Resumo Técnico: TreeAgent – Um Framework Multiagente Generalizável para Rotulagem Automatizada de Viés em Silvicultura

1. Definição do Problema

Na sensoriamento remoto florestal, a estimativa precisa da altura das árvores é crítica para a contabilidade de carbono terrestre e políticas climáticas. No entanto, três fontes de dados primárias — medições de campo, nuvens de pontos LiDAR aerotransportadas e Modelos de Altura de Dossel (CHM) derivados de LiDAR — discordam sistematicamente, exibindo modos de erro distintos. Corrigir esses vieses exige que especialistas de domínio rotulem manualmente árvores individuais com base em regras diagnósticas complexas que distinguem sete tipos de viés. Esse processo é lento (3 a 5 minutos por árvore), inconsistente entre anotadores e não escala para inventários continentais. Além disso, os dados de "referência" gerados por esses especialistas frequentemente contêm ruído devido à variabilidade inter-especialista, criando um gargalo para o treinamento de modelos de Aprendizado de Máquina (ML) supervisionados.

O desafio central é automatizar esse processo de rotulagem mantendo a interpretabilidade e a fidelidade das regras definidas por especialistas, sem depender de modelos de aprendizado profundo (deep learning) de ponta a ponta que descartam a lógica estrutural ou de modelos de Linguagem de Grande Escala (LLMs) de prompt único que carecem de confiabilidade.

2. Metodologia

O Framework Decoupled Declarative Decision (D3)

Os autores propõem o framework Decoupled Declarative Decision (D3), que separa o que é uma decisão (a lógica) de como ela é executada. Este framework permite a generalização sem modificação de estrutura através de diversos processos de decisão definidos por especialistas.

• Inventário de Primitivas de Lógica (LPI): Um vocabulário fixo e finito de primitivas de execução atômicas ($V$) particionado em três tipos:
  • Nós Determinísticos ($V_{det}$): Resolvidos via predicados aritméticos de forma fechada sobre métricas tabulares (ex: diferenças de altura).
  • Nós VLM ($V_{vlm}$): Resolvidos consultando um agente de Modelo de Linguagem-Visão em modalidades de imagem (ex: sobreposição de dossel).
  • Nós de Saída ($V_{exit}$): Terminam a execução e retornam um rótulo de classe.
• Transpilador de Regras Neural (NRT): Um componente baseado em LLM que compila regras de linguagem natural estruturadas de especialistas ($\rho$) em um grafo de decisão tipado e executável ($T$) sobre o LPI. O NRT garante que a saída seja uma estrutura JSON válida conforme o esquema do LPI.
• Orquestrador: Um motor agnóstico à regra que percorre o grafo de decisão compilado. Ele avalia nós determinísticos diretamente e delega nós perceptuais ao agente VLM. O orquestrador não contém regras de especialistas codificadas (hard-coded), permitindo que o sistema se adapte a novas regras simplesmente recompilando a configuração.

Implementação do TreeAgent

O TreeAgent é a instanciação do D3 para rotulagem de viés florestal.

• Agente VLM: Para nós que exigem julgamento visual (ex: detecção de sobreposição de copa ou outliers de solo), o sistema utiliza um Modelo de Linguagem-Visão. Para mitigar a estocasticidade, o agente realiza $K=3$ chamadas de inferência independentes com temperatura $\tau=0.2$ e agrega os resultados via votação majoritária.
• Modalidades de Entrada: O VLM recebe dados tabulares estruturados e duas entradas visuais específicas: (1) uma janela de CHM de visão aérea com polígonos de copa e localizações de caules, e (2) uma seção transversal de transecto LiDAR de dois painéis (N-S e E-W) colorida por classe de LiDAR.
• Engenharia de Prompt: O sistema testa várias estratégias de prompt, incluindo raciocínio de Cadeia de Pensamento (Chain-of-Thought) e enquadramento de especialista, para otimizar a capacidade do VLM de interpretar convenções de renderização específicas de LiDAR.

Baselines (Linhas de Base)

O estudo compara o TreeAgent contra:

1. Baselines de ML Supervisionado: Uma suíte de modelos tabulares (LightGBM, XGBoost, Random Forest, CatBoost, TabPFN) treinados em características criadas manualmente que resumem a origem da altura da árvore e o contexto do terreno local.
2. Modelos de Nuvem de Pontos: Uma arquitetura PointNet treinada de ponta a ponta em nuvens de pontos brutas recortadas.
3. Anotação Humana: O padrão de referência, observando o custo de tempo e a variabilidade.

