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 发布类型：新
摘要：为了生成基于地标的位置指引，模型必须同时理解地图的几何结构与人类对地标的偏好。尽管大型语言模型（LLMs）在语言任务中表现出色，但针对这些模型如何组织地图数据的最佳方式仍未明确。本文提出了一种用于路线导航中地标选择任务的结构化文本表示方法，利用SVG格式对空间特征进行编码。这种结构化文本与渲染后的地图图像保持几何上的关联，使语言模型能够直接访问空间与语义信息。我们基于人工编写的路线描述和OpenStreetMap数据构建了一个新数据集，并在两个任务上对模型进行了评估：转弯处的地标选择以及目的地附近的地标选择。实验结果表明，使用五种大型语言模型进行测试时，所提出的结构化文本输入的表现与基于图像的PNG输入相当甚至更优。此外，通过针对特定任务的微调，较小规模的本地化语言模型也能有效利用地图布局，从而实现较高的地标选择准确率。这些结果表明，结构化文本是一种高效且轻量级的接口，适用于面向人类的导航中的空间推理任务。
