對於視障或低視能的運動員來說，跑步通常依賴於物理上的限制，例如人導跑員的牽引繩或跑道上的標線。Google DeepMind 近期推出的 Running Guide Agent 則試圖打破這種依賴，利用即時環境感知與 AI 推理，讓視障跑者能獨立完成跑步訓練。這項技術的核心在於將 AI 從簡單的路徑跟隨，提升到具備空間推理能力的實時導航助手。
為了在高速運動中確保絕對的安全，這套系統採用了混合雙路徑架構，將低延遲的安全性與高層次的環境理解分開處理。
第一路徑是裝置端分割模型（On-device segmentation）。這部分直接運行在手機的自定義晶片上，完全不需要網路連接。它的目標是極低延遲，負責處理最關鍵的生存指令，例如立即停止或方向修正。系統會將這些指令轉化為方向性的滴答聲（Ticking sounds），讓跑者能像依靠雷達一樣，在毫秒之間感知方向並做出反應。
第二路徑則是基於 Gemma 40 億參數的 Gemma 4 E4B 模型。這是一個多模態模型，能夠同時處理影像與文字輸入，用來進行高層次的場景理解。為了避免處理每一幀畫面導致的運算壓力與延遲，工程團隊引入了智慧框架選擇（Smarter Frame Selection）機制。系統不會盲目處理所有影像，而是僅在偵測到高熵（High-entropy）框架時才啟動推理，也就是當地形突然改變或出現新障礙物時才進行分析，確保回饋既快速又精準。
在軟體邏輯上，Running Guide Agent 並非單一模型，而是一個多代理人協作框架（Multi-agent framework），將跑步的不同階段拆解給三個專門的 Agent 處理。
首先是規劃代理人（Planner agent），它利用函數調用（Function calling）能力，在跑前整合天氣資訊與 Google Maps 數據，與跑者溝通訓練目標，並設定數位起跑線。
接著是教練代理人（Coach agent），負責跑中的即時回饋。為了避免資訊過載，它將警訊分為三個優先級層級：危險（Danger）代表需立即閃避）、警告（Warning代表附近有其他跑者或障礙物）以及通知（Notice代表即將進入彎道）。這種分級機制能讓跑者在高速移動中迅速判斷狀況的緊急程度。
最後是休息代理人（Break agent），專門管理休息間隔，讓運動員能隨時暫停或恢復訓練流程。
目前的硬體方案是將 Pixel 10 Pro 手機佩戴在胸前，但為了進一步優化，Google 正在開發智慧眼鏡原型。眼鏡能提供更寬且更穩定的視野，優化輸入給多模態模型的數據質量，並將影像串流回手機處理，實現硬體與環境 AI 的深度融合。
這項技術的關鍵在於將邊緣運算（Edge Computing）的零延遲特性與深度世界理解（World Understanding）結合。對於開發者而言，這展示了如何透過分層架構，在對安全性要求極高的場景中，平衡即時反應（低延遲模型）與複雜推理（大語言模型）之間的矛盾。
來源：blog.google
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。