GeoAI Agent - Tag - 堂堂一跑堂https://spacetop.win/tags/geoai-agent/GeoAI Agent - Tag - 堂堂一跑堂Hugo -- gohugo.iozh-CNkingcopper@whu.edu.cn (WangTong)kingcopper@whu.edu.cn (WangTong)Mon, 15 Jun 2026 09:00:02 +0800过去 24 小时遥感 AI 雷达：GeoFM 比架构，VLM 比证据，Agent 比执行https://spacetop.win/2026/06/20260615_090002_daily_remote_sensing_radar/Mon, 15 Jun 2026 09:00:02 +0800WangTonghttps://spacetop.win/2026/06/20260615_090002_daily_remote_sensing_radar/ 过去 24 小时遥感 AI 雷达：GeoFM 比架构，VLM 比证据，Agent 比执行

结论：今天最值得看的不是单点 SOTA，而是遥感 AI 的评价对象正在变化。 GeoFM 方向开始从“谁的预训练更大”转向“同一协议下，架构如何处理缺 band、多光谱和下游任务”；GeoAI Agent 方向开始从“能不能调用工具”转向“能不能把遥感影像、格网数据、GIS、模拟器和文档证据串成可执行过程”；CV-to-RS 方向给出一个强信号：box/mask prompt 与 test-time adaptation 很适合做遥感开放词汇分割和变化检测的证据校准。

我按 2026-06-15 09:00:02 +08:00 回看公开来源。由于 arXiv 周末没有正常新一轮发布，严格 24 小时内没有比前几轮更强的新遥感主线；本篇保留最近一个可核验 release 窗口里仍值得进入日报的 5 个条目，并过滤 SAR、PolSAR、InSAR、radar-only、microwave-only 和 SAR-optical fusion 主线。个别论文含 S1/S2 混合实验时，本文只讨论其 Sentinel-2、多光谱、缺 band 和架构泛化部分，不把 SAR 结果作为推荐依据。

排名 论文/项目 来源时间 任务 数据/模态 贡献 代码/数据 分数 为什么重要
1 Emerging Flexible Designs for Geospatial Multimodal Foundation Models arXiv, 2026-06-10 GeoFM 架构比较 Sentinel-2、多光谱、GEOBench 在同一预训练目标、数据和下游协议下比较 SatMAE、DOFA、Flex，重点看 band 灵活性和 dense prediction 论文公开；复现实验框架指向 Terratorch iterate 8.5 它把 GeoFM 讨论从“模型名对模型名”拉回到 tokenization、fusion、missing-band 这些可实验变量
2 TerraBench: Can Agents Reason Over Heterogeneous Earth-System Data? arXiv, 2026-06-11 Earth-system agent benchmark EO imagery、gridded data、GIS、simulation、documents 403 个 agentic tasks、3 个 track、8 个应用域、24,500 个 verified execution steps 论文公开；代码/benchmark 需继续跟踪入口 8.4 遥感 AI 评测开始要求过程证据、工具参数和 artifact provenance，而不是只看最终文字
3 GeoNatureAgent Benchmark arXiv, 2026-06-11 环境地理分析 agent GIS API、环境指标、BigEarthNet V2 扩展 93 个任务、18 类能力、16 个工具接口，评测真实 API 上的结构化 tool calling 论文称 benchmark、harness、自托管 API 公开 8.0 对生态、城市、农业场景很实用：检验 agent 是否真的会做地理分析，而不是会写漂亮解释
4 SpatialClaw: Rethinking Action Interface for Agentic Spatial Reasoning arXiv / project, 2026-06-11 VLM 空间推理接口 图像/视频、3D/4D 空间任务 训练自由框架，让 VLM 在 stateful Python kernel 中逐步写代码、观察结果、再推理 项目页公开；GitHub 需跟踪 7.8 这条 CV 线可迁移到遥感：大幅 tile、mask、polygon、DEM、GIS layer 都适合可执行代码轨迹
5 MaskWAM: Unifying Mask Prompting and Prediction for World-Action Models arXiv / GitHub, 2026-06-11 Mask prompt / object-centric prediction 视频、mask、动作条件 把 mask 同时作为输入 prompt 和预测目标，降低语言指代歧义并抑制背景噪声 arXiv 与 GitHub README 可访问 7.5 虽然是机器人论文，但对遥感 VLM/SAM 很有迁移价值：box/mask prompt 可以成为跨域 TTA 的空间锚点

