본 논문은 크라우드소싱 기반의 고정밀 HD 지도 업데이트의 신뢰성을 높이기 위해, 다중 모달 대규모 언어 모델(MLLM) 기반의 증류 프레임워크인 CleanMAP을 제시한다. CleanMAP은 MLLM 기반 차선 가시성 점수 모델을 이용하여 크라우드소싱 데이터의 신뢰도를 정량화하고, 동적 분할 점수 함수를 통해 사람의 평가와의 정합성을 높이며 신뢰할 수 없는 데이터를 효과적으로 필터링한다. 또한, 신뢰도 기반의 지역 지도 융합 전략을 통해 최적의 신뢰도 범위 내에서 상위 k개의 지역 지도를 선택하여 지도 정확도를 최적화한다. 실제 자율주행 차량 데이터셋을 이용한 실험 결과, 상위 3개의 지역 지도를 융합했을 때 평균 지도 업데이트 오차가 0.28m로 기존 방식(0.37m)보다 우수하며, 엄격한 정확도 기준(<= 0.32m)을 충족함을 보였다. 실제 차량 데이터를 이용한 검증 결과, 사람 평가자와 84.88%의 일치율을 보였다. CleanMAP은 크라우드소싱 기반 HD 지도 업데이트를 위한 확장 가능하고 배포 가능한 솔루션으로, 더욱 정확하고 신뢰할 수 있는 자율 주행을 가능하게 한다.