3. Principais Contribuições

1. O Framework D3: Uma arquitetura inovadora que desacopla a lógica de classificação do especialista da sua execução. Introduz um Inventário de Primitivas de Lógica fechado e um Transpilador de Regras Neural baseado em LLM que compila regras de linguagem natural em grafos de decisão validados e auditáveis.
2. Sistema TreeAgent: Um sistema multiagente que codifica o diagnóstico de viés de sete classes de um especialista florestal. Ele utiliza um agente VLM de voto majoritário para lidar com nós perceptuais dentro do grafo de decisão, unindo efetivamente regras simbólicas e percepção visual.
3. Avaliação Empírica: Uma avaliação rigorosa em árvores rotuladas por especialistas de dois locais NEON (WREF e SRER), demonstrando que o TreeAgent supera significativamente os baselines de ML supervisionado enquanto reduz drasticamente o tempo de anotação.

4. Resultados

Métricas de Desempenho

• TreeAgent: Alcançou um Macro-F1 de 67,6% na taxonomia de sete classes com um tempo de execução médio de 0,040 minutos por árvore.
• Baseline de ML Supervisionado (LightGBM): Alcançou 36,2% de Macro-F1 apesar da extensa engenharia de atributos, correção de desbalanceamento de classes e ajuste de hiperparâmetros.
• Anotação Humana: Requer aproximadamente 5,0 minutos por árvore.

Sensibilidade e Robustez

• Fidelidade da Regra: A precisão do sistema é altamente dependente da fidelidade da regra codificada em relação ao procedimento real de anotação do especialista. Variações no predicado "Sem Diferença" (ex: desigualdade estrita vs. não estrita, diferentes normalizadores) causaram flutuações no Macro-F1 entre 21,9% e 67,6%. O resultado principal (67,6%) foi alcançado usando uma regra que correspondia estritamente ao procedimento de anotação usado para gerar o ground truth.
• Desempenho do VLM: O desempenho do agente VLM variou conforme a versão do prompt. O prompt "V1" (adicionando contexto de sistema) alcançou 100% de recall para detecção de sobreposição de copa com 25% de especificidade, equilibrando a necessidade de capturar sobreposições reais contra falsos positivos.
• Generalização Geográfica: O baseline de ML supervisionado teve um desempenho pobre na divisão geográfica (treinado em OSBS, testado em WREF/SRER), caindo para 14,2% de Macro-F1 no site SRER. O TreeAgent manteve um desempenho superior, sugerindo melhor generalização quando guiado por regras explícitas de especialistas.

Limitações Observadas

• Erros do VLM: A principal fonte de erro de rotulagem é o agente VLM, particularmente em classes que exigem julgamento visual. VLMs de uso geral lutam com convenções de renderização de LiDAR especializadas.
• Fragilidade de Limiares (Thresholds): Regras determinísticas podem ser frágeis em condições de contorno. Duas árvores nominalmente sob uma regra de "Sem Diferença" foram classificadas incorretamente porque suas medições estavam no limite de uma tolerância de 2%, destacando a tensão entre limiares simbólicos rígidos e o julgamento perceptivo.

5. Significância e Alegações

O artigo afirma que a orquestração de agentes de VLMs com conhecimentos prévios de especialistas oferece um caminho viável para a anotação escalável e interpretável em domínios onde o ground truth é caro e o raciocínio do especialista é estruturado, mas ocasionalmente requer julgamento perceptivo.

• Custo e Eficiência: O TreeAgent reproduz procedimentos de rotulagem definidos por especialistas a uma fração do custo (0,040 min vs. 5 min por árvore) enquanto mantém maior concordância com referências de especialistas do que o ML supervisionado convencional.
• Interpretabilidade e Auditabilidade: Ao contrário de modelos de ponta a ponta, cada decisão no TreeAgent é rastreável até o nó específico da regra do especialista que a produziu. Isso preserva a auditabilidade necessária para fluxos de trabalho científicos de alto nível.
• Generalizabilidade: O framework D3 permite revisões de regras via edições de configuração em vez de reengenharia de código, tornando-o adaptável a padrões científicos em evolução.
• Escopo: Embora demonstrado em silvicultura, os autores postulam que o D3 fornece uma receita geral para fluxos de trabalho de rotulagem científica onde a lógica do especialista é estruturada e evolutiva. Eles alertam que o sistema não é um substituto para a revisão de especialistas em inventários de alto risco, pois erros do VLM em nós perceptuais podem se propagar para estimativas subsequentes, e o sistema herda os vieses presentes nas regras de especialistas codificadas.