LAZAR — Live Audio Zone-aware Assisted Routing, görmə qabiliyyəti olmayan və zəif görən şəxslər üçün hazırlanmış, insan-mərkəzli və koqnitiv yükün fərqində olan süni intellekt naviqasiya çərçivəsidir. Sistem yalnız hədəfə gedən marşrutu hesablamağı qarşısına məqsəd qoymur; ətraf mühitdəki maneələri qavramaq, istifadəçinin təcrübə və əlçatanlıq profilini nəzərə almaq, informasiya sıxlığını tənzimləmək və səs, vibrasiya və məkan yönləndirməsi kimi müxtəlif duyğu kanallarını birlikdə istifadə etmək üzərində qurulub.

Tədqiqatın çıxış nöqtəsi ondan ibarətdir ki, mövcud naviqasiya texnologiyaları ayrı-ayrılıqda mühüm imkanlar təqdim etsə də, şəhər daxilində təhlükəsiz hərəkət üçün zəruri elementləri bütöv şəkildə birləşdirə bilmir. GPS sistemləri uzun məsafəli marşrut təqdim edə bilər, lakin müvəqqəti maneələri real vaxtda aşkar etmir; ağ əsa yaxın ətrafda son dərəcə dəyərlidir, lakin uzaqdakı və ya bel səviyyəsindən yuxarı maneələr barədə əvvəlcədən xəbər verə bilmir; bulud əsaslı görüntü tanıma sistemləri semantik məlumat yarada bilər, lakin bağlantı, gecikmə və məxfilik problemləri doğura bilər.

LAZAR bu parçalanmış quruluşa qarşı Edge AI, real vaxtlı ətraf mühit qavrayışı, istifadəçi profilləşdirilməsi, çox-modallı geribildirim və modul çox-agentli quruluşu bir araya gətirən dizayn təklif edir. Sistemdə kritik qavrama əməliyyatlarının mümkün qədər mobil cihazın özündə həyata keçirilməsi və bulud bağlantısının kəsilməsinin təhlükəsizlik baxımından əsas qavrama kanalını sıradan çıxarmaması məqsədi qoyulub.

Yüksək dəqiqlikli prototip görmə qabiliyyəti olmayan və ya zəif görən 11 iştirakçı ilə formativ istifadəolunma qiymətləndirilməsindən keçirilib. Orta System Usability Scale (SUS) balı 91,36/100, ümumi məmnunluq 4,64/5 ölçülüb; UEQ-nun altı təcrübə ölçüsünün hamısında +2-dən yuxarı nəticə əldə edilib. Lakin bu nəticələr tam avtonom LAZAR arxitekturasının real şəhər şəraitində təhlükəsiz və effektiv olduğunu sübut etmir; tədqiqat bu mərhələdə prototip qarşılıqlı əlaqə modelinin istifadəolunması və qəbul edilə bilməsi barədə ilkin dəlil təqdim edir.

LAZAR nədir və klassik naviqasiya tətbiqlərindən necə fərqlənir?

LAZAR görmə qabiliyyəti olmayan və zəif görən istifadəçilər üçün hazırlanmış insan-mərkəzli adaptiv naviqasiya çərçivəsidir. Klassik marşrut tətbiqlərindən əsas fərqi naviqasiyanı yalnız “A nöqtəsindən B nöqtəsinə yol tapmaq” kimi nəzərdən keçirməməsidir. Sistem istifadəçinin qavrayış imkanını, təcrübə səviyyəsini, cari fiziki və ya koqnitiv vəziyyətini və ətraf mühit risklərini birlikdə qiymətləndirərək göstərilən yardımın miqdarını, formasını və zamanlamasını dəyişdirməyi hədəfləyir.

Mövcud həllərin əsas boşluqları

Ağ əsa istifadəçinin dərhal qarşısındakı səth və maneələr haqqında olduqca dəyərli fiziki məlumat verir; lakin uzaqdakı obyektləri, baş səviyyəsindəki maneələri və ya marşrut kontekstini qabaqcadan aşkar etmir.

GPS əsaslı tətbiqlər şəhər miqyasında istiqamət tapmağı dəstəkləyir, lakin xəritə verilənlər bazalarında olmayan yol işləri, səkiyə park edilmiş avtomobillər və ya müvəqqəti küçə avadanlıqları kimi dəyişən ətraf mühit risklərini real vaxtda aşkar edə bilmir.

