論文の概要: Touvigation: Embodied Adaptive Object Acquisition for Blind and Low-Vision Users in Unfamiliar Indoor Environments

• arxiv url: http://arxiv.org/abs/2609.21828v1
• Date: Fri, 18 Sep 2026 14:29:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:17.148793
• Title: Touvigation: Embodied Adaptive Object Acquisition for Blind and Low-Vision Users in Unfamiliar Indoor Environments
• Title（参考訳）: ナビゲーション:不慣れな屋内環境における盲人・低ビジョンユーザのための身体的適応的物体獲得
• Abstract要約: Touvigationは、視覚言語理解と永続的な局所空間モデリングを組み合わせた、ハンズフリーなオブジェクト取得システムである。 視覚障害者12名を対象に多モーダル大言語モデルアシスタントと無支援検索との比較を行った。 ナビゲーションは,マルチモーダルアシスタントでは58%,無支援検索では85%,完了時間と認知作業負荷は減少し,100%のタスク成功を達成した。
• 参考スコア（独自算出の注目度）: 21.591524558310198
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Blind and low-vision users often face challenges when locating and physically acquiring objects in unfamiliar indoor environments. Existing vision-language-model-based assistants can provide semantic descriptions but may introduce latency, hallucinations, and guidance that is poorly aligned with embodied action. We present Touvigation, a hands-free object acquisition system that combines vision-language understanding with persistent local spatial modeling to provide low-latency, body-relative guidance. Drawing on formative interviews with eight blind and low-vision participants, we design a multi-stage guidance framework that adapts spatial references as users transition from orienting, to walking, to reaching and tactile verification. We evaluated Touvigation with 12 blind and low-vision participants against a multimodal large-language-model assistant and unassisted search. Touvigation achieved 100% task success, compared with 58% for the multimodal assistant and 85% for unassisted search, while reducing completion time and cognitive workload. Our findings demonstrate how persistent spatial grounding and adaptive embodied guidance can improve object acquisition for blind and low-vision users.
• Abstract（参考訳）: 盲目や低視野のユーザーは、よく馴染みのない屋内環境で物体を配置し、物理的に取得する際に困難に直面する。 既存の視覚言語モデルベースのアシスタントは、セマンティックな記述を提供することができるが、遅延、幻覚、そして、具体的アクションに不整合なガイダンスを導入することができる。 Touvigationは、視覚言語理解と永続的局所空間モデリングを組み合わせ、低レイテンシで身体相対的なガイダンスを提供する、ハンズフリーなオブジェクト取得システムである。 視覚障害者8人とのフォーマティブなインタビューに基づいて、ユーザがオリエンテーションからウォーキング、リーチ、触覚的検証に移行する際に、空間参照に適応する多段階のガイダンスフレームワークを設計する。 視覚障害者12名を対象に多モーダル大言語モデルアシスタントと無支援検索との比較を行った。 ナビゲーションは,マルチモーダルアシスタントでは58%,無支援検索では85%,完了時間と認知作業量を減少させ,100%のタスク成功を達成した。 本研究は,空間的接地と適応的具体化誘導が,視覚障害者の物体獲得をいかに改善するかを示すものである。

