺可能導(dǎo)致誤判，尤其在災(zāi)害應(yīng)急中。需引入外部知識驗證、不確定性量化。
• 動態(tài)適應(yīng)：云層、光照、傳感器故障瞬息萬變，智能體必須能實時調(diào)整計劃。
• 安全隱私：高分辨率影像可能泄露敏感目標(biāo)，工具調(diào)用也可能被濫用。聯(lián)邦學(xué)習(xí)、差分隱私等技術(shù)將成為保障。
• 評測缺失：缺乏對規(guī)劃、工具使用、協(xié)作能力的整體評估，新基準(zhǔn)亟待建立。

面向未來，論文指出了五個關(guān)鍵方向：

• 自進(jìn)化：從過往任務(wù)中學(xué)習(xí)，不斷優(yōu)化知識庫和流程。
• 因果推理：不僅知道「發(fā)生了什么」，更要回答「為什么發(fā)生」，為政策制定提供依據(jù)。
• 群體智能：多智能體協(xié)同應(yīng)對氣候變化、糧食安全等全球性問題。
• 具身交互：不僅要分析數(shù)據(jù)，還要主動獲取數(shù)據(jù)——指揮衛(wèi)星變軌、調(diào)度無人機(jī)巡檢。
• 個性化服務(wù)：為不同用戶（規(guī)劃師、農(nóng)民、應(yīng)急人員）提供定制化洞察。

結(jié)語

這篇萬字綜述不僅為遙感 AI 智能體搭建了統(tǒng)一的理論框架，更是一份面向?qū)嵺`的行動指南。它預(yù)示著未來的遙感系統(tǒng)將不再是沉默的「眼睛」，而是能思考、會行動、可對話的「地理空間智能體」。

當(dāng) AI 智能體真正理解地球的每一寸變化，一個更智慧、更可持續(xù)的未來或許就在眼前。