用空间关系增强LLM的步行导航能力

Bilateral Spatial Reasoning about Street Networks: Graph-based RAG with Qualitative Spatial Representations

• 构建基于图的检索增强生成框架，融合定性空间表示
• 在真实街道路网数据上实现更自然的路线描述生成
• 适合城市规划与智能导航系统开发者参考

本文通过引入定性空间关系，提升大语言模型（LLM）为行人提供路线指引的能力。提出一种基于图的检索增强生成（Graph-based RAG）框架，利用定性空间表示建模街道网络中的相对位置关系。该方法在真实街道路网数据集上验证，显著改善了路径描述的语义连贯性与可读性，使生成的指令更符合人类认知习惯。实验表明，相比传统几何坐标驱动的方法，新方法在用户理解度和导航准确率上均有提升。

原文摘要 · Abstract (English)

This paper deals with improving the capabilities of Large Language Models (LLM) to provide route instructions for pedestrian wayfinders by means of qualitative spatial relations.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。