Harvard-App Mobilio nutzt Smartphone-Sensoren zur Navigation für blinde Menschen

Navigation jenseits standardmäßiger digitaler Karten

Menschen mit geringem oder keinem Sehvermögen sind beim Navigieren in unbekannten Innen- und Außenbereichen häufig Gefahren ausgesetzt. Standard-Navigationstools wie Google Maps bieten nicht die feine räumliche Auflösung, die nötig ist, um unmittelbare physische Barrieren zu erkennen, sodass Nutzer auf Blindenstöcke oder Blindenhunde angewiesen bleiben. Um diese Lücke zu schließen, entwarfen der Doktorand Raymond Liu und der Assistenzprofessor für Bioingenieurwesen Patrick Slade an der Harvard John A. Paulson School of Engineering and Applied Sciences Mobilio, eine assistive Innovation, über die New Atlas berichtet.

Die Ingenieure führten Versuche mit 14 Testpersonen durch, die mit einem Stock in Kombination mit Mobilio Indoor-Teststrecken abliefen. Ihre Leistungen wurden mit dem Gehen mit einem Stock und Google Maps verglichen. Laut der Forschungsarbeit des Teams in Nature Biomedical Engineering erreichten die Probanden mit Mobilio ihre Ziele in Innenräumen 13 % schneller und erlitten 41 % weniger Kollisionen, was den funktionalen Nutzen der Echtzeit-Routenanpassung bestätigt.

„Unser System nutzt die Sensoren eines Smartphones, GPS-Informationen und die tatsächliche Bewegung der Person, um im Wesentlichen einen kleinen Plan für ein autonomes Fahrzeug zu erstellen, wie sie von ihrem Standort zu ihrem Ziel navigiert werden kann.“

— Patrick Slade, Assistenzprofessor für Bioingenieurwesen an der Harvard University

Fußgängerperspektiven ersetzen Automotive-Datensätze

Vor der Zusammenstellung des Software-Prototyps befragten die Forscher mehr als 100 Personen mit eingeschränktem oder keinem Sehvermögen, um ihre wichtigsten physischen Herausforderungen zu ermitteln. Die Nutzergruppe nannte drei Kernanforderungen: kontinuierliches Richtungsfeedback auf geraden Wegen, präzise Wegbeschreibungen mit Abbiegehinweisen und zuverlässige Erkennung unmittelbarer physischer Hindernisse, wie New Atlas dokumentiert.

Die meisten kommerziellen autonomen Computer-Vision-Modelle stützen sich auf Datensätze, die von Fahrzeugen auf befestigten Straßen aufgezeichnet wurden. Da Fußgänger sich auf Gehwegen, Zebrastreifen und in Innenkorridoren bewegen, entwickelten Liu und Slade Modelle der künstlichen Intelligenz zur semantischen Segmentierung anhand von Bildmaterial, das direkt aus Fußgängerperspektive aufgenommen wurde. Liu, dessen älterer Bruder blind ist, betonte, dass das Testen von Technologie mit betroffenen Nutzern unerlässlich sei, da Sehbehinderungen von Person zu Person stark variieren.

Algorithmen für autonome Fahrzeuge laufen auf Standardhardware

Mobilio funktioniert ohne spezielle externe Headsets oder externe Rechenpakete. Stattdessen läuft die Anwendung vollständig auf einem handelsüblichen Smartphone, indem sie Eingaben von der Gerätekamera, dem GPS-Empfänger, internen Bewegungssensoren und, sofern vorhanden, integrierten LiDAR-Sensoren verarbeitet, so New Atlas.

Die Software berechnet sichere Gehwege, indem sie die Bewegung des Nutzers verfolgt und räumliche Audiohinweise an den individuellen Gang jedes Einzelnen anpasst, wobei sie Prinzipien nutzt, die häufig in der Robotik zu finden sind. Lokale Vision-Modelle auf Standard-Smartphone-Chips machten spezielle externe Verarbeitungsplatinen überflüssig und halten das assistive Setup für Nutzer ohne Zusatzanschaffungen zugänglich.

Feldtests im Alltag

Nach ihren ersten Labortests plant das Entwicklungsteam der Harvard SEAS, die Tests auf verschiedene Außenumgebungen und öffentliche Orte auszuweiten. Die nächste Forschungsphase soll untersuchen, wie sich Mobilio über längere Zeiträume regelmäßiger Nutzung an die unterschiedlichen täglichen Gewohnheiten, das Tempo und die Routenvorlieben sehbehinderter Nutzer anpasst, wie New Atlas im Detail berichtet – ein vielversprechender Schritt vorwärts für die Erfindung.

Lesen Sie auch bei The Patent: Trilaterale Patentämter treffen sich in Wien zu Global Assignment und KI