14 октября 2026 г.
Google Research представила агента для многоэтапного геопространственного анализа
Система Geospatial Reasoning объединяет Gemini, модели Earth AI и специализированные наборы данных для анализа карт, спутниковых снимков, погоды и локальных показателей.
Google Research 14 октября 2026 года представила экспериментальную версию Geospatial Reasoning agent. Система на базе Gemini составляет план анализа, выбирает модели и наборы данных Earth AI, а затем выполняет вычисления в отдельной рабочей среде. Ее создавали для задач, с которыми универсальные языковые модели и обычные инструменты программирования справляются недостаточно надежно.
Агент объединяет карты, спутниковые данные и прогнозные модели
Geospatial Reasoning agent может обращаться к WeatherNext, Flood Forecasting, AlphaEarth Foundations, моделям динамики населения и дистанционного зондирования. Ему также доступны сведения Google Maps Platform, Google Earth Engine, Data Commons и Google Dataset Search.
Перед выполнением запроса система разбивает работу на этапы. Если локальных данных недостаточно, агент подбирает резервные наборы. Большие картографические слои обрабатываются вне контекстного окна модели. В итоговый отчет входят текст, таблицы и карты, а пользователь видит план вычислений и сведения об использованных данных.
| Возможность | Как она применяется |
|---|---|
| Подключение собственных данных | Загрузка таблиц CSV, границ GeoJSON и облачных таблиц |
| Многоэтапный анализ | Выбор моделей, объединение слоев и выполнение вычислений по плану |
| Пространственное прогнозирование | Обучение и проверка моделей для прогнозов и повышения детализации карт |
Система обучает модели на локальных показателях
Агент используется в Planetary Prediction Engine. Пользователь может предоставить показатели урожайности, состояния электросетей или распространенности заболеваний. Система подбирает связанные демографические и природные признаки, объединяет их со спутниковыми данными и обучает прогнозную модель.
В исследовании общественного здоровья сочетание данных о населении и спутниковых сигналов повысило точность прогнозов на 12% относительно демографической базовой модели. Карты при этом получили в восемь раз более высокое пространственное разрешение. Этот результат относится к описанному исследованию и не гарантирует такого же прироста для других задач.
Как использовать результаты в академической работе
Google сравнила четыре конфигурации на четырех наборах заданий. Тесты показали, что специализированные инструменты и предварительное планирование особенно влияют на количественные пространственные расчеты. Компания также открыла исследовательские части новых наборов GeoKTools и GeoExpertQueries.
Студентам и исследователям при работе с отчетом агента стоит проверить выбранные наборы данных, территориальное покрытие, единицы измерения и допущения модели. Доступ расширяется через Ask Google Earth и сервис Agent-to-Agent, но пока остается экспериментальным. Условия для отдельных аккаунтов и регионов в анонсе не уточняются.
