近日，高德地圖宣布上線全球首款基于大模型技術的“視覺認知步導”系統(tǒng)——地標AI領航。該系統(tǒng)通過整合千問大模型、超億級地理興趣點（POI）數(shù)據(jù)及千萬級街景圖像，首次賦予導航系統(tǒng)“視覺感知+語言理解”的雙重空間智能，讓步行導航更貼近人類自然認知習慣。

傳統(tǒng)步行導航長期存在三大痛點：起步階段方向辨識困難、行程中距離感知模糊、臨近終點時定位不精準。高德研發(fā)團隊通過分析人類指路行為發(fā)現(xiàn)，人們習慣用“穿過藍色大樓”“右轉(zhuǎn)見紅色招牌”等具象化描述傳遞路線信息，其核心邏輯在于結(jié)合方向指引、地標錨定與場景上下文。為復現(xiàn)這種認知模式，系統(tǒng)需構(gòu)建覆蓋真實世界的動態(tài)地理語義網(wǎng)絡。

技術實現(xiàn)層面，該系統(tǒng)依托三大基礎能力：包含1.2億個POI的數(shù)據(jù)庫、高精度步行路網(wǎng)拓撲結(jié)構(gòu)，以及覆蓋全國主要城市的千萬級街景圖像庫。通過千問大模型的多模態(tài)分析能力，系統(tǒng)可自動識別道路設施、商業(yè)標識、建筑特征等實體，并評估其在視覺場景中的顯著程度。例如，在復雜路口會優(yōu)先選擇地鐵標識、銀行招牌等高辨識度地標作為參照物。

為提升指引效率，系統(tǒng)采用雙重篩選機制：在空間維度上，僅在起步、轉(zhuǎn)向、偏航糾正等關鍵節(jié)點播報；在視覺維度上，通過算法評估地標的顏色對比度、尺寸大小、位置關系等特征，篩選出最易識別的參照物。播報文案設計摒棄機械式指令，轉(zhuǎn)而使用“左側(cè)第二個玻璃門”“經(jīng)過星巴克后右轉(zhuǎn)”等口語化表達，并根據(jù)環(huán)境復雜度動態(tài)調(diào)整信息密度。

實際測試數(shù)據(jù)顯示，使用該系統(tǒng)的用戶在關鍵路口的路徑確認速度平均提升2秒，低頭查看手機的頻率下降37%。特別對于老年群體、帶兒童家庭及異地游客等場景，這種“直覺式導航”顯著降低了步行出行的認知負擔。系統(tǒng)目前已在200余個城市上線，后續(xù)將擴展至更多語言版本及特殊場景適配。