알리바바의 Thinking with Map: 지도 보는 법 배운 AI, 위치 추적 정확도 2.8배↑

사진 한 장으로 위치를 맞히는 게임 지오게서(GeoGuessr)를 해본 사람이라면 잘 알 것입니다. 특이한 표지판이나 식생을 알아보는 것은 절반에 불과하고, 진짜 핵심은 지도 위를 샅샅이 훑어가며 눈앞의 풍경과 대조하는 작업입니다.

지금까지의 시각 언어 모델들은 이런 지오로컬라이제이션 작업에서 단순 암기나 일반 웹 검색에 의존해 오차를 줄이지 못했습니다. 1월 8일, 알리바바 연구진은 사람이 지도를 보며 탐색하는 방식을 AI에 이식한 프레임워크 Thinking with Map을 공개했습니다.

AI가 직접 지도를 펼쳐보는 루프 구조

연구진은 모델이 지도를 외부 도구로 적극 활용하도록 '에이전트 인 더 맵' 루프를 설계했습니다.

시스템은 2단계 최적화로 구동됩니다. 첫째로 에이전트 강화학습을 통해 지도를 효율적으로 확대하고 탐색하는 능력을 길러 샘플링 효율을 극대화했습니다. 둘째로 병렬 테스트 시점 스케일링을 도입해, 최종 좌표를 결정하기 전에 여러 유력 후보 경로를 동시에 추론하도록 만들었습니다.

실제 야생 환경에서의 성능을 측정하기 위해 연구진은 전량 실제 사진으로 구성된 자체 벤치마크 MAPBench도 함께 구축했습니다.

500m 이내 정확도서 제미나이를 압도하다

지도 기반 추론을 거친 결과는 수치로 고스란히 증명되었습니다.

MAPBench 평가에서 Thinking with Map은 대다수 오픈소스 및 폐쇄형 모델을 제쳤습니다. 특히 실질적 위치 추정에 중요한 500미터 이내 정확도 지표에서 22.1%를 기록했습니다.

구글 검색과 지도 접지 모드를 활성화한 Gemini-3-Pro가 동일 조건에서 8.0%에 그쳤던 점을 감안하면, 정확도를 약 2.8배 끌어올린 셈입니다.

왜 중요한가

오픈소스 정보 분석(OSINT), 팩트체크, 분실물이나 실종자 수색처럼 사진의 실제 위치를 밝혀내야 하는 영역에서 이번 연구는 매우 실용적인 도구가 될 수 있습니다. 수작업에 의존하던 거리 뷰 대조 작업을 에이전트가 대신 처리할 수 있는 가능성을 보여주었기 때문입니다.

업계 관점에서는 테스트 시점 연산 스케일링이 단순 코딩이나 수학을 넘어, 지도 같은 도구와의 다중 상호작용 영역으로 성공적으로 확장되었다는 점이 의미심장합니다. 거대 모델에 세상의 모든 위치를 억지로 외우게 하는 것보다, 전문 도구를 쥐여주고 검증하게 만드는 전략이 훨씬 효과적이라는 방증입니다.

알리바바가 지도 데이터 역량을 AI 에이전트에 영리하게 접목했다는 인상을 줍니다. 다만 500미터 정확도 22.1%는 기존 대비 큰 폭의 개선임에도 불구하고, 실제 복잡한 사진 열 장 중 여덟 장은 여전히 정확한 구역을 짚어내지 못한다는 한계를 내포합니다. 추론 과정에서 병렬 경로를 탐색하는 데 드는 연산 비용을 어떻게 경량화할지가 상용화의 핵심 열쇠가 될 것입니다.