Bulud əsaslı görüntü tanıma həlləri obyekt və səhnə tanınmasında daha zəngin semantik məlumat verə bilər. Bununla belə, vizual məlumatın uzaq serverə göndərilməsi gecikmə yarada və ətrafdakı insanların və ya özəl məkanların görüntülərinin istəmədən ötürülməsi məxfilik problemi doğura bilər.

LAZAR-ın dizayn yanaşması buna görə “bir sensoru daha yaxşı etmək” əvəzinə marşrut planlamasını real vaxtlı qavrama və insan–AI qarşılıqlı əlaqəsi ilə birlikdə nəzərdən keçirir.

Koqnitiv yük naviqasiya sistemində niyə təhlükəsizlik probleminə çevrilir?

Görmə qabiliyyəti olmayan istifadəçilər şəhər mühitində nəqliyyat səsləri, digər piyadalar, ətraf mühit əks-sədaları, səth dəyişiklikləri və istiqamət tapma ipucları kimi çoxsaylı təbii siqnalları eyni vaxtda emal edirlər. Naviqasiya sistemi fasiləsiz və ətraflı danışarsa, istifadəçinin bu ətraf mühit siqnallarını qavrama qabiliyyətini azalda bilər. Tədqiqat bu vəziyyəti “cognitive masking” kimi nəzərdən keçirir: yardımçı sistemdən gələn məlumat kömək etmək əvəzinə ətrafdan gələn kritik məlumatı maskalaya bilər.

Buna görə LAZAR-ın məqsədi maksimum məlumat vermək deyil; doğru anda lazım olan qədər məlumat verməkdir. Xüsusilə səsli geribildirim fasiləsiz şifahi anlatım formasında hazırlanmayıb. Yaxınlaşan maneələr üçün məsafədən asılı olaraq sürətlənən qısa akustik impulslar, aydın vibrasiya nümunələri və lazım olduqda nitq əsaslı yönləndirmə birlikdə istifadə olunur.

“Geiger Effect” nədir?

Sistem maneə istifadəçiyə yaxınlaşdıqca tezliyi artan qısa akustik impulslar istifadə edir. Tədqiqatda bu yanaşma “Geiger Effect” kimi müəyyənləşdirilir. Beləliklə, istifadəçi fasiləsiz uzun cümlələr dinləmək əvəzinə maneənin yaxınlığını səs impulslarının sürətindən intuitiv olaraq anlaya bilər.

Məsələn, uzaqdakı maneə seyrək səs yaradarkən maneə yaxınlaşdıqca impulslar sürətlənir. Kritik vəziyyətdə bu səsli siqnal vibrasiya və yönləndirmə ilə dəstəklənə bilər.

Çox-modallı geribildirimin məqsədi

LAZAR məlumat ötürülməsini tək bir duyğu kanalına bağlamır:

• Səs: yönləndirmə, nitq və məkan sonifikasiyası,
• Taktil geribildirim: müxtəlif risk səviyyələri üçün vibrasiya nümunələri,
• Vizual qat: zəif görən istifadəçilər üçün yüksək kontrast və böyük hədəflər,
• Makro hərəkətlər: dəqiq toxunuş əvəzinə böyük və sadə ekran hərəkətləri.

Bu bölgünün məqsədi həm əlçatanlığı artırmaq, həm də tək bir kanala həddindən artıq məlumat yüklənməsinin qarşısını almaqdır.

İnterfeys niyə mümkün qədər boş saxlanılır?

Aktiv naviqasiya ekranı şüurlu şəkildə son dərəcə sadə hazırlanıb. Çünki şəhərdə yeriyən istifadəçinin diqqətinin mühüm hissəsi artıq fiziki mühitə yönəlib. Ekrana çoxlu düymə, mesaj və ya menyu əlavə etmək qarşılıqlı əlaqə yükünü artıra bilər.

Aktiv qavrama vəziyyətində sistemin mərkəzində yalnız tövsiyə olunan yayınma istiqamətini göstərən istiqamət göstəricisi və ən yaxın maneənin məsafə təxmini yerləşir. Kritik təhlükə halında modal pəncərənin açılmaması da eyni məntiqə əsaslanır: istifadəçidən “Təhlükəni təsdiqlə” kimi yeni əməliyyat tələb etmək məhz fiziki reaksiyanın lazım olduğu anda əlavə koqnitiv və motor yük yarada bilər.

Təhlükəsiz və təhlükəli vəziyyət necə fərqləndirilir?