関連論文リスト

• NaviSense: A Multimodal Assistive Mobile application for Object Retrieval by Persons with Visual Impairment [21.405966774051326]
  NaviSenseは、対話型AI、視覚言語モデル、拡張現実(AR)、LiDARを組み合わせたモバイル支援システムである。 ユーザは自然言語でオブジェクトを指定し、目標に向かって移動するための連続的な空間フィードバックを受け取る。 NaviSenseはオブジェクトの検索時間を著しく短縮し、既存のツールよりも好まれた。
  論文  参考訳（メタデータ） (2025-09-23T05:45:11Z)
• Emulating Human-like Adaptive Vision for Efficient and Flexible Machine Visual Perception [93.20637973889434]
  本稿では、"パッシブ"から"アクティブ"ビジョンモデルへのパラダイムシフトを促進するための一般的なフレームワークであるAdaptiveNNを紹介する。 AdaptiveNNは、視覚知覚を粗い連続的な意思決定プロセスとして定式化する。 アダプティブNNは、大規模な視覚認識、きめ細かい識別、視覚検索、実際の運転と医療シナリオからの画像処理を含む、9つのタスクにまたがる17のベンチマークで評価する。
  論文  参考訳（メタデータ） (2025-09-18T18:25:43Z)
• Top-Down Compression: Revisit Efficient Vision Token Projection for Visual Instruction Tuning [70.57180215148125]
  ビジュアルインストラクションチューニングは、大きな言語モデルで視覚世界を理解できるようにすることを目的としている。 既存の手法は、精度と効率の間の難解なトレードオフに悩まされることが多い。 LLaVA-Meteorは,コア情報を妥協することなく,視覚トークンを戦略的に圧縮する手法である。
  論文  参考訳（メタデータ） (2025-05-17T10:22:29Z)
• A Light and Smart Wearable Platform with Multimodal Foundation Model for Enhanced Spatial Reasoning in People with Blindness and Low Vision [9.057330310306696]
  盲目と低視力(pBLV)を持つ人々は、限られた視覚的手がかりのために、環境をナビゲートし、オブジェクトを見つけるのに苦労している、重大な課題に直面しています。 視覚障害者のための現在のマルチモーダル大言語(MLLM)モデルでは、これらのタスクを効果的に支援するために必要な空間推論機能が欠如している。 視覚障害者を対象とした空間拡張型多モーダル大規模言語モデルを提案する。
  論文  参考訳（メタデータ） (2025-05-16T05:32:25Z)
• Small Object Detection for Indoor Assistance to the Blind using YOLO NAS Small and Super Gradients [0.0]
  本稿では,小物体検出の課題に対処して,視覚障害者に対する屋内支援のための新しいアプローチを提案する。 軽量で効率的なオブジェクト検出モデルであるYOLO NAS Smallアーキテクチャを,Super Gradientsトレーニングフレームワークを用いて最適化する手法を提案する。
  論文  参考訳（メタデータ） (2024-08-28T05:38:20Z)
• Augmented reality navigation system for visual prosthesis [67.09251544230744]
  反応ナビゲーションと経路計画のソフトウェアを組み込んだ視覚補綴用拡張現実ナビゲーションシステムを提案する。 対象を地図上に配置し、対象の軌道を計画し、対象に示し、障害なく再計画する。 その結果,目標を達成するための時間と距離を減らし,障害物衝突の回数を大幅に減らし,航法性能の向上を図っている。
  論文  参考訳（メタデータ） (2021-09-30T09:41:40Z)
• Learning Perceptual Locomotion on Uneven Terrains using Sparse Visual Observations [75.60524561611008]
  この研究は、人中心の環境において、よく見られるバンプ、ランプ、階段の広い範囲にわたる知覚的移動を達成するために、スパースな視覚的観察の使用を活用することを目的としている。 まず、関心の均一な面を表すことのできる最小限の視覚入力を定式化し、このような外受容的・固有受容的データを統合した学習フレームワークを提案する。 本研究では, 平地を全方向歩行し, 障害物のある地形を前方移動させるタスクにおいて, 学習方針を検証し, 高い成功率を示す。
  論文  参考訳（メタデータ） (2021-09-28T20:25:10Z)
• Embodied Visual Active Learning for Semantic Segmentation [33.02424587900808]
  本研究では,エージェントが3次元環境を探索し,視覚シーン理解の獲得を目指す,具体化されたビジュアルアクティブラーニングの課題について検討する。 我々は、学習と事前指定の両方のエージェントのバッテリーを開発し、環境に関する異なるレベルの知識で開発する。 本研究では,matterport3dシミュレータを用いて提案手法を広範囲に評価し,本手法が比較対象よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-12-17T11:02:34Z)
• Assisted Perception: Optimizing Observations to Communicate State [112.40598205054994]
  我々は、ロボット遠隔操作や視覚障害のあるナビゲーションといったタスクにおいて、ユーザが世界の状態を見積もるのを支援することを目的としている。 ユーザによって処理された場合、より正確な内部状態推定につながる新しい観測結果を合成する。
  論文  参考訳（メタデータ） (2020-08-06T19:08:05Z)
• Hand-Priming in Object Localization for Assistive Egocentric Vision [45.38703542455732]
  エゴセントリックなビジョンは、視覚情報へのアクセスを増やし、視覚障害者の生活の質を向上させるための大きな約束を持っています。 対象物の中心領域を予備化するための文脈情報として手の存在を利用するローカライゼーションモデルを提案する。 視覚障害者や視覚障害者の自我中心のデータセットを用いて、手作りが他の手法よりも精度が高いことを示す。
  論文  参考訳（メタデータ） (2020-02-28T05:32:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。