Tag · 1 篇
SMAP: Semantic Route Planning with Map-Grounded Multimodal Alignment
把地图瓦片当作视觉输入喂给多模态大模型,并用「草稿—校验」自编辑加幻觉惩罚 DPO 抑制空间幻觉,这套「视觉证据校验 + 偏好对齐」流程可迁移到任何需要地理/空间落地的视觉-语言任务(如视觉导航、地图问答、具身路径规划)。