Prototipdə təhlükəsiz vəziyyət ekranın ətrafında yaşıl tonlu çərçivə ilə, yaxın təhlükə isə qırmızı ətraf çərçivə ilə təmsil olunur. Lakin rəng heç vaxt yeganə siqnal deyil. Təhlükə zamanı rəng dəyişikliyini aydın vibrasiya və akustik xəbərdarlıq müşayiət edir.

Beləliklə, sistem WCAG-ın məlumatın yalnız rənglə ötürülməməsi prinsipinə uyğun şəkildə çoxsaylı siqnallar yaradır.

Zəif görən istifadəçilər üçün kontrast dizaynı

İnterfeys saf qara əvəzinə #373635 tünd fon istifadə edir. Əsas vurğu rəngi #E7F434 ilə fon arasında 9,97:1, ikinci rəng #C1DE79 ilə fon arasında 8,00:1 kontrast nisbəti təmin edilib. Bunlar WCAG AAA-nın 7:1 mətn kontrastı tələbini aşır.

Əsas şrift ölçüləri ən azı 22 sp-dən başlayır və dinamik şəkildə böyüyə bilər. Əsas əməliyyatlarda çox böyük toxunma sahələri və lazım gəldikdə ekranın təxminən yarısını tutan seçim kartları istifadə olunur.

İstifadəçi profilləri sistemi necə dəyişdirir?

LAZAR istifadəçiləri vahid tip “əlçatanlıq profili”nə yerləşdirmir. İlkin konfiqurasiyada üç təcrübə profili mövcuddur:

Məsələn, başlanğıc rejimində aşkar edilmiş maneə “Qarşında insan var, 1,5 metr, sağa keç” şəklində sinif, məsafə və istiqamət məlumatı ilə elan edilə bilər. Ekspert rejimində isə yalnız kritik məsafə həddinə daxil olan maneələr danışıq xəbərdarlığını işə sala bilər.

“Bu gün özümü necə hiss edirəm?” yanaşması niyə vacibdir?

Tədqiqatın maraqlı dizayn qərarlarından biri istifadəçinin qeydiyyatda olan profilinin səfərdən əvvəl müvəqqəti dəyişdirilə bilməsidir. “Today I feel” seçimi yorğunluq, narahatlıq və ya görmə qabiliyyətində gündəlik dəyişiklik kimi hallarda sistemin yardım səviyyəsini yenidən tənzimləməyə imkan verir.

Bu yanaşma əlilliyi tamamilə sabit istifadəçi xüsusiyyəti kimi deyil, gün ərzində dəyişə bilən funksional vəziyyət kimi nəzərdən keçirir.

Taktil kağız prototip niyə istifadə edildi?

Standart kağız prototip vizual üsul olduğuna görə tam kor istifadəçilərlə aparılacaq iştirakçı dizaynda özlüyündə əlçatan deyil. Tədqiqatçılar bu problemi kağız üzərində qarşılıqlı əlaqə sərhədlərini qabartma boya ilə nəzərə çarpdırmaqla həll etməyə çalışıblar.

Quruduqda relyef yaradan xüsusi boya sayəsində düymə və kart sərhədlərini barmaqla hiss etmək mümkün olub. Beləliklə, yalnız görən tədqiqatçıların şərhinə əsaslanmaq əvəzinə hədəf istifadəçi qrupunun erkən dizayn prosesində birbaşa iştirak etməsi nəzərdə tutulub.

Gediləcək yer seçimində niyə yalnız iki böyük seçim var?

Marşrut seçim ekranında iki əsas seçim var: sərbəst hədəf daxil etmə və əvvəlcədən yadda saxlanılmış “Evə Get” marşrutu. İki seçimin ekranın təxminən yarısını tutması dəqiq toxunma ehtiyacını xeyli azaldır.

Bu qərar yalnız vizual sadəlik üçün deyil; qərar məkanını kiçildərək emal vaxtını və koqnitiv yükü azaltmaq üçün hazırlanıb.

Evə Get funksiyasının önə çıxarılması

Evə qayıtmaq görmə qabiliyyəti olmayan istifadəçilərin tez-tez istifadə etdiyi naviqasiya ssenarilərindən biridir. Buna görə funksiya keçmiş marşrut siyahılarının içində gizlədilməyib, birbaşa əsas seçimlərdən birinə çevrilib. Məqsəd istifadəçini küçədə lazımsız menyu addımlarına məruz qoymamaqdır.

LAZAR-ın çox-agentli süni intellekt arxitekturası necə işləyəcək?

