全球有超过22亿人受到视觉障碍影响，但传统白手杖只能探测地面附近的障碍，既无法识别高处的危险物，也无法提供关于周围环境的语义信息。与此同时，现有的AI辅助导航系统往往依赖昂贵硬件或持续的云端连接，在资源有限的环境中难以普及。正是在这一矛盾之上，一篇提交至arXiv的新论文给出了一套兼顾价格与可用性的原型方案。
论文题为《An Affordable AI-Integrated Smart Cane for Multimodal Mobility Assistance of Visually Impaired Users》，由Ali Akarma等作者完成，于2026年9月12日提交，归类于人工智能（cs.AI），同时涉及计算机视觉（cs.CV）、计算与社会（cs.CY）以及机器人学（cs.RO）等方向。
该智能手杖整机成本约88美元，采用完全离线的运行方式，核心计算平台是超低功耗的Raspberry Pi Zero 2W。感知层面融合了RGB视觉传感与飞行时间（ToF）距离估计，既能判断前方物体的类别，也能估计其远近；模型方面选用INT8量化的SSD MobileNet V1，目的是让神经网络推理能在算力与内存都极为紧张的边缘设备上实时跑起来。输出端则以与距离相关的振动触觉反馈配合实时语音提示，让使用者根据危险远近获得不同强度的提醒。
为在受限硬件上保持稳定运行，作者构建了多进程架构，将传感器数据采集、神经网络推理和触觉反馈拆分到相互独立的进程中，并加入失效保护式的传感支持。这样的设计可以避免某一环节的阻塞拖垮整个系统，也提升了真实出行场景中的可靠性。
实验评估覆盖多种室内出行场景。结果显示，系统的宏平均F1分数为0.82，其中精确率为0.85、召回率为0.81；端到端平均延迟约330毫秒，峰值功耗为2.8瓦。作者还开展了一项包含12名参与者的初步可用性研究，系统可用性量表（SUS）得分为78.5，并同时采集了NASA-TLX负荷数据，参与者对设备的整体感知偏正面，障碍物感知能力有所提升。
作者认为，这一原型验证了在成本敏感的出行辅助场景中部署隐私保护型、边缘原生辅助智能的可行性：由于所有计算都在本地完成，图像数据无需上传，隐私风险随之降低；而低廉的硬件成本则为更大规模的推广留下了空间。