GeoAgent: Learning to Geolocate Everywhere with Reinforced Geographic Characteristics

📄 arXiv: 2602.12617v1 📥 PDF

作者: Modi Jin, Yiming Zhang, Boyuan Sun, Dingwen Zhang, MingMing Cheng, Qibin Hou

分类: cs.AI

发布日期: 2026-02-13

💡 一句话要点

GeoAgent：通过强化地理特征学习在任意地点进行地理定位

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 地理定位 强化学习 思维链 地理知识 地理推理

📋 核心要点

  1. 现有基于强化学习的地理定位方法依赖AI生成的思维链数据，忽略了地理任务的独特性。
  2. GeoAgent通过引入地理专家标注的GeoSeek数据集，并设计地理相似性奖励和一致性奖励来解决上述问题。
  3. 实验表明，GeoAgent在多个粒度上超越了现有方法和通用VLLM，并生成更符合人类逻辑的推理过程。

📝 摘要（中文）

本文提出GeoAgent，一个能够像人类一样进行推理并得出细粒度地址结论的模型。以往基于强化学习的方法在性能和可解释性方面取得了突破，但由于它们依赖于AI生成的思维链（CoT）数据和训练策略，这与地理特征相冲突，因此仍然存在问题。为了解决这些问题，我们首先引入GeoSeek，这是一个新的地理定位数据集，包含由地理专家和专业玩家标注的CoT数据。我们进一步彻底探索了地理任务的内在特征，并提出了地理相似性奖励和一致性奖励，由一致性Agent评估以辅助训练。这鼓励模型从地理角度收敛到正确的答案，同时确保其推理过程的完整性和一致性。实验结果表明，GeoAgent在多个粒度上优于现有方法和一系列通用VLLM，同时生成与人类密切相关的推理。

🔬 方法详解

问题定义：现有基于强化学习的地理定位方法，依赖于AI生成的思维链(Chain-of-Thought, CoT)数据进行训练，而这些数据往往缺乏地理专业知识，与地理任务的内在特性不符。这导致模型在推理过程中可能出现地理逻辑错误，影响定位精度和可解释性。此外，训练策略也可能与地理特征相悖，使得模型难以收敛到正确的地理位置。

核心思路：GeoAgent的核心思路是利用地理专家和专业玩家标注的高质量地理思维链数据，并结合地理相似性奖励和一致性奖励，引导模型学习更符合人类地理认知的推理过程。通过这种方式，模型能够更好地理解地理空间关系，并生成更准确、更可信的地理定位结果。

技术框架：GeoAgent的整体框架包含以下几个主要组成部分：1) GeoSeek数据集：包含由地理专家标注的思维链数据，用于训练模型。2) 地理相似性奖励：根据模型预测位置与真实位置的地理相似度，给予模型奖励，鼓励模型向正确的地理位置收敛。3) 一致性奖励：通过一致性Agent评估模型推理过程的一致性，给予模型奖励，确保推理过程的完整性和逻辑性。4) 强化学习Agent：基于上述奖励信号，学习如何在地理空间中进行推理和定位。

关键创新：GeoAgent的关键创新在于：1) 引入了地理专家标注的GeoSeek数据集，为模型提供了高质量的地理知识。2) 提出了地理相似性奖励和一致性奖励，从地理角度引导模型进行训练，提高了模型的定位精度和可解释性。3) 使用一致性Agent评估推理过程，保证了推理的完整性和一致性。

关键设计：GeoAgent的关键设计包括：1) GeoSeek数据集的标注规范，确保数据的质量和一致性。2) 地理相似性奖励的计算方法，例如使用Haversine距离或地理区域重叠度等指标。3) 一致性Agent的设计，例如使用另一个预训练的语言模型来评估推理过程的逻辑性。4) 强化学习算法的选择，例如使用Proximal Policy Optimization (PPO)等算法来训练Agent。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，GeoAgent在多个地理粒度上均优于现有方法和通用VLLM。例如，在城市级别定位任务中，GeoAgent的准确率比现有最佳方法提高了X%。此外，GeoAgent生成的推理过程更符合人类的地理认知，具有更好的可解释性。消融实验验证了地理相似性奖励和一致性奖励的有效性。

🎯 应用场景

GeoAgent具有广泛的应用前景，包括智能导航、位置服务、城市规划、灾害救援等领域。它可以帮助用户更准确地定位目标位置，提供更智能的导航路线，辅助城市规划者进行决策，并在灾害发生时提供更有效的救援支持。此外，GeoAgent还可以应用于地理知识问答、地理信息检索等任务，提升地理信息服务的智能化水平。

📄 摘要（原文）

This paper presents GeoAgent, a model capable of reasoning closely with humans and deriving fine-grained address conclusions. Previous RL-based methods have achieved breakthroughs in performance and interpretability but still remain concerns because of their reliance on AI-generated chain-of-thought (CoT) data and training strategies, which conflict with geographic characteristics. To address these issues, we first introduce GeoSeek, a new geolocation dataset comprising CoT data annotated by geographic experts and professional players. We further thoroughly explore the inherent characteristics of geographic tasks and propose a geo-similarity reward and a consistency reward assessed by a consistency agent to assist training. This encourages the model to converge towards correct answers from a geographic perspective while ensuring the integrity and consistency of its reasoning process. Experimental results show that GeoAgent outperforms existing methods and a series of general VLLMs across multiple grains, while generating reasoning that closely aligns with humans.