Resumen Técnico: TreeAgent – Un marco multi-agente generalizable para el etiquetado automatizado de sesgos en la silvicultura

1. Planteamiento del problema

En la teledetección forestal, la estimación precisa de la altura de los árboles es crítica para la contabilidad del carbono terrestre y las políticas climáticas. Sin embargo, tres fuentes de datos principales —mediciones de campo, nubes de puntos LiDAR aerotransportadas y Modelos de Altura de Dosel (CHM) derivados de LiDAR— discrepan sistemáticamente, exhibiendo modos de error distintos. Corregir estos sesgos requiere que expertos en la materia etiqueten manualmente árboles individuales basándose en reglas diagnósticas complejas que distinguen siete tipos de sesgo. Este proceso es lento (3 a 5 minutos por árbol), inconsistente entre anotadores y no escala a inventarios continentales. Además, los datos de "referencia" generados por estos expertos suelen contener ruido debido a la variabilidad entre expertos, lo que crea un cuello de botella para el entrenamiento de modelos de Aprendizaje Automático (ML) supervisados.

El desafío central es automatizar este proceso de etiquetado manteniendo la interpretabilidad y la fidelidad de las reglas definidas por expertos, sin depender de modelos de aprendizaje profundo (deep learning) de extremo a extremo que descartan la lógica estructural, ni de modelos de Grandes Modelos de Lenguaje (LLM) de un solo prompt que carecen de fiabilidad.

2. Metodología

El Marco de Decisión Declarativa Desacoplada (D3)

Los autores proponen el marco de Decisión Declarativa Desacoplada (D3), que separa qué es una decisión (la lógica) de cómo se ejecuta. Este marco permite una generalización sin modificaciones en diversas estructuras de decisión definidas por expertos.

• Inventario de Primitivas Lógicas (LPI): Un vocabulario fijo y finito de primitivas de ejecución atómicas ($V$) particionado en tres tipos:
  • Nodos Deterministas ($V_{det}$): Se resuelven mediante predicados aritméticos de forma cerrada sobre métricas tabulares (p. ej., diferencias de altura).
  • Nodos VLM ($V_{vlm}$): Se resuelven consultando un agente de Modelo de Lenguaje y Visión (VLM) sobre modalidades de imagen (p. ej., solapamiento de copas).
  • Nodos de Salida ($V_{exit}$): Terminan la ejecución y devuelven una etiqueta de clase.
• Transpilador de Reglas Neuronal (NRT): Un componente basado en LLM que compila reglas de expertos en lenguaje natural estructurado ($\rho$) en un grafo de decisión tipificado y ejecutable ($T$) sobre el LPI. El NRT asegura que la salida sea una estructura JSON válida que cumda con el esquema del LPI.
• Orquestador: Un motor agnóstico a las reglas que recorre el grafo de decisión compilado. Evalúa los nodos deterministas directamente y delega los nodos perceptuales al agente VLM. El orquestador no contiene reglas de expertos codificadas de forma rígida, lo que permite al sistema adaptarse a nuevas reglas simplemente recompilando la configuración.

Implementación de TreeAgent

TreeAgent es la instanciación de D3 para el etiquetado de sesgos en silvicultura.

• Agente VLM: Para los nodos que requieren juicio visual (p. ej., detectar solapamiento de copas o valores atípicos del suelo), el sistema emplea un Modelo de Lenguaje y Visión. Para mitigar la estocasticidad, el agente realiza $K=3$ llamadas de inferencia independientes con una temperatura $\tau=0.2$ y agrega los resultados mediante votación mayoritaria.
• Modalidades de Entrada: El VLM recibe datos tabulares estructurados y dos entradas visuales específicas: (1) una ventana de CHM de vista de pájaro con polígonos de copa y ubicaciones de tallos, y (2) una sección transversal de transecto LiDAR de dos paneles (N-S y E-W) coloreada por clase de LiDAR.
• Ingeniería de Prompts: El sistema prueba varias estrategias de prompting, incluyendo el razonamiento de Cadena de Pensamiento (Chain-of-Thought) y el encuadre de experto, para optimizar la capacidad del VLM de interpretar las convenciones de renderizado específicas de LiDAR.

Baselines (Líneas de base)

El estudio compara TreeAgent contra:

1. Baselines de ML Supervisado: Una suite de modelos tabulares (LightGBM, XGBoost, Random Forest, CatBoost, TabPFN) entrenados con características diseñadas manualmente que resumen las fuentes de altura de los árboles y el contexto del terreno local.
2. Modelos de Nube de Puntos: Una arquitectura PointNet entrenada de extremo a extremo en nubes de puntos crudas recortadas.
3. Anotación Humana: El estándar de referencia, señalando el costo de tiempo y la variabilidad.

