Resumen Técnico: Plan2Map

Definición del Problema

El artículo aborda el desafío de la reconstrucción de límites geoespaciales fundamentados en documentos. En el contexto de los registros de planificación del Reino Unido, específicamente las Direcciones del Artículo 4, las autoridades restringen los derechos de desarrollo permitido para áreas geográficas específicas. Si bien estas restricciones son legalmente vinculantes, los documentos de origen (PDF) suelen proporcionar únicamente evidencia espacial indirecta: avisos textuales, cronogramas legales y láminas de mapas escaneadas o incrustadas con límites dibujados a mano o rayados. Rara vez proporcionan geometría legible por máquina (por ejemplo, GeoJSON).

La dificultad central radica en reconstruir un objeto espacial válido y estructurado (un polígono) a partir de evidencia textual, visual y geográfica distribuida sin acceso a un límite digital preexistente. El sistema debe:

1. Leer PDFs heterogéneos que contienen páginas escaneadas y mapas incrustados.
2. Identificar evidencia espacial (códigos postales, referencias de cuadrícula, etiquetas de mapas).
3. Fundamentar el mapa relevante en la geografía del mundo real.
4. Reconstruir el polígono del límite y proyectarlo en coordenadas geoespaciales.

Esto se distingue de la comprensión de documentos estándar (que devuelve texto) o de la simple extracción de campos, ya que requiere un proceso de razonamiento de múltiples pasos para producir un resultado geoespacial verificable externamente.

Metodología: GeoPlanAgent

Para resolver esto, los autores proponen GeoPlanAgent, un sistema de agentes basado en la descomposición y aumentado con herramientas. En lugar de pedir a un Modelo de Lenguaje-Visión (VLM) que genere un GeoJSON en una sola pasada, el sistema descompone la tarea en distintas etapas:

1. Agente Lector (Reader Agent): Procesa el PDF bruto para extraer evidencia espacial estructurada (códigos postales, referencias de cuadrícula OS, direcciones de sitios, índices de páginas de mapas y escala). También determina si el documento cubre un distrito administrativo completo (activando un atajo).
2. Agente de Trabajo (Worker Agent): Orquesta el flujo de reconstrucción utilizando un bucle de herramientas:
   • Subagente de Localización (Locate Sub-agent): Utiliza la evidencia extraída para consultar un geocodificador offline (OS Open Names) para generar coordenadas candidatas aproximadas para el centro del mapa, junto con un radio de incertidumbre ($\sigma$).
   • Registro de Mapas (Map Registration): Alinea el mapa de planificación contra un mapa base nacional (OS Open Zoomstack) utilizando el emparejamiento de características (MINIMA-LoFTR) y RANSAC para ajustar una transformación afín. Este paso incluye una búsqueda de ventana deslizante para refinar la localización gruesa.
   • Segmentación de Límites (Boundary Segmentation): Utiliza SAM 3 (Segment Anything Model) ajustado mediante LoRA (Low-Rank Adaptation) para segmentar la máscara del límite desde la imagen del mapa registrado.
   • Proyección (Projection): Proyecta la máscara segmentada en coordenadas WGS84 utilizando la transformación afín derivada del registro, produciendo un GeoJSON candidato.
   • Lógica de Compromiso (Commit Logic): Decide si aceptar un candidato basándose en el recuento de inliers de RANSAC, la consistencia de la escala y el acuerdo de nombres de calles.
3. Agente Crítico (Critic Agent - Opcional): Realiza una segunda pasada de verificación visual sobre los tres mejores candidatos, comparando la superposición del mapa de planificación con el mapa base para aprobar, cambiar o activar una relocalización.

El sistema está implementado utilizando pydantic-ai y utiliza por defecto Gemini 3 Flash para las llamadas al LLM para asegurar la reproducibilidad.

