《Disability and Rehabilitation: Assistive Technology》：Understanding AI-powered assistive technologies for visual impairment: a review of functional features
编辑推荐：
目的：本综述考察了面向视觉障碍个体的AI驱动辅助技术的最新进展，重点关注物体检测、避障、导航、触觉反馈和以用户为中心的设计。旨在综合这些技术的功能能力、优势、局限性以及与实用和康复导向应用相关的差距。材料与方法：采用结构化文献综述方法，检索Scopus、Web
目的：本综述考察了面向视觉障碍个体的AI驱动辅助技术的最新进展，重点关注物体检测、避障、导航、触觉反馈和以用户为中心的设计。旨在综合这些技术的功能能力、优势、局限性以及与实用和康复导向应用相关的差距。材料与方法：采用结构化文献综述方法，检索Scopus、Web of Science、IEEE Xplore、PubMed和Google Scholar数据库，纳入2017至2025年间发表的文献。研究使用预定义的纳入与排除标准进行筛选，提取设备类型、AI与传感技术、导航方法、反馈机制和以用户为中心考量等信息，并进行主题分析。最终纳入110项研究。结果：综述文献展示了智能手杖、可穿戴系统、智能眼镜、基于智能手机的应用及其他AI赋能辅助设备的显著发展。基于视觉和深度学习的方法支持物体识别与环境感知，而超声波、激光雷达（LiDAR）和其他传感技术有助于障碍物检测与导航。触觉和听觉反馈提供了传递环境信息的替代方式。然而，在动态环境中仍存在挑战，包括计算与能量需求、误检测、环境敏感性、认知负荷、可用性、可负担性以及有限的现实世界验证。新兴的多模态和边缘计算方法显示出提升适应性和可访问性的潜力。结论：AI驱动辅助技术具有显著潜力，可改善移动能力、环境感知、独立性和生活质量。未来研究应强调多模态感知、先进AI模型、自适应反馈、节能系统以及长期的以用户为中心评估，并更加关注可负担性、可访问性和现实世界验证。
引言
视觉障碍严重影响个体独立导航环境、识别物体和进行日常活动的能力，进而影响移动能力、安全性和社会参与。全球健康报告显示，视觉障碍仍是全球重大公共卫生问题。世界卫生组织最新估计，全球至少有22亿人患有视力障碍或失明，这凸显了对能够支持独立移动并改善生活质量的技术的社会和医疗需求。辅助技术（Assistive Technologies, ATs）在支持视觉障碍个体方面发挥着关键作用。传统辅助工具如白手杖和导盲犬仍被广泛使用；然而，人工智能（AI）、计算机视觉、传感器技术和嵌入式系统的最新进展，使得开发智能、自适应和情境感知的辅助设备成为可能。近年来，AI驱动的辅助技术——包括智能手杖、可穿戴导航系统、基于智能手机的应用程序和触觉反馈接口——已展现出增强视障用户自主性和安全性的巨大潜力。这些系统通常采用物体检测、避障、定位和多种反馈模式来支持复杂室内外环境的导航。从康复和以用户为中心的角度来看，此类技术不仅旨在提高技术性能，还旨在增强现实场景中的功能独立性、可用性和易学性。尽管取得了显著的技术进步，AI驱动的辅助设备在广泛采用和长期有效性方面仍面临若干挑战。这些挑战包括实时处理、能量效率、在动态和非结构化环境中的鲁棒性以及与现有无障碍工具的无缝集成等限制。此外，许多已报道的系统在受控实验条件下显示出有希望的结果，但在实际部署中存在局限性，其中用户舒适度、适应性、认知负荷和持续可用性是关键因素。辅助技术中导航和感知的挑战与智能自主系统中遇到的挑战密切相关，特别是在物体检测、避障和环境感知方面。然而，面向视障个体的辅助设备提出了与安全性、以人为本的设计和康复相关性相关的额外要求。解决这些需求需要机器人技术、人工智能、人机交互和康复科学等领域的跨学科贡献。