Resumo Técnico: Plan2Map

Definição do Problema

O artigo aborda o desafio da reconstrução de limites geoespaciais fundamentados em documentos. No contexto dos registros de planejamento do Reino Unido, especificamente as Direções do Artigo 4 (Article 4 Directions), as autoridades restringem direitos de desenvolvimento permitido para áreas geográficas específicas. Embora essas restrições sejam juridicamente vinculativas, os documentos de origem (PDFs) fornecem tipicamente apenas evidência espacial indireta: avisos textuais, cronogramas legais e mapas ou placas de mapas incorporados ou digitalizados com limites desenhados à mão ou hachurados. Eles raramente fornecem geometria legível por máquina (ex: GeoJSON).

A dificuldade central reside em reconstruir um objeto espacial válido e estruturado (um polígono) a partir de evidências textuais, visuais e geográficas distribuídas, sem acesso a um limite digital pré-existente. O sistema deve:

1. Ler PDFs heterogêneos contendo páginas digitalizadas e mapas incorporados.
2. Identificar evidências espaciais (códigos postais, referências de grade, rótulos de mapas).
3. Fundamentar o mapa relevante na geografia do mundo real.
4. Reconstruir o polígono do limite e projetá-lo em coordenadas geoespaciais.

Isso é distinto do entendimento de documentos padrão (que retorna texto) ou da simples extração de campos, pois requer um processo de raciocínio de múltiplas etapas para produzir uma saída geoespacial externamente verificável.

Metodologia: GeoPlanAgent

Para resolver isso, os autores propõem o GeoPlanAgent, um sistema agêntico baseado em decomposição e aumento por ferramentas. Em vez de pedir a um Modelo de Linguagem Visual (VLM) para gerar um GeoJSON em uma única passagem, o sistema decompõe a tarefa em estágios distintos:

1. Agente Leitor (Reader Agent): Processa o PDF bruto para extrair evidências espaciais estruturadas (códigos postais, referências de grade OS, endereços de locais, índices de páginas de mapas e escala). Ele também determina se o documento cobre um distrito administrativo inteiro (ativando um atalho).
2. Agente Trabalhador (Worker Agent): Orquestra o pipeline de reconstrução usando um loop de ferramentas:
   • Subagente de Localização (Locate Sub-agent): Utiliza as evidências extraídas para consultar um geocodificador offline (OS Open Names) para gerar coordenadas candidatas aproximadas para o centro do mapa, juntamente com um raio de incerteza ($\sigma$).
   • Registro de Mapa (Map Registration): Alinha o mapa de planejamento contra um mapa de base nacional (OS Open Zoomstack) usando correspondência de características (MINIMA-LoFTR) e RANSAC para ajustar uma transformação afim. Esta etapa inclui uma busca de janela deslizante para refinar a localização grosseira.
   • Segmentação de Limite (Boundary Segmentation): Utiliza o SAM 3 (Segment Anything Model) ajustado com LoRA (Low-Rank Adaptation) para segmentar a máscara do limite a partir da imagem do mapa registrado.
   • Projeção (Projection): Projeta a máscara segmentada nas coordenadas WGS84 usando a transformação afim derivada do registro, gerando um GeoJSON candidato.
   • Lógica de Compromisso (Commit Logic): Decide se aceita um candidato com base nas contagens de inliers do RANSAC, consistência de escala e concordância de nomes de ruas.
3. Agente Crítico (Critic Agent - Opcional): Realiza uma segunda passagem de verificação visual nos 3 principais candidatos, comparando a sobreposição do mapa de planejamento com o mapa de base para aprovar, alternar ou disparar uma relocalização.

O sistema é implementado usando pydantic-ai e utiliza por padrão o Gemini 3 Flash para chamadas de LLM para garantir a reprodutibilidade.

