論文の概要: MapReason-OSM: Can Vision-Language Models Make Graph-Verifiable Mobility Decisions from Street Maps ?

• arxiv url: http://arxiv.org/abs/2606.22597v2
• Date: Tue, 23 Jun 2026 04:17:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 22:16:48.47601
• Title: MapReason-OSM: Can Vision-Language Models Make Graph-Verifiable Mobility Decisions from Street Maps ?
• Title（参考訳）: MapReason-OSM: ビジョンランゲージモデルは、ストリートマップからグラフ検証可能なモビリティ決定ができるか?
• Authors: Srinivas Venkatanarayanan, Clement Pakkam Isaac,
• Abstract要約: MapReason-OSMは、自己レンダリングされたOpenStreetMapパネル上でグラフ検証可能なモビリティ決定のためのベンチマークである。 我々は、米国ダウンタウンの10の固定されたスタイルの地図を2列のズームスケールでレンダリングし、一貫したマーカー文法をオーバーレイし、各パネルに隠れたストリートグラフと正確なオラクルをペアリングする。 私たちは、グラフにスナップバックして、妥当性、合法性、最適性、制約満足度、およびクロスゾーン整合性のための構造化された決定をスコアします。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Vision-language models (VLMs) are increasingly used to read maps for logistics, delivery, and accessible navigation, where the output is an actionable decision (a route, a pin, a parking choice) that must respect the road network. Yet most map benchmarks grade free text or multiple-choice answers that cannot be verified against the underlying graph. We present MapReason-OSM, a benchmark and evaluation harness for graph-verifiable mobility decisions on self-rendered OpenStreetMap panels. We render fixed-style maps for ten U.S. downtowns at two aligned zoom scales, overlay a consistent marker grammar, and pair each panel with a hidden street graph and exact oracles, yielding 6,000 instances (12,000 panels across the two zooms) over 12 routing, facility-location, and visual disambiguation tasks. Models return structured decisions that we snap back to the graph and score for validity, legality, optimality, and constraint satisfaction, plus cross-zoom consistency. Across seven VLMs, models read maps and route simply but fail at graph cost reasoning (single-facility pin placement is near chance even for frontier reasoning models), and are frequently scale-inconsistent. We release the benchmark, harness, and deterministic generator. Code and data: https://github.com/Vi-Sri/mapreason-osm
• Abstract（参考訳）: 視覚言語モデル(VLM)は、ロジスティクス、配送、アクセス可能なナビゲーションのための地図を読むためにますます使われており、アウトプットは、道路網を尊重しなければならない行動可能な決定(ルート、ピン、駐車選択)である。 しかし、ほとんどのマップベンチマークは、基礎となるグラフに対して検証できない自由テキストや多重選択の回答を格付けする。 我々は,自己回帰したOpenStreetMapパネル上でグラフ検証可能なモビリティ決定のためのベンチマークと評価手法であるMapReason-OSMを提案する。 我々は、米国ダウンタウンの10の固定されたスタイルの地図を2列のズームスケールでレンダリングし、一貫したマーカ文法をオーバーレイし、各パネルに隠れたストリートグラフと正確なオラクルを組み合わせ、12のルーティング、施設位置、視覚的曖昧さのタスクに対して6,000のインスタンス(12,000のパネル)を出力した。 モデルは、私たちがグラフにスナップバックした構造化された決定を返し、妥当性、合法性、最適性、制約満足度、およびクロスゾーン整合性のためのスコアを返します。 7つのVLMにわたって、モデルは単純に地図とルートを読み取るが、グラフコストの推論では失敗する(単一ファシリティピン配置はフロンティアの推論モデルでもほぼ偶然である)。 ベンチマーク、ハーネス、決定論的ジェネレータをリリースします。 コードとデータ:https://github.com/Vi-Sri/mapreason-osm