尽管已有若干综述文章考察了面向视障个体的辅助技术，但许多现有调查孤立地关注特定技术、传感模式或应用领域。强调不同辅助设备中功能特征、导航与感知策略以及用户中心设计考量的综合性综述仍然有限。此外，将物体检测、避障、导航技术、触觉反馈系统和设计考量整合到统一框架内的研究也较少受到关注。因此，这些技术组件之间的关系及其对用户独立性和康复结果的共同贡献在现有文献中尚未得到充分综合。在此背景下，本综述旨在系统分析面向视觉障碍的AI驱动辅助技术，特别关注功能特征、传感与感知方法、导航策略、触觉和听觉反馈机制以及设计考量。与许多主要关注单一技术或特定应用领域的现有综述文章不同，本综述通过联合检查感知、导航、触觉交互和以用户为中心的设计方面，提供了对AI驱动辅助技术的综合视角。通过综合最新进展并识别开放挑战，本综述旨在支持未来研究，以开发更有效、以用户为中心且与康复相关的辅助技术。
综述方法学
本综述通过结构化文献分析，旨在查找、评估和整合关于面向视障个体的AI驱动辅助技术的研究。焦点集中在功能特征、导航支持、物体检测、触觉反馈和优先考虑用户的的设计考量上。文献检索策略：使用Scopus、Web of Science、IEEE Xplore、PubMed和Google Scholar等多个数据库进行全面检索，以确保工程、人工智能、康复和医疗保健领域的广泛覆盖。检索主要涵盖2017年至2025年初发表的研究，特别强调2022年至2024年报告的最新研究进展。检索在选定数据库的标题、摘要和关键词字段内进行。检索查询使用与辅助技术和视觉障碍相关的关键词组合构建，例如辅助技术、视觉障碍、AI驱动辅助设备、物体检测、导航辅助、触觉反馈、可穿戴辅助系统和以用户为中心的设计等术语，并通过布尔运算符组合以优化检索。纳入与排除标准：纳入同行评审的期刊文章和会议论文集，关注视障或失明个体的辅助技术，以及结合人工智能、机器学习、计算机视觉或基于传感器的智能系统的工作。排除与视觉障碍无关的研究、在导航、物体识别或环境感知方面无功能相关性的辅助技术、非同行评审文章、社论和观点论文。研究选择与筛选：初始检索得到约250篇出版物。去除重复和明显不相关的记录后，对标题和摘要进行筛选，以确定与AI驱动辅助技术相关的研究。符合初步筛选标准的文章进行全文评估，最终110项研究纳入最终分析和讨论。数据提取与分析：从选定研究中提取关键信息，包括辅助设备类型和应用领域、采用的AI技术和传感模式、反馈机制（音频、触觉、多模态）、预期用户结果和功能益处、报告的局限性和挑战。提取的数据进行定性分析，并组织成主题类别，如物体检测与避障、导航技术、触觉反馈系统、可穿戴和基于智能手机的解决方案以及以用户为中心的设计考量。分类框架：根据提取的信息，使用定性主题分类框架组织文献。分析后的文献分为以下主要类别：现有辅助设备概述及其技术基础；物体检测与避障技术，包括传统视觉方法、深度学习模型和基于传感器的方法；用于传达导航和环境信息的触觉反馈系统；用于室内和室外移动辅助的导航技术；与辅助设备开发相关的设计考量和可用性方面。
现有辅助设备概述
辅助设备已经取得了长足进步，整合了物体检测、导航系统、触觉反馈和人体工程学设计等先进技术，以提高可访问性和独立性。AI驱动的视觉辅助，包括智能眼镜和盲文显示器，正在改变视障个体的生活。借助计算机视觉赋能的物体检测，用户可以实时识别障碍物、阅读文本甚至识别面部。GPS、LiDAR和超声波传感器等导航技术进一步增强了移动能力，使智能手杖和自动驾驶轮椅能够提供精确的运动指导。辅助技术中最引人注目的进展之一是触觉反馈，它通过振动或压力提供触觉响应，使感觉障碍个体更容易与周围环境互动。配备触觉反馈的智能手套允许用户解释数字盲文，而可穿戴导航辅助设备通过细微振动引导用户。此外，认知和学习辅助工具（如语音识别软件、阅读障碍友好应用程序和记忆辅助应用程序）使日常任务更易于管理。智能家居技术（包括语音控制助手、环境控制单元和自适应厨房电器）也使独立生活比以往任何时候都更容易。在设计方面，辅助设备必须舒适、实用并能适应不同需求。轻质材料、人体工程学形状和可定制功能确保了易用性和实用性。随着物联网（IoT）、AI和机器人技术的无缝集成，这些设备正变得更加智能和响应迅速。在医疗保健和老年护理中，可穿戴健康追踪器、跌倒检测系统和自动药物分配器正在增强安全性和监测，确保用户获得及时帮助。
