AI NEWS / ONE EVENT. MANY PERSPECTIVES.
Structured Maps for Landmark-Based Route Instructions with LLMs
arXiv:2610.36582v1 Announce Type: new Abstract: To generate landmark-based route instructions, models must understand both map geometry and human landmark preferences. Although large language models (LLMs) show great abilities in language tasks, the best way to structure map data for these models is not yet established. This paper proposes a structured text representation for landmark selection tasks in route navigation, utilizing SVG format to encode spatial features. The structured text maintains a geometric connection with rendered map images, allowing language models to directly access spatial and semantic data. Using a new dataset created from human-written route descriptions and OpenStreetMap data, we evaluate models on two tasks: landmark selection at turns and around destinations.
arXiv:2610.36582v1 발표 유형: 신규
요약: 랜드마크 기반 경로 안내를 생성하기 위해서는 모델이 지도의 기하학적 구조와 인간의 랜드마크 선호도를 모두 이해해야 합니다. 대규모 언어 모델(LLM)은 언어 처리 과제에서 뛰어난 성능을 보여주지만, 이러한 모델에 적합한 지도 데이터의 구조화 방식은 아직 확립되지 않았습니다. 본 논문에서는 경로 탐색 시 랜드마크 선택 과제를 위한 구조화된 텍스트 표현 방식을 제안하며, SVG 형식을 활용해 공간적 특징을 인코딩합니다. 이 구조화된 텍스트는 렌더링된 지도 이미지와 기하학적 연관성을 유지하여, 언어 모델이 공간적 및 의미적 데이터에 직접 접근할 수 있도록 합니다. 인간이 작성한 경로 설명과 OpenStreetMap 데이터를 기반으로 새롭게 구성한 데이터셋을 사용하여, 우리는 회전 지점에서의 랜드마크 선택과 목적지 주변 랜드마크 선택이라는 두 가지 과제에서 모델을 평가합니다. 다섯 개의 LLM을 대상으로 한 실험 결과, 제안한 구조화된 텍스트 입력 방식이 이미지 기반 PNG 입력 방식과 동등하거나 그보다 우수한 성능을 발휘하는 것으로 나타났습니다. 또한, 과제별 미세 조정을 통해 소규모 로컬 LLM들도 지도 레이아웃을 효과적으로 활용하여 높은 선택 정확도를 달성할 수 있음을 확인했습니다. 이러한 결과는 구조화된 텍스트가 인간 중심의 내비게이션에서 공간 추론을 위한 효율적이고 경량화된 인터페이스임을 입증합니다.
