arXivのcs.CVカテゴリーは10月13日(現地時間)、地球観測(EO)モデル開発に関する論文を公開した。Sijie Zhao氏ら9名の研究者が執筆し、汎用コーディングエージェントがEOモデルを構築し再帰的に自己改善する手法を提示。光学、合成開口レーダー(SAR)、マルチスペクトル時系列画像を含む4つのEOベンチマークで最先端技術を上回る精度を達成し、訓練ラベルの約1%でその大部分の精度を維持できるとした。
論文「The Last Remote Sensing Model Built by Humans? Casting Any Earth Observation Task as Recursive Self-Improvement」は、arXiv識別番号2610.18845として公開された。原文公開日時は2026年10月13日17時57分51秒(協定世界時)。
検証可能な地球観測(EO)タスクは、「ハーネス」と「検証器」という二つの要素に分解できるという。ハーネスは、エージェントがモデル構築に用いるツールや環境を定義する役割を持つ。検証器は、構築されたモデルの成功度合いを評価する基準を設定する。汎用コーディングエージェントは、この二つのコンポーネントのみを与えられた状態で、自律的にEOモデルを構築し、自身の出力や性能評価に基づいて再帰的に改善する仕組みを持つ。
これまで個別の研究課題として扱われてきた、限られた少数のラベルでの学習や、異なるドメイン間でのモデル適応といった設定は、このフレームワークでは、ハーネスと検証器の適切な選択の問題に帰結するとしている。エージェントが構築したモデルは、光学、合成開口レーダー(SAR)、マルチスペクトル時系列画像にわたる4つのEOベンチマークで、既存の最先端技術を上回る性能を示した。加えて、訓練ラベルの約1%のデータ量でも、その精度の大部分を維持できることが確認された。
研究チームが示した枠組みは、モデル開発における人間の役割を、個々のアルゴリズム設計からハーネスと検証器の設計に移す可能性がある。従来、少数ラベル学習やドメイン適応は個別に手法が検討されてきたが、今回の枠組みではこれらが共通の設計問題として扱われる点が特徴とされる。
研究チームは、人間がハーネスと検証器を設計し、エージェントがその定義に基づいて自律的にモデルを構築・改善するアプローチを、EO分野における新たな手法として位置付けている。
論文はarXiv cs.CVのカテゴリーで公開された。URLはhttps://arxiv.org/abs/2610.18845。
参考: arXiv cs.CV — 2026年10月14日 02:57 (JST)
原文ハイライト"Casting Any Earth Observation Task as Recursive Self-Improvement"