Mobilio: Η νέα AI εφαρμογή του Harvard για την πλοήγηση ατόμων με προβλήματα όρασης

Σύνοψη

• Ερευνητές του Πανεπιστημίου Harvard ανέπτυξαν το Mobilio, μια νέα εφαρμογή smartphone που υποστηρίζεται από τεχνητή νοημοσύνη και σχεδιάστηκε αποκλειστικά για την αυτόνομη πλοήγηση ατόμων με τύφλωση ή χαμηλή όραση.
• Το σύστημα αξιοποιεί τους ενσωματωμένους αισθητήρες της συσκευής (κάμερα, GPS, LiDAR, IMU) και δημιουργεί ένα τοπικό μοντέλο μηχανικής όρασης που αναγνωρίζει πεζοδρόμια, διαβάσεις και εμπόδια σε πραγματικό χρόνο.
• Σε αντίθεση με τις φωνητικές εντολές του Google Maps, το Mobilio χρησιμοποιεί εξατομικευμένα ηχητικά σήματα (beeps) για συνεχή καθοδήγηση, προσαρμόζοντας τον τόνο και τη συχνότητά τους στην ταχύτητα και την ακρίβεια του χρήστη.
• Κατά τη διάρκεια των δοκιμών, οι συμμετέχοντες που χρησιμοποίησαν το Mobilio μαζί με το λευκό μπαστούνι κατάφεραν να κινηθούν κατά 13% πιο γρήγορα σε εξωτερικούς χώρους και να μειώσουν τις συγκρούσεις με εμπόδια κατά 41% συγκριτικά με τις παραδοσιακές μεθόδους πλοήγησης.

Η καθημερινή και κυρίως αυτόνομη μετακίνηση στους σύγχρονους αστικούς ιστούς αποτελεί μια διαρκή, εξαιρετικά σύνθετη πρόκληση για τα άτομα που αντιμετωπίζουν τύφλωση ή σοβαρά προβλήματα όρασης. Οι υπάρχουσες λύσεις, από το παραδοσιακό λευκό μπαστούνι μέχρι τους εκπαιδευμένους σκύλους οδηγούς, καλύπτουν μεν ένα σημαντικό μέρος των αναγκών προσανατολισμού, εντούτοις σπάνια προσφέρουν ταυτόχρονα και τα τρία κρίσιμα στοιχεία που απαιτούνται για την ασφαλή πλοήγηση, δηλαδή τις ακριβείς κατευθύνσεις, τη συνεχή καθοδήγηση κατά μήκος της διαδρομής και την αξιόπιστη ανίχνευση εμποδίων. 

Στην προσπάθεια να καλυφθεί αυτό το σημαντικό τεχνολογικό κενό, μια ερευνητική ομάδα του Πανεπιστημίου Harvard προχώρησε στην ανάπτυξη μιας νέας καινοτόμου εφαρμογής με την ονομασία Mobilio, η οποία υπόσχεται να μετατρέψει το κοινό smartphone σε ένα προηγμένο σύστημα υποβοήθησης και αυτόνομης πλοήγησης.

Η νέα προσέγγιση είναι εξαιρετικά πρακτική διότι παρακάμπτει την ανάγκη αγοράς ακριβού και εξειδικευμένου εξοπλισμού, βασιζόμενη εξ ολοκλήρου στις δυνατότητες επεξεργασίας που προσφέρουν ήδη τα σύγχρονα smartphones, τα οποία βρίσκονται στην κατοχή της συντριπτικής πλειοψηφίας των καταναλωτών. Η ερευνητική προσπάθεια έχει ως απώτερο σκοπό τη δημιουργία ενός λογισμικού που θα μπορεί να αντιλαμβάνεται τον περιβάλλοντα χώρο με τον ίδιο τρόπο που το πράττουν τα συστήματα αυτόνομης οδήγησης των σύγχρονων οχημάτων, προσαρμοσμένο όμως απόλυτα στις ιδιαίτερες ανάγκες των πεζών.

Πώς ακριβώς λειτουργεί η εφαρμογή Mobilio του Harvard;

Το Mobilio συνδυάζει αλγορίθμους μηχανικής μάθησης και δεδομένα από τους ενσωματωμένους αισθητήρες του smartphone (κάμερα, GPS, γυροσκόπιο, επιταχυνσιόμετρο και LiDAR) για να δημιουργήσει ένα τοπικό μοντέλο πλοήγησης πεζών. Χρησιμοποιώντας χωρικά ηχητικά σήματα αντί για φωνητικές οδηγίες, καθοδηγεί τον χρήστη με απόλυτη ακρίβεια, εντοπίζοντας πεζοδρόμια και αποφεύγοντας φυσικά εμπόδια σε πραγματικό χρόνο.

