論文の概要: From White Canes to Edge AI: A Survey of Assistive Navigation Technologies for Blind and Low-Vision Individuals
- arxiv url: http://arxiv.org/abs/2611.00671v1
- Date: Sat, 31 Oct 2026 06:09:42 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-03 19:47:22.511564
- Title: From White Canes to Edge AI: A Survey of Assistive Navigation Technologies for Blind and Low-Vision Individuals
- Title（参考訳）: 白杖からエッジAI:盲人と低視野者のための補助ナビゲーション技術の調査
- Abstract要約: 独立モビリティ(Independent Mobility)は、盲目と低視の個人(BLV)の自立のための基礎的な要件である。
この調査は2008年から2026年の間に発行された108のピアレビュー研究を体系的にレビューした。
- 参考スコア（独自算出の注目度）: 0.3718729598555903
- License:
- Abstract: Independent mobility is a foundational requirement for the autonomy of blind and low-vision (BLV) individuals, yet the assistive technologies that support it have historically evolved slowly. This survey systematically reviews 108 peer-reviewed studies published between 2008 and 2026, organizing the field into four technological eras: (i) a foundational era of passive mechanical aids, namely the white cane and the guide dog; (ii) a hardware era of electronic travel aids built on ultrasonic, infrared, and satellite positioning sensors that alert users to proximity but lack semantic understanding; (iii) a deep learning era in which convolutional and transformer-based detectors introduced context-aware scene understanding, initially tethered to cloud infrastructure; and (iv) a contemporary edge-native era defined by model compression, quantization, hardware acceleration, and multi-sensor fusion that relocate intelligence onto resource-constrained wearable and mobile devices. For each era we analyze representative systems, sensing modalities, computational architectures, and reported performance, and we consolidate the field's model-optimization techniques into a single technical reference spanning four detector families and twelve compression strategies. Across the corpus, we find a persistent mismatch between rapid algorithmic progress and slow real-world adoption, driven by cognitive overload in user interfaces, fragmented evaluation protocols, and the scarcity of studies involving BLV participants. We conclude with open challenges, including seamless indoor-outdoor transition, standardized benchmarks, privacy-preserving perception, and the emerging role of multimodal foundation models, and outline a roadmap for socially acceptable, user-centered assistive navigation.
- Abstract（参考訳）: 独立モビリティ(Independent Mobility)は、ブラインドとロービジョン(BLV)の個人を自立させるための基本的な要件であるが、それをサポートする補助技術は歴史的にゆっくりと進化してきた。
この調査は2008年から2026年にかけて発行された108のピアレビュー研究を体系的にレビューし、その分野を4つの技術時代へと整理した。
一 受動的機械的援助の根本的時代、すなわち白杖及び案内犬
二 超音波、赤外線及び衛星測位センサ上に構築された電子的移動補助具のハードウェア時代で、利用者に近接を警告するが、意味的理解に欠ける。
三 畳み込み・変圧器に基づく検知器が、当初クラウドインフラに繋がった文脈対応のシーン理解を導入した深層学習時代
(iv) モデル圧縮、量子化、ハードウェアアクセラレーション、およびリソースに制約されたウェアラブルおよびモバイルデバイスにインテリジェンスを移動させるマルチセンサー融合によって定義される、現代のエッジネイティブの時代。