Contribuciones Clave

El artículo introduce cuatro contribuciones principales:

1. Benchmark Plan2Map: Un conjunto de datos curado manualmente de 208 registros de Direcciones del Artículo 4 del Reino Unido. Cada caso empareja un PDF de planificación de origen con un límite GeoJSON de referencia verificado y una visualización de mapa de localización. El conjunto de datos abarca de 1958 a 2025, cubriendo diversas calidades de documentos, formas de límites (desde rectángulos simples hasta geometrías complejas de múltiples partes) y 29 autoridades de planificación local.
2. Definición de Tarea y Protocolo: Una definición formal de la tarea de reconstrucción donde el sistema recibe solo el documento de origen, mientras que el GeoJSON de referencia se mantiene reservado para la puntuación. Las métricas de evaluación incluyen la Intersección sobre la Unión (IoU), el error del centroide y el costo.
3. Sistema GeoPlanAgent: Una arquitectura modular basada en la descomposición que separa la lectura de documentos, la localización, el registro de mapas y la extracción de límites. Este diseño permite un diagnóstico dirigido de los modos de fallo.
4. Análisis Diagnóstico: Un estudio empírico que demuestra que la predicción directa de VLM a GeoJSON es poco fiable para esta tarea, mientras que componentes específicos (como la segmentación de límites supervisada y la geocodificación respaldada por herramientas) son críticos para el éxito.

Resultados Experimentales

Evaluado en el benchmark completo de 208 casos, GeoPlanAgent logra:

• 0.736 de IoU media y 0.904 de IoU mediana.
• El 67.8% de las predicciones alcanzan un IoU $\ge$ 0.8.
• Un error de centroide mediano de 4.6 metros.
• El 78.8% de los casos tienen un error de centroide dentro del 10% del diámetro del límite (Acc@0.1D).

En contraste, los baselines de VLM directo (por ejemplo, Gemini-3.1-Pro, GPT-5.5-Pro) que realizan la predicción de extremo a extremo sin herramientas logran un rendimiento significativamente inferior:

• Los rangos de IoU media oscilan entre 0.04 y 0.11.
• Ningún baseline directo alcanza un IoU $\ge$ 0.8 en ningún caso en el subconjunto estratificado.
• Los errores de centroide para los baselines directos oscilan entre 386m y 1.1km.

Los estudios de ablación revelan:

• Localización: El subagente de localización respaldado por herramientas reduce el error mediano a 176m, mientras que el paso de registro de mapas posterior lo ajusta a 5m (una mejora de 38x).
• Segmentación: El ajuste fino supervisado de SAM 3 con LoRA mejora el IoU de píxeles medio en 0.30 sobre el baseline de SAM 3 original, confirmando que la extracción de límites ya no es el cuello de botella dominante una vez adaptada.
• Fallo de VLM Directo: Incluso los modelos de frontera fallan al trazar límites o localizar mapas de manera fiable en una sola pasada, resaltando la necesidad del enfoque de descomposición.

Significado y Reivindicaciones

El artículo posiciona a Plan2Map como un banco de pruebas concreto para la reconstrucción geoespacial multimodal a partir de registros de planificación pública. Su importancia radica en:

• Impacto Práctico: Abordar la iniciativa "Extract" y la necesidad de convertir los registros de planificación heredados en datos digitales estructurados para sistemas de planificación digital.
• Perspectiva Metodológica: Demostrar que, para tareas espaciales complejas, la descomposición y el uso de herramientas son superiores a la generación monolítica de VLM. El artículo argumenta que la predicción directa sigue siendo poco fiable, y que los principales cuellos de botella en los sistemas actuales son la localización y el registro de mapas, no solo el trazado de límites.
• Escalabilidad: Aunque el benchmark actual es específico del Reino Unido (aprovechando la rica infraestructura geoespacial abierta como OS Open Names), los autores afirman que la arquitectura del agente es independiente de la jurisdicción. Extender el sistema a otros países requeriría principalmente redirigir las herramientas geoespaciales hacia sus equivalentes locales.

Los autores concluyen que Plan2Map y GeoPlanAgent proporcionan una base para estudiar la reconstrucción geoespacial fundamentada en documentos, con trabajos futuros enfocados en mejorar la robustez en escaneos de baja calidad y en el manejo de casos donde los límites se describen puramente mediante texto sin mapas visuales.