辅助技术中的物体检测与避障
视障个体在安全地在其环境中移动时面临重大挑战，使得物体检测和避障技术对于改善其移动能力至关重要。实时障碍物检测通过结合传统计算机视觉方法、深度学习模型和传感器驱动系统的技术取得了显著进展。物体检测的方法论：计算机视觉中最重要任务之一是物体检测，包括在图像或视频中定位和识别物体。主要方法分为三类：传统技术、现代深度学习方法和基于传感器的方法。传统技术使用基于规则的算法和手动创建的特征来查找图像中的物体，通常依靠边缘检测器、角点检测和HOG、SURF、SIFT等描述符，然后使用支持向量机（SVM）等分类器进行分类。这些技术在有限空间内识别基本物体方面表现良好，但在背景杂乱、遮挡和光照变化等现实变化方面存在困难。深度学习方法通过实现从数据中端到端的特征学习，显著推进了物体检测。卷积神经网络（CNN）构成许多现代检测框架的基础，分为单阶段和两阶段架构。两阶段检测器（如Faster R-CNN）首先生成区域提议，然后进行分类和定位，准确度高但计算复杂。单阶段检测器（如YOLO和SSD）消除了区域提议步骤，直接预测物体类别和边界框，适合实时应用。最新进展扩展到基于Transformer的检测架构，如DETR（Detection Transformer），采用自注意力机制建模全局上下文关系，减少对锚框机制的依赖。同时，视觉-语言和开放词汇模型（如CLIP、BLIP、Grounded-DINO、YOLO-World和OWL-ViT）引入了零样本和基于提示的检测能力，能够基于文本描述识别物体，这对于不可预测环境中的辅助技术尤为重要。基于传感器的方法：在视觉信息不足的情况下（如低光、雾、眩光或纹理缺失表面），基于传感器的方法变得至关重要。常用传感器包括LiDAR、雷达、RGB-D相机、红外传感器和超声波设备。LiDAR提供精确的距离测量和高分辨率空间映射，超声波传感器响应快且计算要求低，RGB-D相机结合颜色信息和深度估计，雷达在恶劣天气条件下鲁棒。检测、传感器融合与避障策略：物体检测和避障通常依赖多种传感模式，包括相机、LiDAR、超声波传感器、雷达和RGB-D系统。传感器融合技术结合来自多个传感器的数据，以利用它们的互补能力，如LiDAR和相机融合、雷达和相机融合，常用卡尔曼滤波器、粒子滤波器或基于深度学习的融合网络。避障策略及其算法：避障是导航系统的关键组成部分。避障策略可广泛分为审慎式、反应式和混合方法。反应式方法主要依靠实时传感器输入，生成对附近障碍物的即时响应，如人工势场法和向量场直方图（VFH），计算开销低，适合可穿戴和实时辅助系统，但可能陷入局部极小值。基于规则的方法使用预定义规则或启发式，实现简单且计算高效，但适应性有限。路径规划算法（如A*、Dijkstra和RRT）涉及为代理规划全局路径以避开障碍物并优化参数。挑战与局限性：环境因素（如恶劣天气或光照不足）会影响基于视觉的设备性能；深度模型和高度传感器的高计算资源需求限制了实时部署；先进传感器（如LiDAR）成本高，难以广泛采用。新兴趋势与未来方向：AI和边缘计算集成使实时处理成为可能；多智能体系统通过多个机器人或设备之间的协调来增强感知和导航效率；传感器开发（如固态LiDAR和事件相机）在紧凑性、能效和分辨率方面取得进展。
