WanderPal智能可穿戴设备：基于AI实例分割与触觉反馈增强重度视障者城市移动能力

为解决重度视障人群（PSVI）在城市导航中面临的空间感知局限、传统辅助设备信息过载及环境适应性不足等问题，研究人员通过参与式设计开发了集成改进型YOLOv8n-seg模型与27像素触觉反馈系统的智能可穿戴设备WanderPal。实验证明该设备能显著提升用户行走效率（平均减少4分钟路径时间）并降低73%的路线偏离率，为AI辅助视障导航提供了兼顾技术精度与人本需求的新型解决方案。

　　

在城市复杂交通环境中，视觉健全者可通过感官协调轻松完成空间定位与导航，但对于视力低于6/60的重度视障者（PSVI）而言，独立出行常伴随巨大挑战。现有辅助技术如语音导航应用、智能手杖和触觉视觉替代系统（TVS）虽有一定帮助，但仍存在导航信息不精确、感官过载以及决策自主性受限等问题。特别是在嘈杂环境中，听觉提示易受干扰，而触觉反馈系统若提供过多细节反而会掩盖关键导航信息。更值得注意的是，现有技术往往忽视PSVI群体对空间地标（spatial landmarks）的特殊依赖——他们更倾向于使用路缘石（curbstones）等具几何特征的地标而非视觉显眼的建筑物作为导航参考。

为突破这些局限，由马德里理工大学、浙江工业大学等机构组成的研究团队在《Device》期刊发表研究，通过参与式设计开发出智能可穿戴设备WanderPal。该设备融合改进的YOLOv8n-seg实例分割模型与27像素触觉反馈系统，将路缘石的空间信息转化为直观的振动信号，显著提升了PSVI的城市移动能力与空间感知自主性。

研究采用多项关键技术方法：首先通过半结构化访谈（6名PSVI参与者）和参与式工作坊确定用户核心需求；继而构建专用于路缘石识别的数据集（1,587训练图像+235验证图像），采用PCA和Sobel算子进行图像增强；在模型层面改进YOLOv8n-seg架构，集成轻量化自注意力模块（HyCTAS）和动态采样小目标检测层（Dy-SOD）；硬件系统搭载Jetson Nano微计算平台和IMX219摄像头，通过3D打印定制化手套集成27个微振动电机阵列；最后通过实地测试（双路线交叉实验）量化设备性能。

研究结果

半结构化访谈

揭示四大关键洞察：现有地图工具在精确定位（如地铁入口）存在66.7%的失效概率；PSVI高度依赖路缘石等熟悉地标进行方向校准；用户强烈期望通过AI技术自主感知环境而非被动接受指令；设备需满足易用性及隐私保护需求。

参与式工作坊

模拟测试显示路缘石被请求频次（186次）显著高于路牌（40次）和建筑物（47次），68%参与者认定其为最有效导航参考。焦点小组讨论进一步明确：路缘石的几何变化（如转角处高度变化）更易被感知且具有持续参考价值。

设备系统架构

WanderPal由智能手杖（集成摄像头与处理器）和触觉手套构成。系统工作流包含四阶段：图像采集→AI动态检测（改进YOLOv8n-seg模型）→数据转换（坐标映射至27像素网格）→触觉反馈（覆盖率达75像素即触发振动）。

模型性能优化

改进模型在 curbstone数据集上达到91.15% F1分数和85.85% mIoU，较基线提升7.72%，单帧推理时间21.89ms。对比实验显示其在小目标识别、遮挡场景和结构完整性保持方面优于UNet等主流模型。

可用性测试

触觉信号识别准确率达94.4%（36种信号测试），实地验证中所有参与者反馈振动信息清晰直观，能有效辅助路缘石定位。

实验验证

线性混合效应模型（LME）分析表明：使用设备使平均行走时间减少4分钟（p=0.002），路线偏离次数降低3.667次（p<0.001），但对碰撞避免无显著影响。参与者报告设备提供的信息具有"稳定、简洁、长距离感知"优势，有助于缓解环境不确定性引发的焦虑。

讨论与结论

本研究证实WanderPal通过AI驱动的实例分割与触觉反馈协同，有效提升了PSVI的导航效率与决策自主性。其核心价值在于：① 通过参与式设计确保技术方案契合真实需求；② 路缘石作为关键地标的有效性验证；③ 触觉反馈通道降低认知负荷并适应嘈杂环境。当前局限性包括密集人群环境中目标遮挡导致的检测失效，以及设备对多元地标识别的适应性不足。未来研究可扩展地标类型库（如斑马线、护栏），集成多模态传感数据，并通过更大样本验证情绪支持效应。该工作为AI辅助视障导航提供了技术与人本双重范本，彰显了跨学科协作在包容性技术创新中的关键作用。