本文提出一种合成数据生成系统，旨在训练AI模型实现基于地图的视觉导航能力，并最终赋能语言模型理解并规划真实世界路径。人类能快速解析商场或主题公园地图，识别位置、区分墙壁与通道，进行细粒度空间推理；而当前多模态大语言模型（MLLMs）虽擅长图像识别与内容描述，却常无法正确规划可行路径——如直线穿越建筑或障碍物，暴露其在空间约束理解和几何推理上的关键缺陷。该系统通过生成高质量、多样化、带精确空间标注的合成地图与导航轨迹数据，弥补这一短板，推动AI具备类人的环境感知与路径规划能力。（200字）

本专栏通过快照技术转载，仅保留核心内容

内容中包含的图片若涉及版权问题，请及时与我们联系删除