マルチモーダル大規模言語モデル（MLLM）は、多くの視覚的・文章的推論タスクにおいて人間並みの性能を達成しているが、地図上の経路追跡など細かい空間理解能力については依然として限界がある。人間が地図を素早く読み取り、ナビゲーションを行うのに対し、現在のモデルは基本的な経路制約を無視する傾向があり、その要因の一つとして、大規模かつピクセル単位の正確な経路アノテーションを収集するコストと困難さが挙げられる。これを解決するために、合成地図画像とピクセルレベルの解析を活用したスケーラブルな合成データ生成パイプラインを提案する。このパイプラインにより、4,000枚の地図上で23,000件の経路サンプルからなる微調整用データセットを構築し、モデルがより人間的な空間認識能力を習得できるようにした。このデータセットを用いて、オープンソースおよびプロプライエタリなMLLMの微調整を実施した。MapBenchにおける実験結果から、微調整によりモデルのロバスト性が顕著に向上し、成功確率が最大6.4ポイント向上するとともに、経路追跡誤差（NDTW）も低減された。これらの成果は、事前学習モデルには欠けている細かい空間推論能力が、合成教師信号を用いて明示的に学習可能であることを示している。