雷达学报

作者：许文嘉, 于睿卿, 薛铭浩, 汪雪怡, 张源奔, 魏智威, 张柘, 彭木根, 吴一戎

单位：1.北京邮电大学网络与交换技术全国重点实验室 北京 100081；2.中国科学院空天信息创新研究院 北京 100094；3.中国科学院大学电子电气与通信工程学院 北京 100190；4.湖南师范大学地理科学学院 长沙 410081；5.苏州空天信息研究院 苏州 215123；6.微波成像全国重点实验室 北京 100190；

关键词：大语言模型, 多模态大语言模型, 多模态对地观测大模型, 视觉语言模型, 对地观测智能体

基金：国家自然科学基金(62301063)，目标认知与应用技术重点实验室开放基金(2023-CXPT-LC-005)，微波成像技术国家重点实验室开放基金(70323006)

近年来，人工智能技术和对地观测领域的结合已成为领域发展的前沿热点，多模态大语言模型(MLLM)的快速发展为智能解译带来新的机遇和挑战。多模态对地观测大模型通过构建大语言模型与视觉模型之间的桥接机制并采用联合训练方式，深度融合光学影像、合成孔径雷达影像与文本等多模态信息，有效推动对地观测智能解译由浅层语义匹配向高层的世界知识理解跃迁。该文系统性回顾了多模态对地观测大模型的相关研究成果，以期为新的研究方向提供依据。具体而言，该文首先明确了多模态对地观测大模型(EO-MLLM)的概念定义，并梳理了多模态对地观测大模型的发展脉络。随后，详细阐述了多模态对地观测大模型的模型架构、训练方法、适用任务及其对应的基准数据集，并介绍了对地观测智能体。最后，探讨了多模态对地观测大模型的研究现状和未来发展方向。

来源：2026年第1期

《雷达学报》期刊编辑部

查看雷达学报杂志2026年第1期