論文の概要: Structured Maps for Landmark-Based Route Instructions with LLMs

• arxiv url: http://arxiv.org/abs/2610.36582v1
• Date: Tue, 27 Oct 2026 03:36:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.476562
• Title: Structured Maps for Landmark-Based Route Instructions with LLMs
• Title（参考訳）: LLMを用いたランドマークに基づくルート指示のための構造地図
• Abstract要約: ランドマークに基づくルート命令を生成するには、地図幾何学と人間のランドマーク嗜好の両方を理解する必要がある。 本稿では,空間的特徴を符号化するSVGフォーマットを用いて,経路ナビゲーションにおけるランドマーク選択タスクのための構造化テキスト表現を提案する。
• 参考スコア（独自算出の注目度）: 0.17499351967216337
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• 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. Experiments with five LLMs show that the proposed structured text input performs as well as or better than image-based PNG inputs. In addition, task-specific fine-tuning enables smaller local LLMs to effectively leverage map layouts to achieve high selection accuracy. These results demonstrate that structured text is an efficient and lightweight interface for spatial reasoning in human-oriented navigation.
• Abstract（参考訳）: ランドマークに基づくルート命令を生成するには、地図幾何学と人間のランドマーク嗜好の両方を理解する必要がある。 大規模言語モデル(LLM)は、言語タスクにおいて優れた能力を示すが、これらのモデルのためのマップデータを構築する最善の方法は、まだ確立されていない。 本稿では,空間的特徴を符号化するSVGフォーマットを用いて,経路ナビゲーションにおけるランドマーク選択タスクのための構造化テキスト表現を提案する。 構造化されたテキストは、レンダリングされた地図画像との幾何学的接続を保持し、言語モデルが空間的および意味的なデータに直接アクセスできるようにする。 人手によるルート記述とOpenStreetMapデータから作成した新しいデータセットを用いて、2つのタスクのモデルを評価する。 5つのLCMを用いた実験により、提案した構造化テキスト入力は、画像ベースのPNG入力と同等以上の性能を示すことが示された。 さらに、タスク固有の微調整により、より小さなローカルなLLMがマップレイアウトを効果的に活用し、高い選択精度を実現することができる。 これらの結果から,構造化テキストは人間指向ナビゲーションにおける空間推論のための効率的かつ軽量なインタフェースであることが示された。

関連論文リスト

• Vector Map as Language: Toward Unified Remote Sensing Vector Mapping [52.15388144187478]
  本稿では,多クラスベクトルマッピングを構造化テキスト生成として再構成する統一パラダイムであるベクトルマップ・アズ・ラング(VecLang)を提案する。 VecLangは、異なる地理空間エンティティの共通要素をGeoJSONのようなベクトル言語にエンコードする。 本稿では,VecLangが単一クラスと多クラスベクトルマッピングの両方を処理し,強力なクロスデータセットとオープン語彙の一般化を実現していることを示す。
  論文  参考訳（メタデータ） (2026-06-09T11:02:51Z)
• Automated Label Placement on Maps via Large Language Models [3.7553323195283697]
  データ編集問題としてタスクを定式化するALP(Automatic label Placement)の新たなパラダイムを導入する。 この方向を支援するため,実世界の地図上でALPを評価するためのベンチマークデータセットとして,MAPLEをキュレートした。 我々は,MAPLE 上で4つのオープンソース LLM を評価し,各種ランドマークの全体的な性能と一般化を解析した。
  論文  参考訳（メタデータ） (2025-07-29T18:00:22Z)
• LIGHT: Multi-Modal Text Linking on Historical Maps [1.8399976559754367]
  光は、歴史的地図上のテキストをリンクするための言語的、画像的、幾何学的特徴を統合する、新しいマルチモーダルアプローチである。 ICDAR 2024/2025 MapTextコンペティションのデータでは、既存のメソッドよりも優れています。
  論文  参考訳（メタデータ） (2025-06-27T19:18:00Z)
• MapExplorer: New Content Generation from Low-Dimensional Visualizations [60.02149343347818]
  低次元の可視化や「投影マップ」は大規模で複雑なデータセットの解釈に広く用いられている。 これらの視覚化は、既存の知識空間を理解するのに役立つだけでなく、未知の領域への探索を暗黙的にガイドする。 プロジェクションマップ内の座標をコヒーレントでコンテキストに整合したテキストコンテンツに変換する新しい知識発見タスクであるMapExplorerを紹介する。
  論文  参考訳（メタデータ） (2024-12-24T20:16:13Z)
• Open-Vocabulary Octree-Graph for 3D Scene Understanding [54.11828083068082]
  Octree-Graphはオープンな3Dシーン理解のための新しいシーン表現である。 セマンティクスを記憶し、その形状に応じてオブジェクトの占有度を調節するアダプティブ・オクツリー構造を開発する。
  論文  参考訳（メタデータ） (2024-11-25T10:14:10Z)
• Tag Map: A Text-Based Map for Spatial Reasoning and Navigation with Large Language Models [15.454856838083511]
  大言語モデル(LLM)は、ロボットが共通感覚推論を用いてタスクプランを生成するためのツールとして登場した。 最近の研究は、固定された意味クラスを持つ明示的な写像から暗黙的なオープンな語彙マップへと移行している。 LLMと簡単に統合しながら、数千のセマンティッククラスを表現できる明示的なテキストベースのマップを提案する。
  論文  参考訳（メタデータ） (2024-09-23T18:26:19Z)
• Text Reading Order in Uncontrolled Conditions by Sparse Graph Segmentation [71.40119152422295]
  テキストの読み出し順序を識別するための軽量でスケーラブルで一般化可能なアプローチを提案する。 モデルは言語に依存しず、多言語データセットで効果的に実行される。 モバイルデバイスを含むあらゆるプラットフォームにデプロイできるほど小さい。
  論文  参考訳（メタデータ） (2023-05-04T06:21:00Z)
• Weakly-Supervised Multi-Granularity Map Learning for Vision-and-Language Navigation [87.52136927091712]
  我々は,ロボットエージェントが言語指導によって記述された経路をたどって,環境の中をナビゲートするよう訓練する,現実的かつ困難な問題に対処する。 高精度かつ効率的なナビゲーションを実現するためには,環境オブジェクトの空間的位置と意味情報の両方を正確に表現した地図を構築することが重要である。 より包括的にオブジェクトを表現するために,オブジェクトの細粒度(色,テクスチャなど)とセマンティッククラスの両方を含む多粒度マップを提案する。
  論文  参考訳（メタデータ） (2022-10-14T04:23:27Z)

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。