这篇的价值在于把 GeoFM 的争论变成可控实验。 过去很多遥感 foundation model 论文同时换了数据、任务、训练轮数、mask 策略、输入 band 和 decoder，很难判断到底是架构有效，还是训练 recipe 更强。Emerging Flexible Designs for Geospatial Multimodal Foundation Models 把 SatMAE、DOFA 和一个 ClimaX-inspired Flex 放进同一套自监督预训练和 GEOBench 下游协议里比较，重点问两个问题：多光谱 band 应该怎么 tokenization，跨 band / modality 的 fusion 应该放在什么位置。

]]>过去 24 小时遥感 AI 雷达：GeoAgent 基准、空间推理接口与 Mask Prompthttps://spacetop.win/2026/06/20260612_103741_daily_remote_sensing_radar/Fri, 12 Jun 2026 10:37:41 +0800WangTonghttps://spacetop.win/2026/06/20260612_103741_daily_remote_sensing_radar/ 过去 24 小时遥感 AI 雷达：GeoAgent 基准、空间推理接口与 Mask Prompt

结论：今天的信号不在“又一个遥感 backbone”，而在地理智能系统的评测方式。 近 24 小时内，严格非 SAR/radar-only 的遥感 AI 新文并不多；更值得跟踪的是三条相互靠近的线：Earth-system agent benchmark 开始把遥感影像、格网数据、GIS 和模拟器放进同一个可执行工作流；通用 VLM 空间推理开始转向“代码作为行动接口”；mask/box prompt 从机器人世界模型里被证明是降低语言歧义的强约束。这三条线组合起来，正好对应遥感 VLM 的一个短板：能说，但未必能把证据落到对象、区域、时间和地图操作上。

我按 2026-06-12 10:37:41 +08:00 回看近 24 小时公开来源，过滤了 SAR、PolSAR、InSAR、radar-only、microwave-only 和 SAR-optical fusion 项。OpenReview、CVF、IEEE/ISPRS/ACM 在这个时间窗内没有检索到比 arXiv/官方 GitHub 更直接的新主线；GitHub/Hugging Face 只作为代码或数据可复现性补证据。

排名 论文/项目 来源时间 任务 数据/模态 贡献 代码/数据 分数 为什么重要
1 TerraBench: Can Agents Reason Over Heterogeneous Earth-System Data? arXiv, 2026-06-11 10:26 UTC Earth-system agent 评测 遥感影像、格网数据、GIS、模拟器、文档证据 用 TerraAgent/ReAct 式可执行框架，把工具调用、过程指标和容差数值评分合在一起；403 个任务、24,500 个验证执行步骤 论文页已公开；代码需继续跟踪 8.6 遥感 AI 评测从“单图问答/单任务分割”走向“可执行地理工作流”，适合做 GeoFM/VLM 的下一代 benchmark
2 SpatialClaw: Rethinking Action Interface for Agentic Spatial Reasoning arXiv/GitHub, 2026-06-11 17:59 UTC VLM 空间推理 图像/视频、3D/4D 空间任务 训练自由框架，让 VLM 在持久 Python kernel 里逐步写代码，调用感知与几何工具，而不是一次性输出答案 官方 GitHub: NVlabs/SpatialClaw 8.2 对遥感 VLM 很可迁移：大幅影像、矢量图层、DEM、对象 mask 都天然适合“代码单元 + 中间证据”式推理
3 MaskWAM: Unifying Mask Prompting and Prediction for World-Action Models arXiv, 2026-06-11 16:02 UTC Mask prompt / 目标中心预测 视频、mask、动作条件 把 mask 同时作为输入提示和预测目标，用对象中心监督减弱背景噪声和语言歧义 论文页已公开；官方代码需继续跟踪 7.4 虽然是机器人/世界模型论文，但它给遥感一个清晰迁移点：box/mask prompt 可以作为变化检测、开放词汇分割和人工交互标注的证据锚点

来源事实： TerraBench 于 2026-06-11 提交 arXiv。论文把问题定义为 grounded Earth-science reasoning，覆盖 Earth observation imagery、gridded data、GIS reasoning、simulation 和 document-grounded verification。它不是只问“图里有什么”，而是要求 agent 通过工具调用完成检索、地理处理、模拟和带证据的计算。论文报告 benchmark 包含 403 个任务、三个 track、八个应用域和 24,500 个验证执行步骤。

]]>