Təklif olunan LAZAR arxitekturası tək böyük AI modulu əvəzinə bir-birindən ayrılmış altı ixtisaslaşmış agentdən istifadə edir. Bu quruluş qavrama, marşrut, fərdiləşdirmə, təhlükəsizlik və istifadəçi interfeysi kimi müxtəlif işlərin ayrı komponentlər tərəfindən yerinə yetirilməsini hədəfləyir.

Bu altı-agentli quruluşun hamısı istifadəçi tədqiqatında işləyən bütöv sistem kimi sınaqdan keçirilməyib. Məqalənin arxitektura bölməsi gələcəkdə həyata keçiriləcək tam inteqrasiya üçün dizayn əsasını müəyyən edir.

Edge AI niyə kritikdir?

LAZAR-ın təhlükəsizlik baxımından mühüm qavrama əməliyyatlarını mobil cihazın üzərində yerinə yetirməsi nəzərdə tutulur. Kamera görüntüsünü əvvəlcə uzaq serverə göndərmək, serverdə emal etmək və cavabı geri almaq bağlantı gecikməsindən asılıdır. Bundan əlavə, xam görüntünün uzaq infrastruktura ötürülməsi məxfilik problemi yarada bilər.

Edge AI yanaşmasında kritik ətraf mühit qavrayışı mümkün qədər istifadəçinin telefonunda baş verir. Bulud xidmətləri isə marşrut həndəsəsi və ya geocoding kimi vaxt baxımından daha az kritik tapşırıqlarda istifadə oluna bilər.

300 millisaniyə həddi nəyi ifadə edir?

Proqram təminatı tələblərində real vaxtlı piyada naviqasiyasını dəstəkləmək üçün kritik emal gecikməsi hədəfi 300 ms-dən aşağı müəyyən edilib. Həmçinin əsas qavrama modellərinin oflayn işləyə bilməsi və interfeysin “eyes-free” istifadə məntiqi ilə hazırlanması tələblərə əlavə olunub.

Bulud tamamilə çıxarılır?

Xeyr. Arxitektura buludu rədd etmir; təhlükəsizlik baxımından kritik vəzifələri buluddan asılı etməməyə çalışır. Google Directions kimi xidmətlər makro marşrut, OpenStreetMap/Nominatim geocoding və uzunmüddətli öyrənmə kimi tapşırıqlarda asinxron şəkildə istifadə oluna bilər.

Buna görə yanaşma “yalnız Edge” deyil; kritik real vaxtlı qavrama Edge-də, vaxt baxımından daha az kritik strateji tapşırıqlar lazım olduqda buludda formasında hibrid quruluşdur.

Tədqiqatın Metodu və Nəticələri

Tədqiqat dizaynının əsas mərhələləri

Tədqiqat tək bir metoddan ibarət deyil. Tədqiqatçılar bir-birini izləyən bir neçə dizayn və doğrulama qatından istifadə ediblər:

1. yardımçı naviqasiya ədəbiyyatının və mövcud texnoloji boşluqların araşdırılması,
2. istifadəçi tələblərinin Software Requirements Specification formasında müəyyənləşdirilməsi,
3. aşağı dəqiqlikli əlçatan kağız prototipin hazırlanması,
4. yüksək dəqiqlikli Android interfeysi və qarşılıqlı əlaqə modelinin hazırlanması,
5. Edge AI və çox-agentli arxitektura dizaynının müəyyənləşdirilməsi,
6. görmə qabiliyyəti olmayan və ya zəif görən 11 iştirakçı ilə formativ istifadəolunma qiymətləndirilməsi.

Proqram təminatı tələbləri

Tədqiqatda SRS yalnız mühəndislik sənədi kimi deyil, istifadəçi ehtiyacları ilə sistem davranışı arasındakı izlənə bilən əlaqə kimi nəzərdən keçirilib.

Əsas funksional tələblər arasında:

• real vaxtlı maneə aşkarlanması,
• obyektlərin semantik təsnifatı,
• məsafə və hündürlük təxmini,
• yayınma tövsiyələri,
• istifadəçi təcrübəsi profilinə görə marşrut və yardımın uyğunlaşdırılması

mövcuddur.

Əsas qeyri-funksional tələblər isə <300 ms emal gecikməsi, əsas qavramanın oflayn istifadə edilə bilməsi və ekrana fasiləsiz baxmağı tələb etməyən “eyes-free” istifadə yanaşmasıdır.

İstifadəçi doğrulama tədqiqatı

Formativ qiymətləndirmə İspaniyadakı görmə qabiliyyəti olmayan şəxslər icmasından 11 nəfərlə həyata keçirilib. İştirakçılar funksional Android prototipini fasilitasiya olunan think-aloud sessiyalarında istifadə ediblər.