3. Contribuciones Clave

1. El Marco D3: Una arquitectura novedosa que desacopla la lógica de clasificación del experto de su ejecución. Introduce un Inventario de Primitivas Lógicas cerrado y un Transpilador de Reglas Neuronal basado en LLM que compila reglas de lenguaje natural en grafos de decisión validados y auditables.
2. Sistema TreeAgent: Un sistema multi-agente que codifica un diagnóstico de sesgo de siete clases de un experto forestal. Utiliza un agente VLM de voto mayoritario para manejar los nodos perceptuales dentro del grafo de decisión, uniendo eficazmente las reglas simbólicas y la percepción visual.
3. Evaluación Empírica: Una evaluación rigurosa sobre árboles etiquetados por expertos de dos sitios NEON (WREF y SRER), demostrando que TreeAgent supera significativamente a los baselines de ML supervisado mientras reduce drásticamente el tiempo de anotación.

4. Resultados

Métricas de Rendimiento

• TreeAgent: Logró un puntaje Macro-F1 del 67.6% en la taxonomía de siete clases de sesgo con un tiempo de ejecución promedio de 0.040 minutos por árbol.
• Baseline de ML Supervisado (LightGBM): Logró un Macro-F1 del 36.2% a pesar del extenso diseño de características, la corrección de desequilibrio de clases y el ajuste de hiperparámetros.
• Anotación Humana: Requiere aproximadamente 5.0 minutos por árbol.

Sensibilidad y Robustez

• Fidelidad de la Regla: La precisión del sistema depende altamente de la fidelidad de la regla codificada respecto al procedimiento de anotación real del experto. Las variaciones en el predicado de "Sin Diferencia" (p. ej., desigualdad estricta vs. no estricta, diferentes normalizadores) causaron que el Macro-F1 fluctuara entre 21.9% y 67.6%. El resultado principal (67.6%) se logró utilizando una regla que coincidía estrictamente con el procedimiento de anotación utilizado para generar la verdad de terreno.
• Rendimiento del VLM: El rendimiento del agente VLM varió según la versión del prompt. El prompt "V1" (añadiendo contexto de sistema) logró un 100% de recall para la detección de solapamiento de copas con un 25% de especificidad, equilibrando la necesidad de capturar solapamientos reales frente a falsas alarmas.
• Generalización Geográfica: El baseline de ML supervisado tuvo un desempeño pobre en la división geográfica (entrenado en OSBS, probado en WREF/SRER), cayendo a un 14.2% de Macro-F1 en el sitio SRER. TreeAgent mantuvo un rendimiento superior, sugiriendo una mejor generalización cuando se guía por reglas de expertos explícitas.

Limitaciones Observadas

• Errores del VLM: La fuente dominante de error de etiquetado es el agente VLM, particularmente en clases que requieren juicio visual. Los VLM de propósito general tienen dificultades con las convenciones de renderizado especializadas de LiDAR.
• Fragilidad de los Umbrales: Las reglas deterministas pueden ser frágiles en las condiciones límite. Dos árboles que nominalmente caían bajo una regla de "Sin Diferencia" fueron clasificados erróneamente porque sus mediciones se situaban en el borde de una tolerancia del 2%, resaltando una tensión entre los umbrales simbólicos rígidos y el juicio perceptual.

5. Significación y Reivindicaciones

El artículo afirma que la orquestación agéntica de VLMs con prioris de expertos ofrece un camino viable hacia la anotación escalable e interpretable en dominios donde la verdad de terreno es costosa y el razonamiento del experto es estructurado pero ocasionalmente requiere juicio perceptual.

• Costo y Eficiencia: TreeAgent reproduce los procedimientos de etiquetado definidos por expertos a una fracción del costo (0.040 min vs. 5 min por árbol) mientras mantiene un acuerdo con las referencias de los expertos mayor que el ML supervisado convencional.
• Interpretabilidad y Auditabilidad: A diferencia de los modelos de extremo a extremo, cada decisión en TreeAgent es trazable hasta el nodo de la regla específica del experto que la produjo. Esto preserva la auditabilidad requerida para flujos de trabajo científicos de alto nivel.
• Generalizabilidad: El marco D3 permite revisiones de reglas mediante ediciones de configuración en lugar de reingeniería de código, lo que lo hace adaptable a la evolución de los estándares científicos.
• Alcance: Aunque se demostró en silvicultura, los autores postulan que D3 proporciona una receta general para flujos de trabajo de etiquetado científico donde la lógica del experto es estructurada y evolutiva. Advierten que el sistema no es un sustituto para la revisión experta en inventarios de alto riesgo, ya que los errores del VLM en los nodos perceptuales pueden propagarse a las estimaciones posteriores, y el sistema hereda los sesgos presentes en las reglas de expertos codificadas.