Accessibility Scout：个性化建筑环境无障碍扫描系统

DOI

评估不熟悉的建筑环境的无障碍性对残障人士至关重要。然而，由用户或其私人健康专业人员执行的手动评估费力且不可扩展，而自动机器学习方法往往忽视个体用户的独特需求。大型语言模型（LLM）的最新进展 enables 解决这个问题的新方法，在个性化和可扩展性之间取得平衡，实现更具适应性和情境感知的无障碍评估。我们提出 Accessibility Scout，一个基于 LLM 的无障碍扫描系统，从建筑环境照片中识别无障碍问题。随着使用，Accessibility Scout 成为越来越能干的"无障碍侦察兵"，通过人机协作评估，根据个体的移动水平、偏好和特定环境兴趣定制无障碍扫描。我们展示了三项研究的结果：与六名参与者进行的形成性研究以此告知 Accessibility Scout 的设计，对 500 张建筑环境图像的技术评估，以及与十名不同移动能力参与者进行的用户研究。我们技术评估和用户研究的结果表明，Accessibility Scout 可以生成超出传统 ADA 考量的个性化无障碍扫描。最后，我们讨论了我们工作的影响和未来构建更具可扩展性和个性化的物理世界无障碍评估的步骤。