Principais Contribuições

O artigo introduz quatro contribuições primárias:

1. Benchmark Plan2Map: Um conjunto de dados curado manualmente de 208 registros de Direções do Artigo 4 do Reino Unido. Cada caso pareia um PDF de planejamento de origem com um GeoJSON de limite de referência verificado e uma visualização de mapa de localização. O conjunto de dados abrange o período de 1958–2025, cobrindo variadas qualidades de documentos, formas de limites (de retângulos simples a geometrias complexas de múltiplas partes) e 29 autoridades de planejamento local.
2. Definição de Tarefa e Protocolo: Uma definição formal da tarefa de reconstrução onde o sistema recebe apenas o documento de origem, enquanto o GeoJSON de referência é mantido oculto para pontuação. As métricas de avaliação incluem Intersecção sobre União (IoU), erro de centroide e custo.
3. Sistema GeoPlanAgent: Uma arquitetura modular baseada em decomposição que separa leitura de documentos, localização, registro de mapa e extração de limites. Este design permite o diagnóstico direcionado de modos de falha.
4. Análise Diagnóstica: Um estudo empírico demonstrando que a previsão direta de VLM para GeoJSON é pouco confiável para esta tarefa, enquanto componentes específicos (como segmentação de limite supervisionada e geocodificação apoiada por ferramentas) são críticos para o sucesso.

Resultados Experimentais

Avaliado no benchmark completo de 208 casos, o GeoPlanAgent alcança:

• 0,736 de IoU Médio e 0,904 de IoU Mediano.
• 67,8% das previsões alcançam um IoU $\ge$ 0,8.
• Um erro de centroide mediano de 4,6 metros.
• 78,8% dos casos possuem um erro de centroide dentro de 10% do diâmetro do limite (Acc@0.1D).

Em contraste, as baselines de VLM direta (ex: Gemini-3.1-Pro, GPT-5.5-Pro) realizando a previsão de ponta a ponta sem ferramentas apresentam desempenho significativamente inferior:

• A média de IoU varia de 0,04 a 0,11.
• Nenhuma baseline direta alcança um IoU $\ge$ 0,8 em qualquer caso no subconjunto estratificado.
• Erros de centroide para baselines diretas variam de 386m a 1,1km.

Estudos de Ablação revelam:

• Localização: O subagente de Localização apoiado por ferramentas reduz o erro mediano para 176m, enquanto a etapa subsequente de registro de mapa refina isso para 5m (uma melhoria de 38x).
• Segmentação: O ajuste fino supervisionado do SAM 3 com LoRA melhora o IoU de pixels médio em 0,30 sobre a baseline vanilla do SAM 3, confirmando que a extração de limites não é mais o gargalo dominante uma vez adaptada.
• Falha de VLM Direta: Mesmo modelos de fronteira falham em traçar limites ou localizar mapas de forma confiável em uma única passagem, destacando a necessidade da abordagem de decomposição.

Significância e Alegações

O artigo posiciona o Plan2Map como um testbed concreto para reconstrução geoespacial multimodal a partir de registros de planejamento públicos. Sua significância reside em:

• Impacto Prático: Abordar a iniciativa "Extract" e a necessidade de converter registros de planejamento legados em dados digitais estruturados para sistemas de planejamento digital.
• Insight Metodológico: Demonstrar que, para tarefas espaciais complexas, decomposição e uso de ferramentas são superiores à geração monolítica de VLM. O artigo argumenta que a previsão direta permanece pouco confiável, e que os principais gargalos nos sistemas atuais são a localização e o registro de mapa, não apenas o traçado de limites.
• Escalabilidade: Embora o benchmark atual seja específico do Reino Unido (aproveitando a rica infraestrutura geoespacial aberta como o OS Open Names), os autores afirmam que a arquitetura do agente é agnóstica à jurisdição. Estender o sistema para outros países exigiria principalmente redirecionar as ferramentas geoespaciais para equivalentes locais.

Os autores concluem que o Plan2Map e o GeoPlanAgent fornecem uma base para estudar a reconstrução geoespacial fundamentada em documentos, com trabalhos futuros focados em melhorar a robustez em digitalizações de baixa qualidade e lidar com casos onde os limites são descritos puramente por texto, sem mapas visuais.