それぞれの時代において、代表システムを分析し、モダリティ、計算アーキテクチャを検知し、性能を報告し、フィールドのモデル最適化技術を4つの検出器ファミリーと12の圧縮戦略にまたがる単一の技術基準に統合する。
コーパス全体では,ユーザインタフェースの認知的過負荷,断片化評価プロトコル,BLV参加者を含む研究の不足などにより,アルゴリズムの急速な進歩と実世界の採用の遅さの相違がみられた。
我々は、シームレスな室内外移行、標準化されたベンチマーク、プライバシー保護の認識、マルチモーダル基盤モデルの出現する役割など、オープンな課題を解決し、社会的に許容され、ユーザ中心の補助ナビゲーションのロードマップを概説する。
関連論文リスト
- The Path to NDE 4.0: A Review of Algorithms, Techniques, and Strategies for Autonomous Inspection [3.3875867817658354]
非破壊検査(NDI: Non-Destructive Inspection)は、近代的な品質保証の基礎である。
本稿では,現在のNDIの展望を概観する。
我々は、手動のアナログ解釈からデジタル化されたデータ中心パラダイムへの急速な進化を説明するために、幅広い学術文献を合成する。
論文 参考訳（メタデータ） (2026-10-21T20:41:35Z) - Networking-Aware Energy Efficiency in Agentic AI Inference: A Survey [64.20429885919701]
本稿では,知覚・推論・行動サイクル全体にわたる計算・通信コストを同定するエネルギー会計フレームワークを提案する。
我々は、単純化、計算制御、インプット・アンド・アテンション最適化、ハードウェア・アウェア・推論にまたがる統一的な分類法を確立する。
我々は,第6世代移動通信(6G)ネイティブエージェントAI,自己維持システムといったグリーンラーニングのオープンな課題を特定した。
論文 参考訳（メタデータ） (2026-04-09T06:13:59Z) - Survey on Remote Sensing Scene Classification: From Traditional Methods to Large Generative AI Models [2.970707784493277]
リモートセンシングシーンの分類は、従来の手作り特徴法から高度な人工知能システムへのパラダイム転換を経験してきた。
本総説では, 従来のテクスチャ記述子から現在の最先端基礎モデルまで, 開発過程を体系的に追跡し, 完全な方法論的進化を考察する。
合成データ生成と高度な特徴学習戦略を通じて永続的な課題に取り組む、生成AIイノベーションに特に重点を置いている。
論文 参考訳（メタデータ） (2026-03-23T11:35:37Z) - Autonomous Navigation at the Nano-Scale: Algorithms, Architectures, and Constraints [3.8673630752805437]
本稿では,ナノUAVのセンサ,コンピューティング,制御アーキテクチャの最先端を概説する。
我々は、古典幾何学に基づく手法から新しい「エッジAI」パラダイムへの移行を批判的に分析する。
論文 参考訳（メタデータ） (2026-01-19T17:38:15Z) - Forging Spatial Intelligence: A Roadmap of Multi-Modal Data Pre-Training for Autonomous Systems [75.78934957242403]
自動運転車とドローンは、マルチモーダル搭載センサーデータから真の空間情報を必要とする。
本稿では,この目標に向かって進む中核的な技術群を同定し,マルチモーダル・プレトレーニングのためのフレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-30T17:58:01Z) - Edge Artificial Intelligence: A Systematic Review of Evolution, Taxonomic Frameworks, and Future Horizons [10.453339156813852]
Edge AIは、インテリジェンスを直接、ネットワークエッジのデバイスに埋め込む。
このレビューでは、Edge AIの進化、現在の状況、今後の方向性を体系的に検討する。
論文 参考訳（メタデータ） (2025-10-01T20:22:17Z) - Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey [58.50944604905037]
エッジクラウドコラボレーティブコンピューティング(ECCC)は、現代のインテリジェントアプリケーションの計算要求に対処するための重要なパラダイムとして登場した。
AIの最近の進歩、特にディープラーニングと大規模言語モデル(LLM)は、これらの分散システムの能力を劇的に向上させてきた。
この調査は、基本的なアーキテクチャ、技術の実現、新しいアプリケーションに関する構造化されたチュートリアルを提供する。
論文 参考訳（メタデータ） (2025-05-03T13:55:38Z) - Uncertainty Estimation in Multi-Agent Distributed Learning for AI-Enabled Edge Devices [0.0]
エッジIoTデバイスはFPGAとAIアクセラレータの導入によってパラダイムシフトを経験している。
この進歩は、エッジAIの実用性を強調し、その計算能力を大幅に増幅した。
本研究では,AI対応エッジデバイスによる分散データ処理を実現する手法について検討し,協調学習能力を向上する。
論文 参考訳（メタデータ） (2024-03-14T07:40:32Z) - Towards AIOps in Edge Computing Environments [60.27785717687999]
本稿では,異種分散環境に適用可能なaiopsプラットフォームのシステム設計について述べる。
高頻度でメトリクスを収集し、エッジデバイス上で特定の異常検出アルゴリズムを直接実行することが可能である。
論文 参考訳（メタデータ） (2021-02-12T09:33:00Z)
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。