触觉反馈在导航中的作用
触觉反馈通过振动模式或其他触觉线索为视障个体提供触觉感官输入，已成为辅助设备中的有用元素。振动模式及其在导航中的作用：基于振动的触觉反馈设备将环境数据转换为触觉信号，使用户能够发展空间意识。不同的振动模式（强度、频率和节奏变化）提供关于环境障碍物的类型和位置的重要信息。振动信号解释：触觉带中的振动电机使用不同的脉冲长度、强度和速度来指示障碍物的存在，振动强度和持续时间根据表面纹理和手杖移动速度而变化。通过触觉反馈增强导航：触觉反馈设备主要用于提供方向指导和警告用户环境中的问题。现代系统结合传感器输入和AI驱动算法，提供复杂的导航指令。当前触觉系统中的机制与技术：现代触觉导航辅助主要使用LiDAR或超声波传感器进行实时障碍物检测，振动触觉执行器通常集成在手杖手柄中，距离相关振动调制是关键特征。创新与未来方向：触觉反馈的适应性使其能够根据实时输入动态调整强度和频率；触觉设备通过振动模式传递复杂空间信息的能力是另一显著进步；可穿戴触觉系统提供免提、连续反馈，进一步改善导航体验。以用户为中心的设计考量：触觉反馈系统的有效性取决于用户理解和舒适地解释触觉信号的难易程度。振动强度需要精确调整，以在可察觉和非侵入性之间取得平衡。研究表明，振动电机的频率、强度和位置对用户舒适度和接受度有很大影响。
辅助设备中使用的导航技术
视障个体在日常情境中导航可能很困难，限制了他们的自由和移动。传统导航辅助和现代解决方案：从简单的触觉辅助（如白手杖）到复杂的电子设备，导航工具已经演变。生物启发导航模型模拟自然过程（如回声定位）来辅助实时导航；AI驱动系统使用深度学习来增强路径规划和物体检测；现代系统经常采用深度传感器、相机和LiDAR；视觉同时定位与地图构建（SLAM）技术帮助用户在受限空间内映射环境并确定自身位置。室内导航系统：使用RGB-D相机捕获详细空间信息，结合3D音频反馈方法，多模态系统（整合多种反馈形式）正日益受到欢迎。室外导航系统：整合GPS、LiDAR和AI技术，边缘智能技术在本地处理数据以最小化延迟，可穿戴设备（如智能眼镜和触觉反馈系统）提供视觉或触觉线索。导航技术的应用：高级导航系统结合AI和计算机视觉，基于深度学习的障碍物检测系统可实时识别和避开障碍物；语义SLAM创建详细的环境地图；基于移动设备的解决方案（如DeepNAVI应用程序）提供可访问的导航选项。多模态交互：增强现实（AR）系统将实时信息投影到用户环境中；手势和语音识别技术实现免提导航；可持续替代方案（如太阳能导航设备）也在开发中。组件与系统架构：传感器集成包括眼动追踪、可穿戴传感器（眼镜或腰带中的传感器）和视觉语义SLAM；用户界面（UI）设计方面，AR导航系统通过虚拟元素增强现实指导，对话式UI通过语音命令实现交互。实施技术：室内导航采用语义用户模型对齐，使导航适应用户需求和偏好；室外导航通过整合GPS、LiDAR和AI技术解决精确定位问题，并适应COVID-19大流行带来的环境变化。挑战：技术挑战包括实时处理、与现有辅助设备（如白手杖或导盲犬）的集成、开发更有效的AI模型来理解地理数据；用户相关挑战包括适应新技术的困难、成本和可访问性、隐私问题。未来路径：技术发展包括边缘计算、多模态接口（如基于触摸和语音的交互）以及IoT在智能城市中的集成；系统集成方面，自动驾驶汽车可纳入导航系统，AI驱动的智能城市基础设施将提高公共场所的可访问性。实施建议：技术考量包括使用AI优化实时数据处理、采用高级计算机视觉模型提高障碍物识别能力、改进用户模型对齐；以用户为中心的设计包括开发包含触觉、视觉和听觉输入的多模态反馈系统、个性化支持解决方案以及让视障个体参与设计过程。
辅助设备设计方面的分析
