Sintesi Tecnica: TreeAgent – Un Framework Multi-Agente Generalizzabile per la Etichettatura Automatizzata dei Bias in Silvicoltura

1. Definizione del Probleamento

Nella telerilevamento forestale, la stima accurata dell'altezza degli alberi è critica per il calcolo del carbonio terrestre e le politiche climatiche. Tuttavia, tre fonti di dati primarie — misurazioni sul campo, nuvole di punti LiDAR aeree e modelli di altezza della chioma (CHM) derivati da LiDAR — presentano sistematicamente discrepanze, esibendo modalità di errore distinte. Correggere questi bias richiede che esperti di dominio etichettino manualmente i singoli alberi sulla base di regole diagnostiche complesse che distinguono sette tipi di bias. Questo processo è lento (3–5 minuti per albero), incoerente tra gli annotatori e non scala a inventari continentali. Inoltre, i dati di "riferimento" generati da questi esperti spesso contengono rumore dovuto alla variabilità inter-esperto, creando un collo di bottiglia per l'addestramento di modelli di Machine Learning (ML) supervisionati.

La sfida centrale è automatizzare questo processo di etichettatura mantenendo l'interpretabilità e la fedeltà delle regole definite dagli esperti, senza fare affidamento su modelli di deep learning end-to-end che scartano la logica strutturale o su Large Language Models (LLM) a singolo prompt che mancano di affidabilità.

2. Metodologia

Il Framework Decoupled Declarative Decision (D3)

Gli autori propongono il framework Decoupled Declarative Decision (D3), che separa il cosa sia una decisione (la logica) dal come essa venga eseguita. Questo framework consente una generalizzazione a zero modifiche attraverso diverse strutture decisionali definite dagli esperti.

• Inventory dei Primitivi Logici (LPI): Un vocabolario fisso e finito di primitivi di esecuzione atomici ($V$) partizionati in tre tipi:
  • Nodi Deterministici ($V_{det}$): Si risolvono tramite predicati aritmetici a forma chiusa su metriche tabulari (es. differenze di altezza).
  • Nodi VLM ($V_{vlm}$): Si risolvono interrogando un agente Vision-Language Model su modalità d'immagine (es. sovrapposizione delle chiome).
  • Nodi di Uscita ($V_{exit}$): Terminano l'esecuzione e restituiscono un'etichetta di classe.
• Neural Rule Transpiler (NRT): Una componente basata su LLM che compila regole strutturate in linguaggio naturale degli esperti ($\rho$) in un grafo decisionale tipizzato ed eseguibile ($T$) sopra l'LPI. L'NRT assicura che l'output sia una struttura JSON valida conforme allo schema LPI.
• Orchestratore: Un motore agnostico rispetto alle regole che attraversa il grafo decisionale compilato. Valuta i nodi deterministici direttamente e delega i nodi percettivi all'agente VLM. L'orchestratore non contiene regole esperte hard-coded, permettendo al sistema di adattarsi a nuove regole semplicemente ricompilando la configurazione.

Implementazione di TreeAgent

TreeAgent è l'istanza di D3 per l'etichettatura dei bias in silvicoltura.

• Agente VLM: Per i nodi che richiedono un giudizio visivo (es. rilevamento della sovrapposizione delle chiome o outlier del suolo), il sistema impiega un modello Vision-Language. Per mitigare la stocasticità, l'agente esegue $K=3$ chiamate di inferenza indipendenti a temperatura $\tau=0.2$ e aggrega i risultati tramite voto di maggioranza.
• Modalità di Input: Il VLM riceve dati tabulari strutturati e due input visivi specifici: (1) una finestra CHM vista dall'alto con poligoni delle chiome e posizioni dei tronchi, e (2) una sezione trasversale del transect LiDAR a due pannelli (N-S e E-W) colorata per classe LiDAR.
• Prompt Engineering: Il sistema testa varie strategie di prompt, inclusi il ragionamento Chain-of-Thought e il framing esperto, per ottimizzare la capacità del VLM di interpretare le convenzioni di rendering specifiche del LiDAR.

Baseline

Lo studio confronta TreeAgent con:

1. Baseline di ML Supervisionato: Una suite di modelli tabulari (LightGBM, XGBoost, Random Forest, CatBoost, TabPFN) addestrati su feature ingegnerizzate a mano che riassumono le fonti di altezza dell'albero e il contesto del terreno locale.
2. Modelli di Point Cloud: Un'architettura PointNet addestrata end-to-end su nuvole di punti grezze ritagliate.
3. Annotazione Umana: Lo standard di riferimento, notando il costo temporale e la variabilità.