Qiymətləndirmədə üç əsas məlumat mənbəyindən istifadə olunub:

• SUS — System Usability Scale,
• UEQ — User Experience Questionnaire,
• strukturlaşdırılmış keyfiyyət geribildirimi və açıq uclu istifadəçi şərhləri.

İştirakçı profili

Yeni və naməlum marşrutlarda ilkin inam

İştirakçılardan yeni və ya naməlum marşrutda müstəqil naviqasiya ilə bağlı 1–5 arasında inam səviyyələri soruşulub. Orta göstərici yalnız 2,55 olub. Bu nəticə iştirakçılar yardımçı texnologiyalarla tanış olsalar belə, naməlum şəhər mühitlərində inam və təhlükəsizlik problemlərinin davam etdiyini göstərir.

SUS balı 91,36 nə deməkdir?

System Usability Scale qiymətləndirilməsində LAZAR yüksək dəqiqlikli prototipinin orta balı 91,36/100 olub. Mənbədə istifadə edilən Bangor və həmkarlarının təsnifatına görə bu dəyər çox yüksək istifadəolunma zonasındadır. Doqquz iştirakçı 85-dən yuxarı, altı iştirakçı 90 və ya daha yüksək bal verib; iki istifadəçi isə maksimum 100 bal verib.

Bununla yanaşı, n=11 nümunə ölçüsünə görə bu dəyər geniş istifadəçi populyasiyası üçün sabit parametr təxmini kimi şərh edilə bilməz. Tədqiqat özü bunu güclü, lakin ilkin xarakterli qəbul edilə bilmə dəlili kimi təqdim edir.

UEQ nəticələri

UEQ şkalası −3 ilə +3 arasındadır. Altı ölçünün hamısında +2-dən yuxarı dəyər alınması iştirakçıların prototiplə bağlı ümumi təcrübəsinin müsbət olduğunu göstərir.

Ümumi məmnunluq

Beş ulduzlu ümumi qiymətləndirmənin orta göstəricisi 4,64/5 olub. Yeddi iştirakçı beş ulduz, dörd iştirakçı dörd ulduz verib; dörd ulduzdan aşağı bal verən olmayıb.

İstifadəçilərin ən çox bəyəndiyi xüsusiyyətlər

Keyfiyyət geribildirimində dörd mövzu ön plana çıxıb:

• icma tərəfindən dəstəklənən Əlçatanlıq Sosial Xəritəsi,
• fərdiləşdirilmiş koqnitiv profil və “Today I feel” müvəqqəti profil tənzimləməsi,
• marşrut axtarışı və ekran axınındakı birbaşalıq,
• maneə aşkarlanması və lazım olduqda canlı dəstək mexanizmi.

Xüsusilə sosial xəritə istifadəçilərin real vaxtlı maneə və ya əlçatanlıq hadisələrini paylaşa bilməsinə əsaslandığı üçün iştirakçılar tərəfindən digər naviqasiya vasitələrindən fərqləndirici xüsusiyyət kimi qiymətləndirilib.

Müəyyən edilən problemlər

Bəzi istifadəçi problemlərinin tətbiqin öz arxitekturasından daha çox Android TalkBack davranışı ilə əlaqəli olduğu müəyyən edilib. Dekorativ ikonların lazımsız oxunması, bəzi ekran elementlərinin tək uzun ardıcıllıq şəklində səsləndirilməsi və seçim təsdiqlərinin kifayət etməməsi bunlar arasındadır.

Daha əsas dizayn problemi isə xəritə panelinin tamamilə gözsüz istifadəyə hələ kifayət qədər uyğun olmamasıdır. İstifadəçinin xəritə üzərində mövqeni işarələməsini tələb edən funksiyalar üçün gələcəkdə koordinat və ya səs əsaslı alternativ giriş üsulları planlaşdırılır.

Bundan əlavə, iOS/VoiceOver istifadə edən bəzi iştirakçılar Android TalkBack jestlərinə öyrəşməkdə çətinlik çəkib və iOS versiyası tələb ediblər.

