WVAB: A Low-Latency Wireless Assistive Vision Framework for Risk-Aware Navigation and Multilingual Audio Guidance

بالنسبة لملايين الأشخاص الذين يعانون من فقدان البصر، لا يبدو العالم كصورة ثابتة، بل كتدفق متقلب من المعلومات التي يجب تفسيرها فوراً. فالمشاة الذين يخطون في مسار ما، أو مركبة تقترب من الجانب، أو كرسي يسد ممرًا، ليست مجرد تفاصيل بصرية؛ بل هي أسئلة فورية تتعلق بالسلامة والاتجاه. توفر الأدوات التقليدية مثل العصا البيضاء والكلاب المرشدة دعماً أساسياً، لكنها لا تستطيع الرؤية حول الزوايا أو تحديد أشياء معينة مثل لوحة "قف" أو غصن شجرة منخفض. وتعد الأجهزة الإلكترونية بسد هذه الفجوة من خلال العمل كعين رقمية، ومع ذلك تواجه هذه التكنولوجيا واقعاً مادياً عنيداً: وهو الوقت. إذا رأت الكاميرا عائقاً، ولكن استغرق الكمبيوتر وقتاً طويلاً للتعرف عليه، أو إذا وصل التحذير الصوتي بعد أن يكون المستخدم قد سار بالفعل نحو الخطر، فإن المعلومة تصبح عديمة الفائدة. إن التحدي لا يكمن فقط في رؤية العالم، بل في رؤيته وفهمه والتحدث عنه بسرعة كافية لتكون لهذه الرؤية أهمية.

هذا الاستعجال يدفع عمل الباحثين الذين طوروا نظاماً جديداً يسمى WVAB، المصمم لاختبار ما إذا كان الإعداد اللاسلكي منخفض التكلفة يمكنه مواكبة سرعة الحركة البشرية. لم يهدف الفريق إلى اختراع نوع جديد من الكاميرات أو نموذج ذكاء اصطناعي أكثر ذكاءً، بل ركزوا بدلاً من ذلك على الفجوات غير المرئية بين أجزاء النظام: الوقت الذي يستغرقه إرسال صورة من الكاميرا، والوقت اللازم لمعالجتها، والوقت اللازم لتحويل هذا الفهم إلى أمر صوتي. لقد بنوا نموذجاً أولياً يستخدم وحدة كاميرا صغيرة وغير مكلفة لالتقاط الصور وإرسالها لاسلكياً إلى جهاز كمبيوتر. يقوم هذا الكمبيوتر بعد ذلك بتحديد الأشياء، ويقرر ما إذا كان المسار أمام المستخدم آمناً، ويجهز تعليمات صوتية. العملية برمتها تشبه سباق التتابع حيث كل ميلي ثانية لها قيمتها، وقد قاس الباحثون بالضبط كم استغرق كل عداء لتسليم العصا.

يعتمد النظام على سلسلة محددة من الأحداث. تلتقط كاميرا صغيرة، بحجم علبة الكبريت تقريباً، مشهداً وتقسم الصورة إلى قطع صغيرة لإرسالها عبر شبكة لاسلكية. وعلى عكس مكالمات الفيديو القياسية التي تنتظر وصول كل قطعة من البيانات بشكل مثالي، صُمم هذا النظام ليكون "غير صبور". فإذا كانت هناك قطعة مفقودة من الصورة أو قديمة جداً، يقوم النظام بالتخلص منها ويأخذ الأحدث المتاح. يضمن ذلك أن يعمل الكمبيوتر دائماً بأحدث رؤية ممكنة للعالم، بدلاً من التعثر في انتظار صورة مثالية ولكنها قديمة. وبمجرد وصول الصورة إلى جهاز كمبيوتر محمول، يقوم برنامج بتحديد الأشياء مثل الأشخاص أو الكراسي أو المركبات. ثم يقوم برنامج منفصل بالنظر في مكان وجود هذه الأشياء - يساراً، أو منتصف الطريق، أو يميناً - ويحسب درجة خطورة بسيطة. وأخيراً، يقوم محرك تحويل النص إلى كلام بتحويل تقييم المخاطر هذا إلى أمر قصير وواضح مثل "اذهب للأمام مباشرة" أو "توقف".

اختبر الباحثون هذا الإعداد تحت ظروف محكومة لمعرفة ما إذا كان بإمكانه تلبية حد زمني صارم. وضعوا هدفاً مفاده أن العملية برمتها، من لحظة جاهزية الصورة للإرسال حتى يتم وضع الرسالة الصوتية في قائمة الانتظار للتشغيل، يجب أن تستغرق أقل من 200 ميلي ثانية. وهذا جزء من الثانية، وهو ما يعادل تقريباً الوقت الذي تستغرقه رمشة العين. وباستخدام جهاز كمبيوتر محمول مزود ببطاقة رسوميات لتسريع الحسابات، حقق النظام متوسط زمن قدره 78.6 ميلي ثانية. تشير هذه النتيجة إلى أن المسار سريع بما يكفي ليكون مفيداً، مما يترك هامشاً مريحاً قبل حد الـ 200 ميلي ثانية. ومع ذلك، عندما أزال الباحثون بطاقة الرسوميات واعتمدوا فقط على المعالج الرئيسي للكمبيوتر، ارتفع الوقت إلى 161.3 ميلي ثانية. ورغم أن هذا لا يزال تحت الحد المطلوب، إلا أن النظام تباطأ بشكل ملحوظ، حيث عالج أقل من سبع إطارات في الثانية بدلاً من العشرة المطلوبة. تشير هذه النتيجة إلى أنه بينما المنطق يعمل، إلا أن الأجهزة (Hardware) مهمة؛ فبدون السرعة المتخصصة لبطاقة الرسوميات، يكافح النظام لمواكبة وتيرة المشي.