関連論文リスト

• OptiMVMap: Offline Vectorized Map Construction via Optimal Multi-vehicle Perspectives [111.69010751405368]
  オフラインベクトル化マップは、高精度の自動運転およびマッピングサービスの重要な基盤となっている。 既存のアプローチは、基本的に視点の不十分さに苦しむ1つのエゴ車軌道に大きく依存している。 本稿では,これらの課題に体系的に対処するために,多車種対応マップを選択型ヒューズ問題として再構成するOptiMVMapを提案する。
  論文  参考訳（メタデータ） (2026-04-18T20:23:27Z)
• ChartPoint: Guiding MLLMs with Grounding Reflection for Chart Reasoning [54.86473583610112]
  グラフの連鎖推論に反射的相互作用を統合するPointCoTを提案する。 位置アノテーションに基づいてMLLMにバウンディングボックスと再レンダリングチャートを生成することで、テキスト推論ステップと視覚的接地領域の接続を確立する。 我々は、いくつかのグラフベンチマークにおいて最先端のモデルであるChartPointQ2とChartPointQ2.5を開発した。
  論文  参考訳（メタデータ） (2025-11-29T04:01:55Z)
• Vision-Language Cross-Attention for Real-Time Autonomous Driving [1.9116784879310027]
  XYZ-Driveは、フロントカメラフレームを読み、25m$times$25mのオーバーヘッドマップと次のウェイポイントを出力し、ステアリングとスピードを出力する単一の視覚言語モデルである。 軽量な目標中心のクロスアテンション層では、融合トークンが部分的に微調整されたLLaMA-3.2 11Bモデルに入る前に、ウェイポイントトークンが関連する画像とマップパッチをハイライトすることができる。
  論文  参考訳（メタデータ） (2025-07-30T19:51:23Z)
• A Step towards Automated and Generalizable Tactile Map Generation using Generative Adversarial Networks [4.465883551216819]
  我々は,触覚マップの自動生成を支援するコンピュータビジョン技術の適用に向けた第一歩として,概念実証モデルを訓練する。 Google Mapsから6500箇所にまたがるストリートビューの、一級の触覚マップデータセットを作成します。 1つのズームでトレーニングされたGAN(Generative Adversarial Network)モデルは、キーマップ要素の識別に成功している。
  論文  参考訳（メタデータ） (2024-12-10T04:59:03Z)
• Prior Based Online Lane Graph Extraction from Single Onboard Camera Image [133.68032636906133]
  単眼カメラ画像からレーングラフをオンラインに推定する。 前者は、トランスフォーマーベースのWasserstein Autoencoderを通じてデータセットから抽出される。 オートエンコーダは、最初のレーングラフ推定を強化するために使用される。
  論文  参考訳（メタデータ） (2023-07-25T08:58:26Z)
• csBoundary: City-scale Road-boundary Detection in Aerial Images for High-definition Maps [10.082536828708779]
  都市規模での道路境界の自動検出のためのcsBoundaryを提案する。 筆者らのネットワークは航空画像パッチを入力として,この画像から直接連続的な道路境界グラフを推定する。 私たちのcsBoundaryは、公開ベンチマークデータセットで評価され、比較されます。
  論文  参考訳（メタデータ） (2021-11-11T02:04:36Z)
• HDMapGen: A Hierarchical Graph Generative Model of High Definition Maps [81.86923212296863]
  HDマップは道路路面の正確な定義と交通ルールの豊富な意味を持つ地図である。 実際の道路トポロジやジオメトリはごくわずかで、自動運転スタックをテストする能力は著しく制限されています。 高品質で多様なHDマップを生成可能な階層グラフ生成モデルであるHDMapGenを提案する。
  論文  参考訳（メタデータ） (2021-06-28T17:59:30Z)
• MP3: A Unified Model to Map, Perceive, Predict and Plan [84.07678019017644]
  MP3は、入力が生のセンサーデータと高レベルのコマンドであるマップレス運転に対するエンドツーエンドのアプローチである。 提案手法は, より安全で, 快適であり, 長期クローズループシミュレーションにおいて, ベースラインよりもコマンドを追従できることを示す。
  論文  参考訳（メタデータ） (2021-01-18T00:09:30Z)
• DAGMapper: Learning to Map by Discovering Lane Topology [84.12949740822117]
  我々は、分岐とマージによるトポロジー変化を含む多くのレーンを持つ複雑な高速道路のレーン境界を描くことに集中する。 グラフのノードがレーン境界の局所領域の幾何学的および位相的特性を符号化する有向非巡回グラフィカルモデル(DAG)における推論として問題を定式化する。 2つの異なる州における2つの幹線道路における我々のアプローチの有効性を示し、高い精度とリコールと89%の正しいトポロジーを示す。
  論文  参考訳（メタデータ） (2020-12-22T21:58:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。