Mobile-Menu

KI lernt Karten lesen Google bringt räumliches Denken in multimodale Modelle

Von Berk Kutsal 2 min Lesedauer

Anbieter zum Thema

Fsas Technologies GmbH
Disy Informationssysteme GmbH
INFOMOTION GmbH

Mit synthetischen Trainingswelten bringt Google Research multimodalen Modellen räumliches Denken bei. Die MapTrace-Pipeline zeigt, wie sich Spatial Reasoning gezielt in Künstliche Intelligenz (KI) einprägen lässt. Ein möglicher Baustein für Robotik, Navigation und Assistenzsysteme.

Google Research trainiert KI mit synthetischen Karten: MapTrace verbessert räumliches Denken multimodaler Modelle und eröffnet neue Perspektiven für Navigation und Robotik.(Bild: Google)
Google Research trainiert KI mit synthetischen Karten: MapTrace verbessert räumliches Denken multimodaler Modelle und eröffnet neue Perspektiven für Navigation und Robotik.
(Bild: Google)

Große multimodale KI-Modelle können Bilder beschreiben, Objekte erkennen und Texte interpretieren. Was ihnen bislang schwerfiel, war echter räumlicher Kontext: Karten zu verstehen und daraus sinnvolle Bewegungen oder Routen abzuleiten. Google Research zeigt nun einen Ansatz, wie sich diese Schwäche systematisch trainieren lässt. Es geht um eine neue Datenpipeline namens MapTrace, die Künstliche Intelligenz (KI) mit synthetisch erzeugten Karten und Navigationspfaden füttert.

Synthetische Karten statt realer Trainingsdaten

Das Kernproblem räumlicher Intelligenz liegt weniger im Modell als in den Trainingsdaten. Reale, sauber annotierte Kartendaten mit korrekten Navigationspfaden seien aufwendig zu erstellen und kaum in großem Maßstab verfügbar. MapTrace umgehe dieses Nadelöhr, indem es automatisch Millionen künstlicher Karten generiert. Dazu zählen Layouts von Einkaufszentren, Freizeitparks oder abstrakten Gebäudeplänen.

Diese Karten sollen anschließend mit logisch konsistenten Routen versehen werden. Die Modelle lernen dadurch nicht nur visuelle Muster, sondern die zugrunde liegende Struktur von Wegen, Kreuzungen und Zielpunkten. Google spricht von einer Art „Navigationsgrammatik“, die das Modell internalisiert. Entscheidend sei, dass die synthetischen Daten geografisch korrekt bleiben, auch wenn die Umgebungen frei erfunden sind.

Verbesserte räumliche Fähigkeiten durch Feintuning

Nach dem Training mit MapTrace-Daten sollen multimodale Modelle wie Gemini messbare Fortschritte beim Verfolgen und Interpretieren von Routen zeigen. Die Systeme sollen nicht nur Start- und Zielpunkte erkennen, sondern Schrittfolgen auf Karten logisch nachvollziehen können. Damit verschiebe sich der Fokus von reiner Bilderkennung hin zu strukturellem Verständnis.

Der Ansatz deutet darauf hin, dass spezialisierte synthetische Datensätze gezielt neue Fähigkeiten in große Modelle einprägen können. Statt immer größere allgemeine Datencorpora zu sammeln, lassen sich Kompetenzbereiche isoliert trainieren, in diesem Fall räumliches Denken.

Relevanz für Robotik und Assistenzsysteme

Räumliche KI-Fähigkeiten gelten als Schlüsseltechnologie für mehrere Anwendungsfelder. In der Robotik könnten Systeme komplexe Innenräume besser navigieren. Assistenztechnologien für Menschen mit Sehbehinderung könnten Karten verständlicher interpretieren und verbale Wegbeschreibungen generieren. Auch für autonome Systeme in Logistik oder Smart Buildings ist strukturelles Kartenverständnis relevant.

KI lässt sich durch gezielt konstruierte synthetische Welten auf Kompetenzen trainieren, die in realen Daten nur schwer abbildbar sind. Spatial Reasoning wird so zu einem trainierbaren Modul statt zu einer grundsätzlichen Modellgrenze.

(ID:50737405)

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu Big Data, Analytics & AI

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung

Weiterführende Inhalte