3. Contributi Chiave

1. Il Framework D3: Un'architettura innovativa che scinde la logica di classificazione dell'esperto dall'esecuzione. Introduce un Inventario di Primitivi Logici chiuso e un Neural Rule Transpiler basato su LLM che compila le regole in linguaggio naturale in grafi decisionali validati e auditabili.
2. Sistema TreeAgent: Un sistema multi-agente che codifica la diagnostica dei sette-classi di bias di un esperto forestale. Utilizza un agente VLM a voto di maggioranza per gestire i nodi percettivi all'interno del grafo decisionale, colmando efficacemente il divario tra regole simboliche e percezione visiva.
3. Valutazione Empirica: Una valutazione rigorosa su alberi etichettati da esperti provenienti da due siti NEON (WREF e SRER), dimostrando che TreeAgent supera significativamente le baseline di ML supervisionato riducendo drasticamente i tempi di annotazione.

4. Risultati

Metriche di Performance

• TreeAgent: Ha raggiunto un punteggio Macro-F1 del 67,6% sulla tassonomia dei sette tipi di bias con un tempo di esecuzione medio di 0,040 minuti per albero.
• Baseline ML Supervisionato (LightGBM): Ha raggiunto un Macro-F1 del 36,2% nonostante l'esteso feature engineering, la correzione dello sbilanciamento delle classi e l'ottimizzazione degli iperparametri.
• Annotazione Umana: Richiede circa 5,0 minuti per albero.

Sensibilità e Robustezza

• Fedeltà della Regola: L'accuratezza del sistema dipende fortemente dalla fedeltà della regola codificata rispetto alla procedura di annotazione effettiva dell'esperto. Le variazioni nel predicato "No Difference" (es. disuguaglianza stretta vs non stretta, diversi normalizzatori) hanno causato fluttuazioni del Macro-F1 tra il 21,9% e il 67,6%. Il risultato principale (67,6%) è stato ottenuto utilizzando una regola che corrispondeva strettamente alla procedura di annotazione usata per generare la verità di base (ground truth).
• Performance del VLM: La performance dell'agente VLM variava in base alla versione del prompt. Il prompt "V1" (aggiunta del contesto di sistema) ha raggiunto il 100% di recall per il rilevamento della sovrapposizione delle chiome con una specificità del 25%, bilanciando la necessità di catturare sovrapposizioni reali con i falsi allarmi.
• Generalizzazione Geografica: La baseline di ML supervisionato è stata scarsa sulla divisione geografica (addestramento su OSBS, test su WREF/SRER), scendendo al 14,2% di Macro-F1 sul sito SRER. TreeAgent ha mantenuto una performance più alta, suggerendo una migliore generalizzazione quando guidata da regole esperte esplicite.

Limitazioni Osservate

• Errori del VLM: La fonte dominante di errore di etichettatura è l'agente VLM, in particolare per le classi che richiedono un giudizio visivo. I VLM generalisti faticano con le convenzioni di rendering specializzate del LiDAR.
• Fragilità delle Soglie: Le regole deterministiche possono essere fragili alle condizioni limite. Due alberi nominalmente classificati sotto una regola "No Difference" sono stati classificati erroneamente perché le loro misurazioni si trovavano al limite della tolleranza del 2%, evidenziando una tensione tra soglie simboliche rigide e giudizio percettivo.

5. Significato e Rivendicazioni

Il paper sostiene che l'orchestrazione agentica di VLM con prior esperti offre una via percorribile verso un'annotazione scalabile e interpretable in domini dove la verità di base è costosa e il ragionamento dell'esperto è strutturato ma richiede occasionalmente un giudizio percettivo.

• Costo ed Efficienza: TreeAgent riproduce le procedure di etichettatura definite dagli esperti a una frazione del costo (0,040 min vs 5 min per albero) mantenendo al contempo un accordo con i riferimenti esperti superiore rispetto al convenzionale ML supervisionato.
• Interpretabilità e Auditabilità: A differenza dei modelli end-to-end, ogni decisione in TreeAgent è tracciabile fino al nodo specifico della regola esperta che l'ha prodotta. Ciò preserva l'auditabilità richiesta nei workflow scientifici ad alto rischio.
• Generalizzabilità: Il framework D3 consente revisioni delle regole tramite modifiche di configurazione anziché re-ingegneria del codice, rendendolo adattabile all'evoluzione degli standard scientifici.
• Ambito: Sebbene dimostrato in silvicoltura, gli autori pongono D3 come una ricetta generale per i workflow di etichettatura scientifica in cui la logica dell'esperto è strutturata ed evolutiva. Avvertono che il sistema non è un sostituto della revisione esperta in inventari critici, poiché gli errori del VLM sui nodi percettivi possono propagarsi alle stime a valle, e il sistema eredita i bias presenti nelle regole esperte codificate.