近日，南京邮电大学宽带无线通信与传感网技术教育部重点实验室、通信与信息工程学院青年教师高赟博士，在通信、可穿戴技术、人工智能交叉领域取得最新研究进展。相关研究成果以“A Wearable Obstacle Avoidance Device for Visually Impaired Individuals with Cross-Modal Learning”为题发表于国际学术期刊Nature Communications。该研究聚焦于视障人群辅助出行问题，提出一种融合多模态数据处理与跨模态学习的可穿戴避障设备，显著提升了出行避障的可靠性、响应速度、续航时间以及用户友好性。

Nature Communications刊发南邮教育部重点实验室及通信与信息工程学院科研团队最新研究进展

　　据世界卫生组织统计，全球约有超过10亿人患有不同程度的视力障碍或失明，这对其日常出行造成了严重影响。盲杖、导盲犬等传统辅助工具虽然在一定程度上发挥了作用，但在应对快速移动或突发障碍物等方面仍存在明显局限；尤其导盲犬资源稀缺、训练成本高，更限制了其大范围推广。随着传感器与人工智能技术的不断进步，基于智能穿戴设备的辅助方式逐渐受到关注，但当前多数避障设备仍难以兼顾高可靠性、低延迟、长续航与良好用户体验。

　　为突破上述瓶颈，研究团队研制了一种新型可穿戴避障设备，由定制化眼镜和智能手机组成，在理论方法与工程实现层面进行了系统创新。具体而言，为实现毫秒级的快速响应，眼镜端集成多模态传感器，可实时采集视频与深度信号，并通过深度辅助的视频压缩模块，有效降低数据传输延迟，确保障碍检测的准确性。在智能手机端，在接收到压缩后的多模态信号后，基于跨模态学习对视频与深度特征进行融合对齐，进一步增强识别精度与环境适应能力。为有效控制设备功耗，团队还设计了一种计算架构，引入多浮点向量处理单元的流处理结构，大大优化了核心计算模块的效率，实现了避障设备在保障性能的同时具备长时间续航能力。

可穿戴避障设备硬件组成

　　江苏省残疾人联合会为设备的实际测试提供了大力支持。该项研究成果也得到国家自然科学基金重大科研仪器研制项目、重点项目、青年项目等的资助。

（撰稿：叶斯珩　初审：郭永安、戴修斌　编辑：王存宏　审核：张丰）