关键设计特征：可用性和人体工程学是核心，设备（如智能手杖、智能手套和可穿戴系统）旨在最小化用户疲劳的同时最大化功能，轻质材料（如铝和塑料）确保易处理性，触觉反馈机制（振动电机和触觉接口）允许实时空间信息通信。感官集成：超声波、红外（IR）和相机等传感器的集成显著提高了设备功能，超声波传感器通过回声定位提供准确障碍物检测，IR传感器测量附近光强度用于短程导航，相机使用计算机视觉技术分析环境并提供详细空间映射。模块化和定制：智能手杖和智能手套等设备集成模块化组件，支持障碍物检测、地理定位和导航等多种功能，模块化设计允许用户更换或升级组件，实现经济高效和特定于用户的解决方案。移动计算平台：智能手机配备无障碍应用程序，使视障个体能够导航、识别物体并与数字接口交互，文本转语音、语音转文本和基于手势的命令增强了可用性。经济型制造：3D打印、低成本传感器集成和简化电路等技术使设计经济型设备成为可能，使用现成组件的智能手杖生产成本可低至50美元。与先进技术集成：AI和IoT技术的结合彻底改变了辅助设备设计，使用YOLOv4-tiny进行物体检测和Google API进行语音转文本转换的设备实现了实时环境感知和无缝交互。案例研究：智能手杖集成超声波传感器、GPS模块和通过振动手环的触觉反馈；智能手套结合RFID标签、红外通信模块和音频反馈机制；基于智能手机的应用程序（如Blindsquare、Seeing AI、Envision AI、Be My Eyes）利用语音命令、错误处理系统和AR接口；基于Kinect的导航系统展示了深度成像和AI的潜力，但体积庞大凸显了更紧凑设计的需求。挑战与未来方向：功率效率方面，许多设备电池寿命有限，未来设计必须优先考虑节能组件和可再生能源；在多样化环境中的耐用性方面，设备必须承受极端天气等条件；更广泛的可访问性方面，尽管可负担性有所提高，许多设备仍无法被低收入地区用户使用，需要政府和组织合作补贴生产和分销；增强AI和传感器集成方面，需要更鲁棒的算法在可变光照和环境条件下运行。视障辅助技术的比较分析：辅助技术在增强独立性、移动性和生活质量方面发挥着关键作用。移动和导航方面，现代系统结合GPS、计算机视觉和触觉反馈来增强空间意识；环境意识和物体识别方面，AI工具（如“Third Eye”）通过语音合成和图像识别实时描述物体；特定应用和新兴技术方面，工具（如V2IP）帮助使用公共交通，3D打印技术改进了盲文材料创建，摩擦纳米发电机等可持续电源研究有望延长设备寿命。比较分析表明，没有单一技术能完全满足视障用户多样化的移动、感知和可访问性需求，未来辅助系统可能受益于多模态集成，结合视觉、传感、导航和反馈机制，以实现更高的可靠性、可用性和用户接受度。
结论
人工智能、计算机视觉和先进传感硬件的集成显著推进了盲人和视障个体的辅助技术，特别是在物体检测、导航和环境感知方面。最近趋势表明，正转向结合视觉、传感器和触觉或听觉反馈的多模态和AI驱动系统，以增强室内外环境的自主性和安全性。尽管取得这些进展，仍存在限制大规模采用和现实世界有效性的挑战，包括在动态和非结构化环境中实现可靠性能、平衡计算复杂性与能量效率、确保可用性、舒适性和用户长期接受度。此外，许多现有系统在技术上表现出有希望的性能，但缺乏足够的现实世界和康复导向验证。未来研究应强调以用户为中心和康复一致的设计、跨学科合作和广泛的现实世界评估。特别关注多模态传感、基于Transformer和视觉语言的AI模型、边缘计算和自适应反馈机制的集成，以提高环境感知和导航性能。此外，需要让视障个体参与长期用户研究，以更好地理解日常环境中的可用性、认知负荷和技术接受度。边缘计算、传感器融合和自适应反馈机制的进步预计将在开发更鲁棒、可访问和实用的辅助解决方案中发挥关键作用。从实际角度来看，未来的辅助设备应优先考虑可负担性、便携性、能量效率和与现有移动辅助工具的兼容性，以促进更广泛采用。解决这些挑战对于将技术创新转化为有意义的功能益处和改善视障个体的生活质量至关重要。