Η λειτουργία του συστήματος βασίζεται στην άμεση ανάλυση της ζωντανής ροής εικόνας από την κάμερα του κινητού τηλεφώνου, η οποία λειτουργεί ως το κύριο οπτικό μέσο της εφαρμογής για την αναγνώριση του περιβάλλοντος χώρου. Ένα από τα βασικότερα τεχνικά επιτεύγματα της ερευνητικής ομάδας έγκειται στην ανάπτυξη ενός προσαρμοσμένου μοντέλου μηχανικής όρασης (computer vision), το οποίο εκπαιδεύτηκε ειδικά για να αναλύει την οπτική γωνία ενός πεζού. 

Σύμφωνα με τον Raymond Liu, τα περισσότερα διαθέσιμα σύνολα δεδομένων που χρησιμοποιούνται ευρέως για την εκπαίδευση αλγορίθμων πλοήγησης προέρχονται από κάμερες τοποθετημένες σε αυτοκίνητα, γεγονός που συχνά οδηγεί σε εσφαλμένη ταξινόμηση υποδομών που αφορούν αποκλειστικά τους πεζούς. Για να λυθεί αυτό το πρόβλημα, δημιουργήθηκε ένα μοντέλο σημασιολογικής κατάτμησης ικανό να αναγνωρίζει με αξιοπιστία τα πεζοδρόμια, τις διαβάσεις, τους δρόμους και τις διαφορετικές επιφάνειες κάτω από ποικίλες συνθήκες φωτισμού.

Η υπέρβαση των τεχνικών περιορισμών στα smartphones

Η εκτέλεση πολύπλοκων αλγορίθμων μηχανικής όρασης απαιτεί παραδοσιακά τεράστια υπολογιστική ισχύ, η οποία συνήθως παρέχεται από ισχυρούς υπολογιστές ή εξειδικευμένο hardware που συνδέεται στο διαδίκτυο για απομακρυσμένη επεξεργασία. Η ομάδα του Harvard αντιμετώπισε την τεράστια πρόκληση της βελτιστοποίησης όλων αυτών των μοντέλων τεχνητής νοημοσύνης ώστε να μπορούν να εκτελούνται απρόσκοπτα και σε πραγματικό χρόνο στην κεντρική μονάδα επεξεργασίας ενός τυπικού smartphone. Αυτή η on-device λειτουργία κρίνεται ζωτικής σημασίας όχι μόνο για την προστασία των προσωπικών δεδομένων του εκάστοτε χρήστη, αλλά πρωτίστως για την εξάλειψη της όποιας καθυστέρησης θα μπορούσε να προκύψει από τη μεταφορά δεδομένων μέσω δικτύων κινητής τηλεφωνίας, καθώς ακόμα και ένα κλάσμα του δευτερολέπτου αργοπορίας στην ενημέρωση για ένα εμπόδιο μπορεί να αποβεί κρίσιμο για την ασφάλεια.

Η ενσωμάτωση του αισθητήρα LiDAR, όπου αυτός είναι διαθέσιμος όπως για παράδειγμα στις νεότερες γενιές συσκευών iPhone, προσφέρει ένα τεράστιο πλεονέκτημα στον τομέα της χαρτογράφησης βάθους. Ο συγκεκριμένος αισθητήρας εκπέμπει παλμούς φωτός και μετρά τον χρόνο που απαιτείται για να επιστρέψουν στη συσκευή, δημιουργώντας έναν εξαιρετικά λεπτομερή τρισδιάστατο χάρτη του περιβάλλοντος σε κλάσματα του δευτερολέπτου. Ακόμα όμως και σε συσκευές Android χαμηλότερου κόστους που στερούνται αυτής της προηγμένης τεχνολογίας, οι αλγόριθμοι της εφαρμογής αντισταθμίζουν την έλλειψη αξιοποιώντας την οπτική ροή της βασικής κάμερας σε συνδυασμό με το γυροσκόπιο και το επιταχυνσιόμετρο. Το λογισμικό λαμβάνει διαρκώς πληροφορίες για την ακριβή γωνία κλίσης του τηλεφώνου, την ταχύτητα βηματισμού του χρήστη και την τρέχουσα θέση μέσω του δέκτη GPS, συνθέτοντας μια ολοκληρωμένη εικόνα για το πού βρίσκεται το άτομο και τι ακριβώς υπάρχει μπροστά του σε ακτίνα αρκετών μέτρων.

Εξατομικευμένη χωρική ηχητική ανάδραση αντί για φωνητικές εντολές

Μια από τις πιο ενδιαφέρουσες πτυχές του συστήματος που διαφοροποιεί το Mobilio από καθιερωμένες εφαρμογές χαρτογράφησης όπως το Google Maps, είναι ο τρόπος με τον οποίο αλληλεπιδρά με τον τελικό χρήστη. Αντί να βομβαρδίζει τον άνθρωπο με συνεχείς προφορικές υποδείξεις και μακροσκελείς φωνητικές οδηγίες που συχνά επικαλύπτουν τους φυσικούς ήχους του περιβάλλοντος, η εφαρμογή παρέχει διαρκή ακουστικά ερεθίσματα υπό τη μορφή διακριτικών ηχητικών παλμών. Αυτοί οι ήχοι αξιοποιούν τεχνολογίες χωρικού ήχου (spatial audio) για να υποδείξουν την κατεύθυνση προς την οποία πρέπει να κινηθεί ο πεζός, δίνοντας την ψευδαίσθηση ότι η πηγή του ήχου βρίσκεται στα αριστερά ή στα δεξιά του ανάλογα με την απαιτούμενη πορεία αποφυγής του εμποδίου.