قارنت الدراسة أيضاً طرقاً مختلفة لإيصال الصورة إلى الكمبيوتر. اختبروا اتصالاً مباشراً عبر كابل USB، واتصالاً لاسلكياً من هاتف ذكي، ووحدة الكاميرا اللاسلكية الصغيرة. كان اتصال USB المباشر هو الأسرع، حيث استغرق حوالي 62.6 ميلي ثانية، وهو أمر منطقي لأنه يتجنب تأخير الإرسال اللاسلكي. وكانت طريقة الهاتف الذكي هي الأبطأ بواقع 114.6 ميلي ثانية، ويرجع ذلك على الأرجه إلى الطريقة التي يغلف بها الهاتف البيانات ويرسلها عبر الشبكة. أما وحدة الكاميرا اللاسلكية الصغيرة، وهي جوهر الجهاز القابل للارتداء المقترح، فقد كان أداؤها جيداً بشكل مفاجئ بواقع 95.4 ميلي ثانية. لقد كانت أسرع من الهاتف الذكي وأبطأ قليلاً فقط من الكابل المباشر، مما يثبت أن مستشعراً لاسلكياً منخفض التكلفة يمكن أن يكون قابلاً للتطبيق لهذا النوع من التطبيقات. لاحظ الباحثون أن اختيار الكاميرا وطريقة الإرسال يغير السرعة، ولكن الخيارات الثلاثة ظلت جميعها ضمن نافذة الوقت الآمنة عند اقترانها ببطاقة رسوميات سريعة.

وللتحقق مما إذا كان النظام يتخذ القرارات الصحيحة، قارن الفريق مخرجاته بالأحكام البشرية. عرضوا 200 مقطع فيديو لمشاهد داخلية وخارجية على النظام وطلبوا منه أن يقرر ما إذا كان يجب الذهاب مباشرة، أو الدوران، أو التباطؤ، أو التوقف. ثم قارنوا هذه القرارات بالقرارات التي اتخذها مدققون بشريون شاهدوا المقاطع نفسها. اتفق النظام مع البشر بنسبة 91.5 بالمئة للمشاهد الداخلية و87.3 بالمئة للمشاهد الخارجية. يشير هذا المستوى العالي من الاتفاق إلى أن المنطق الخاص باتخاذ قرار مكان السير هو منطق سليم. ومع ذلك، كان الباحثون حذرين في توضيح أن هذا الاتفاق لا يعني أن النظام آمن لاستخدامه من قبل شخص كفيف بمفرده. فقد قاس الاختبار فقط ما إذا كان منطق الكمبيوتر يطابق منطق البشر على الشاشة؛ ولم يقس ما إذا كان بإمكان شخص كفيف التنقل في شارع حقيقي دون السقوط أو الاصطدام بجسم ما. إن النظام هو أداة لدعم القرار، وليس بديلاً للكلب المرشد أو العصا.

يؤكد المؤلف أن هذا العمل هو عرض لنموذج أولي يعمل، وليس منتجاً نهائياً جاهزاً للسوق. وقد صرحوا صراحة بأن النظام لم يتم اختباره مع مشاركين من المكفوفين أو ضعاف البصر، كما لم يتم اعتماده من حيث السلامة. النسخة الحالية تعتمد على جهاز كمبيوتر محمول للقيام بالمهام الثقيلة، مما يعني أنها ليست بعد جهازاً محمولاً ومستقلاً بذاته يمكن للشخص ارتداؤه على جسده. كما تسلط الدراسة الضوء على أن النظام لا يقيس المسافة بدقة؛ فهو يخمن مدى قرب الجسم بناءً على حجمه في الصورة، وهو ما قد يكون مضللاً. علاوة على ذلك، لا يمكن للنظام رؤية الأجسام الشفافة مثل الأبواب الزجاجية أو اكتشاف الانخفاضات المفاجئة مثل السلالم إذا لم تكن مرئية بوضوح. هذه القيود ليست مخفية، بل تم تحديدها بوضوح كحدود لما حققته هذه التجربة المحددة.

في النهاية، تقدم الورقة صورة واضية لما يمكن تحقيقه بالتكنولوجيا الحالية وما لا يزال يتعين حله. أثبت الباحثون أن كاميرا لاسلكية منخفضة التكلفة، وجهاز كمبيوتر سريع، وبرنامج بسيط لاتخاذ القرار يمكن أن يعملوا معاً بسرعة كافية لتكون مفيدة محتملة. لقد أظهروا أن التأخير بين الرؤية والتحدث يمكن إبقاؤه تحت خُمس ثانية، وهي خطوة كبيرة للأمام. ومع ذلك، فقد أوضحوا أيضاً أن السرعة والمنطق هما جزء فقط من القصة. الخطوات التالية تتضمن اختبار النظام مع مستخدمين حقيقيين، وضمان عمله في الظروف الحقيقية الفوضوية وغير المتوقعة، وبناء نسخة لا تتطلب جهاز كمبيوتر محمولاً للعمل. إن الطريق نحو وسيلة مساعدة حقيقية ومستقلة للسفر لذوي الإعاقة البصرية طويل، لكن هذا العمل يرسم مساراً لجزء حرج من الطريق، موضحاً أن التوقيت بدأ أخيراً في التوافق مع الحاجة.