全球有超過22億人受到視覺障礙影響，但傳統白手杖只能探測地面附近的障礙，既無法識別高處的危險物，也無法提供關於周圍環境的語義資訊。與此同時，現有的AI輔助導航系統往往依賴昂貴硬體或持續的雲端連線，在資源有限的環境中難以普及。正是在這一矛盾之上，一篇提交至arXiv的新論文給出了一套兼顧價格與可用性的原型方案。
論文題為《An Affordable AI-Integrated Smart Cane for Multimodal Mobility Assistance of Visually Impaired Users》，由Ali Akarma等作者完成，於2026年9月12日提交，歸類於人工智慧（cs.AI），同時涉及計算機視覺（cs.CV）、計算與社會（cs.CY）以及機器人學（cs.RO）等方向。
該智慧手杖整機成本約88美元，採用完全離線的執行方式，核心計算平臺是超低功耗的Raspberry Pi Zero 2W。感知層面融合了RGB視覺感測與飛行時間（ToF）距離估計，既能判斷前方物體的類別，也能估計其遠近；模型方面選用INT8量化的SSD MobileNet V1，目的是讓神經網路推理能在算力與記憶體都極為緊張的邊緣裝置上即時跑起來。輸出端則以與距離相關的振動觸覺反饋配合即時語音提示，讓使用者根據危險遠近獲得不同強度的提醒。
為在受限硬體上保持穩定執行，作者構建了多程序架構，將感測器資料採集、神經網路推理和觸覺反饋拆分到相互獨立的程序中，並加入失效保護式的感測支援。這樣的設計可以避免某一環節的阻塞拖垮整個系統，也提升了真實出行場景中的可靠性。
實驗評估覆蓋多種室內出行場景。結果顯示，系統的宏平均F1分數為0.82，其中精確率為0.85、召回率為0.81；端到端平均延遲約330毫秒，峰值功耗為2.8瓦。作者還開展了一項包含12名參與者的初步可用性研究，系統可用性量表（SUS）得分為78.5，並同時採集了NASA-TLX負荷資料，參與者對裝置的整體感知偏正面，障礙物感知能力有所提升。
作者認為，這一原型驗證了在成本敏感的出行輔助場景中部署隱私保護型、邊緣原生輔助智慧的可行性：由於所有計算都在本地完成，影像資料無需上傳，隱私風險隨之降低；而低廉的硬體成本則為更大規模的推廣留下了空間。