arXiv:2610.36582v1 公告タイプ：新規
要旨：ランドマークに基づく経路案内を生成するためには、モデルは地図の幾何学的構造と人間のランドマーク選好の両方を理解する必要があります。大規模言語モデル（LLM）は言語処理タスクにおいて優れた性能を示しますが、これらのモデル向けに地図データをどのように構造化すべきかについては、まだ確立されていません。本論文では、ルートナビゲーションにおけるランドマーク選択タスク向けに、SVG形式を用いて空間的特徴を符号化する構造化テキスト表現を提案します。この構造化テキストは、描画された地図画像との幾何学的な関連性を維持しており、言語モデルが空間情報および意味情報を直接参照できるようにします。人間による経路説明文とOpenStreetMapデータから作成した新しいデータセットを用いて、曲がり角でのランドマーク選択および目的地周辺でのランドマーク選択という二つのタスクについてモデルを評価しました。5種類のLLMを用いた実験の結果、提案する構造化テキスト入力は、画像ベースのPNG入力と同等以上またはそれ以上の性能を示すことが明らかになりました。さらに、タスク固有のファインチューニングにより、小規模なローカルLLMでも地図のレイアウトを効果的に活用し、高い選択精度を達成することが可能となります。これらの結果は、構造化テキストが人間中心のナビゲーションにおける空間推論にとって、効率的かつ軽量なインターフェースであることを示しています。