Д.И. Палогианнидис1

1 Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина) (Санкт-Петербург, Россия)
1 dimitris.palogiannidis@gmail.com

Постановка проблемы. Современные системы навигации с ИИ и компьютерным зрением плохо адаптированы для слепых и слабовидящих. Необходима формализация человеческой навигации (восприятие среды, оценка угроз, принятие решений и корректировка траектории) в единую алгоритмическую модель, учитывающую динамические изменения окружающей среды.

Цель. Разработать алгоритмическую модель пространственной навигации для слепых и слабовидящих, основанную на предиктивной корректировке траектории и количественной оценке угроз, для безопасного и эффективного передвижения пользователя.

Результаты. Разработана структурированная модель навигационного цикла, включающая формирование сцены, распознавание объектов, прогнозирование движения и корректировку маршрута. Введен коэффициент опасности k, формализующий риски, масштабирующий зоны опасности и адаптирующий поведение системы для динамических и статических объектов. Установлено, что модель обеспечивает предсказуемое навигационное поведение в реальном режиме времени.

Практическая значимость. Модель является основой для интеллектуальных ассистивных устройств для слепых и слабовидящих: мобильных приложений, носимых систем, умных тростей и роботизированных ассистентов. Она способствует повышению безопасности и снижению когнитивной нагрузки, обеспечивает адаптивное предупреждение об угрозах.

Палогианнидис Д.И. Алгоритмическая модель технологического процесса пространственной навигации слепых и слабовидящих пользователей на основе предиктивной корректировки траектории // Биомедицинская радиоэлектроника. 2026. T. 29. № 3. С. 43−49. DOI: https:// doi.org/10.18127/j156 04136-202603-07

1. Rafai A.N.A., Adzhar N., Jaini N.I. Обзор алгоритмов планирования пути и избежания препятствий для автономных мобильных роботов // J. Robot. 2022. V. 2022, № 1. P. 2538220.
2. Rezwan S., Choi W. Подходы искусственного интеллекта для навигации БПЛА: последние достижения и будущие вызовы // IEEE Access. 2022. V. 10. P. 26320–26339.
3. Palogiannidis D. Алгоритм избегания объектов в реальном времени с использованием компьютерного зрения для слабовидящих с аудиосигналами обратной связи // 2025 Systems and Technologies of the Digital HealthCare (STDH). 2025. P. 278–282.
4. Condé F. и др. Афферентные связи медиальной фронтальной коры крысы. II. Кора и субкортикальные афференты // J. Comp. Neurol. 1995. V. 352. № 4. P. 567–593.
5. Shafique S. и др. Усиливает ли пространственный звук создание ментальных представлений? // Front. Neurosci. Frontiers, 2025. V. 19.
6. Noel J.-P., Angelaki D.E. Когнитивные, системные и вычислительные нейронауки о движении «я» // Annu. Rev. Psychol. Annual Reviews. 2022. V. 73. P. 103–129.