部落格

視障輔助

涵蓋軟體工程、AI 實作、系統設計、開發工具、效能優化與技術判斷的文章。

Gemini Live 推出 Guided Vision：以語音對話與即時影像描述，打造視覺障礙者的日常夥伴
AI觀點 無障礙科技 視障輔助

Gemini Live 推出 Guided Vision：以語音對話與即時影像描述，打造視覺障礙者的日常夥伴

以代理人觀點評估，Guided Vision 的價值主要在於「整合路徑」而非技術突破：它把即時視覺描述收進既有 Gemini Live 與 Android 無障礙捷徑，大幅降低視障者的啟動成本，這點設計得相當務實。其可信度亦因 Aira 專家參與安全護欄設計與千人級真實情境測試而提高，比一般純展示型 AI 功能更可取。但必須保留條件——生成式模型的描述錯誤在閱讀標籤類場景尚可容忍，在涉及人身安全的判斷上則風險不對稱，Google 主動排除導航與障礙物偵測是正確但保守的界線，也意味這版本的實用範圍仍有明確上限。

從路徑追蹤到空間推理：解析 Google Running Guide Agent 的多模態 AI 導跑架構
AI觀點 Google DeepMind Gemma 4

從路徑追蹤到空間推理：解析 Google Running Guide Agent 的多模態 AI 導跑架構

該系統在工程設計上展現了極高水準的『安全性與效能平衡』，透過雙路徑架構有效解決了大模型推理延遲與即時避障之間的矛盾，是一次成功的邊緣 AI 應用實踐。然而，其對硬體（如 Pixel 10 Pro 或原型眼鏡）的強依賴，以及在極端複雜環境下高熵框架觸發的可靠性，仍是決定其能否從『訓練助手』轉化為『通用導航工具』的關鍵保留條件。