MapTrace: Yapay Zeka Artık Harita Okumayı ve Yön Bulmayı Öğreniyor

19.02.2026

Bir alışveriş merkezinin haritasına baktığınızda beyniniz saniyeler içinde nerede olduğunuzu anlar, duvarları ayırt eder ve hedef mağazaya giden en kısa yolu çizer. Bu "mekansal muhakeme" yeteneği bizim için nefes almak kadar doğalken, dünyanın en gelişmiş Çok Modlu Büyük Dil Modelleri (MLLM) için tam bir kabustu. Bugüne kadar bir yapay zeka, hayvanat bahçesi haritasındaki "Aslan Kafesi"ni tanıyabilirken, girişten oraya giden yolu çizerken duvarların içinden geçebiliyor ya da havuzların üstüne basabiliyordu. Google araştırmacılarının yayınladığı "MapTrace" projesi, işte bu temel sorunu çözüyor. https://storage.googleapis.com/gweb-research2023-media/images/MapTrace-1.width-1250.png Piksel Çorbasından Anlamlı Yollara Mevcut modellerin sorunu veri eksikliğiydi. AI, "yol" kelimesini kaldırım görselleriyle eşleştirmeyi öğrenmişti ama haritalardaki "bağlantısallık" kurallarını (duvarlardan geçilmez, yollar süreklidir vb.) bilmiyordu. Gerçek dünyadan milyonlarca işaretli harita toplamak imkansız olduğundan, ekip "sentetik veri" üretimine yöneldi. https://storage.googleapis.com/gweb-research2023-media/images/MapTrace-2.width-1250.png Geliştirilen 4 aşamalı MapTrace boru hattı (pipeline), yapay zekayı hem "yaratıcı" hem de "eleştirmen" olarak kullanıyor: Yaratım: Bir LLM, "sarmaşık yollara sahip fantastik bir tema parkı" gibi detaylı harita betimlemeleri yazıyor ve Imagen-4 modeli bunları görselleştiriyor. https://storage.googleapis.com/gweb-research2023-media/images/MapTrace-3.width-1250.png Maske Eleştirmeni (Mask Critic): Başka bir AI modeli, haritadaki yürünebilir alanları analiz ediyor ve sadece gerçekçi yol ağlarını onaylıyor. Grafik Dönüşümü: Onaylanan yollar, dijital bir yol ağına (piksel-grafik) dönüştürülüyor. Yol Eleştirmeni (Path Critic): Dijkstra algoritmasıyla bulunan en kısa yollar, son bir AI kontrolünden geçerek "insan mantığına" uygunluğu test ediliyor. https://storage.googleapis.com/gweb-research2023-media/images/MapTrace-4.width-1250.png Gemini 2.5 ve Gemma 3 ile Rekor Başarı Bu yöntemle üretilen 2 milyonluk soru-cevap veri setiyle eğitilen modellerde çarpıcı sonuçlar elde edildi. MapBench testlerinde, sentetik veriyle ince ayar (fine-tuning) yapılan Gemini 2.5 Flash modelinin hata oranı (NDTW) 1.29'dan 0.87'ye düşerek rekor kırdı. Açık kaynaklı Gemma 3 27B modeli ise başarı oranını 6.4 puan artırdı. https://storage.googleapis.com/gweb-research2023-media/images/MapTrace-5.width-1250.png Bu gelişme sadece daha iyi harita uygulamaları anlamına gelmiyor; hastane koridorlarında sadece kat planına bakarak yönünü bulan otonom robotların ve görme engelliler için binaları sesli betimleyen akıllı gözlüklerin önünü açıyor. Yapay zeka, sonunda içinde yaşadığımız fiziksel dünyayı "okumayı" öğreniyor. https://storage.googleapis.com/gweb-research2023-media/images/MapTrace-6.width-1250.png