Το πιο εντυπωσιακό χαρακτηριστικό αυτής της διαδικασίας είναι η ενσωμάτωση μιας τεχνικής βελτιστοποίησης με τον άνθρωπο στο επίκεντρο. Καθώς ο χρήστης περπατά, το λογισμικό μετρά με συνεχή ακρίβεια πόσο πιστά ακολουθεί τα ακουστικά σήματα και προσαρμόζει αυτόματα τόσο τη συχνότητα όσο και την τονικότητα των ηχητικών μοτίβων, ώστε να ταιριάζουν με τον προσωπικό ρυθμό βάδισης, τον χρόνο αντίδρασης και τις ιδιαίτερες αντιληπτικές ικανότητες του κάθε ατόμου ξεχωριστά, μετατρέποντας το smartphone σε έναν εξατομικευμένο ψηφιακό συνοδό.

Αποτελέσματα δοκιμών, συγκρίσεις με το Google Maps και η προσωπική κινητήριος δύναμη

Σημαντικό ρόλο στην εξέλιξη της πλατφόρμας έπαιξε η αδιάλειπτη διαβούλευση με τους ίδιους τους χρήστες. Πριν καν γραφτεί η πρώτη γραμμή κώδικα, η ερευνητική ομάδα του πανεπιστημίου προχώρησε στη διεξαγωγή μιας αναλυτικής έρευνας στην οποία συμμετείχαν περισσότερα από 100 άτομα με μειωμένη ή καθόλου όραση. Τα αποτελέσματα της έρευνας υπέδειξαν ότι τα ηλεκτρονικά βοηθήματα ταξιδιού και οι λύσεις πλοήγησης μέσω GPS απέτυχαν να προσφέρουν την απαιτούμενη μικρο-ακρίβεια που χρειάζεται ένας πεζός.

Για την αξιολόγηση της πραγματικής αποδοτικότητας του συστήματος, οι ερευνητές πραγματοποίησαν εκτενείς δοκιμές με τη συμμετοχή 14 εθελοντών από το Κέντρο Τυφλών Carroll στη Μασαχουσέτη. Οι συμμετέχοντες κλήθηκαν να ολοκληρώσουν συγκεκριμένες διαδρομές χρησιμοποιώντας αρχικά το Google Maps σε συνδυασμό με το παραδοσιακό λευκό μπαστούνι, και στη συνέχεια επαναλαμβάνοντας την ίδια ακριβώς διαδικασία με τη χρήση της εφαρμογής Mobilio. Τα στατιστικά δεδομένα που προέκυψαν καταδεικνύουν την ξεκάθαρη ανωτερότητα της νέας προσέγγισης, καθώς οι εθελοντές που βασίστηκαν στο λογισμικό του Harvard ολοκλήρωσαν τις εξωτερικές διαδρομές περίπου 13% πιο γρήγορα, ενώ οι περιπτώσεις όπου ήρθαν σε επαφή με φυσικά εμπόδια κατά τη διάρκεια της εσωτερικής διαδρομής μειώθηκαν εντυπωσιακά κατά 41%. Σε επίπεδο συνολικής αξιοπιστίας όσον αφορά την ομαλή καθοδήγηση προς τον τελικό προορισμό χωρίς κρίσιμα σφάλματα, το Mobilio επέδειξε επιδόσεις που συγκρίνονται άμεσα με αυτές ενός πραγματικού ανθρώπινου συνοδού.

Πέρα από τα στενά όρια της επιστημονικής καινοτομίας, το συγκεκριμένο εγχείρημα τροφοδοτήθηκε από τα έντονα προσωπικά βιώματα του επικεφαλής συγγραφέα της μελέτης. Ο Raymond Liu διαθέτει έναν μεγαλύτερο αδελφό ο οποίος αντιμετωπίζει προβλήματα όρασης, γεγονός που τον ώθησε να εστιάσει τις διδακτορικές του σπουδές στην ανάπτυξη τεχνολογιών που προάγουν την ανεξαρτησία των ατόμων με αναπηρίες. Προς το παρόν, η εφαρμογή αναπτύσσεται περαιτέρω με την υποστήριξη του Harvard Grid Accelerator, ενώ το Γραφείο Ανάπτυξης Τεχνολογίας του πανεπιστημίου διερευνά τις βέλτιστες πρακτικές για την επερχόμενη εμπορική διάθεση του λογισμικού στο ευρύ κοινό μέσω των γνωστών ηλεκτρονικών καταστημάτων εφαρμογών.