Tədqiqatın dəstəklədiyi nəticələr

• Koqnitiv yükün fərqində olan və əlçatanlıq yönümlü qarşılıqlı əlaqə prinsipləri işlək mobil prototipə çevrilə bilib.
• 11 iştirakçılı formativ qiymətləndirmə prototip üçün yüksək qavranılan istifadəolunma və müsbət istifadəçi təcrübəsi göstərib.
• Profil əsaslı yardım intensivliyi, böyük toxunma sahələri, sadə interfeys və çox-modallı siqnallar istifadəçilər tərəfindən ümumilikdə müsbət qiymətləndirilib.
• Edge AI ilə real vaxtlı qavramanı, marşrut xidmətlərini və fərdiləşdirməni birləşdirən modul arxitektura texniki baxımdan ardıcıl dizayn çərçivəsi təqdim edir.

Tədqiqatın dəstəkləmədiyi nəticələr

• LAZAR-ın real şəhər mühitində mövcud sistemlərdən daha təhlükəsiz olduğu sübut edilməyib.
• Maneədən yayınma uğuru, naviqasiya səhv nisbəti və ya marşrut sapması üçün nəzarətli sahə nəticələri hələ yoxdur.
• Koqnitiv yükün obyektiv şəkildə azaldığı NASA-TLX, EEG və ya başqa psixofizioloji ölçümlə göstərilməyib.
• Tam altı-agentli arxitektura istifadəçi tədqiqatında inteqrə olunmuş bütöv sistem kimi sınaqdan keçirilməyib.
• SUS 91,36 dəyəri 11 iştirakçıdan əldə edildiyinə görə ümumi populyasiya təxmini kimi şərh edilə bilməz.
• BlindSquare, Lazarillo və ya başqa naviqasiya tətbiqləri ilə nəzarətli baş-başa müqayisə aparılmayıb.

Əsas məhdudiyyətlər

Ən mühüm məhdudiyyət nümunə ölçüsüdür. On bir nəfər, xüsusilə əlçatanlığı çətin olan istifadəçi qrupu ilə aparılan formativ istifadəolunma tədqiqatı üçün mənalı olsa da, geniş statistik ümumiləşdirmə üçün kifayət deyil.

İkinci mühüm məhdudiyyət koqnitiv yükün birbaşa ölçülməməsidir. Tədqiqat koqnitiv yükü dizayn mexanizminin mərkəzinə yerləşdirsə də, bu yükün həqiqətən nə qədər dəyişdiyini eksperimental olaraq ölçməyib.

Üçüncüsü, qiymətləndirmə real, nəzarətsiz şəhər mühitində aparılmış tam sahə sınağı deyil. Buna görə nəqliyyat, izdiham, səs-küy, hava şəraiti və daim dəyişən maneələr altında sistemin əməliyyat təhlükəsizliyi hələ təsdiqlənməyib.

Gələcək tədqiqatlar

Müəlliflərin gələcəkdə planlaşdırdığı əsas doğrulama addımları bunlardır:

1. NASA-TLX və EEG kimi doğrulanmış koqnitiv yük ölçülərindən istifadə etmək,
2. BlindSquare və Lazarillo kimi mövcud vasitələrlə uyğunlaşdırılmış tapşırıqlarda nəzarətli müqayisə aparmaq,
3. iOS və VoiceOver dəstəyi hazırlamaq,
4. altı agentin hamısı arasında ACL əsaslı koordinasiyanı tamamlamaq,
5. SecurityAgent veto mexanizmini və adaptiv öyrənmə dövrünü tam inteqrasiya etmək,
6. daha böyük və coğrafi baxımdan müxtəlif istifadəçi qrupları ilə real şəhər şəraitində sahə tədqiqatları aparmaq,
7. tapşırığın tamamlanma vaxtı, naviqasiya səhvi, marşrut sapması və maneədən yayınma nisbəti kimi obyektiv metrikləri ölçmək.

Mənbə və Metod Qeydi

Özgün başlıq:Designing Human-Centred Adaptive AI Navigation for Blind and Visually Impaired Individuals: A Cognitive Load-Aware Framework for Accessible Urban Mobility

Müəlliflər: Pilar Herrero-Martín və Álvaro García-Ballestero.

Qurum: Escuela Técnica Superior de Ingenieros Informáticos, Universidad Politécnica de Madrid; Center for Biomedical Technology (CTB-UPM), Madrid, İspaniya.

Jurnal:AI, 2026, 7, Article 206.

DOI:10.3390/ai7060206

Təqdim: 9 aprel 2026. Reviziya: 29 may 2026. Qəbul: 31 may 2026. Nəşr: 5 iyun 2026.

Tədqiqat növü: İnsan-mərkəzli yardımçı AI dizaynı, yüksək dəqiqlikli mobil prototip və formativ istifadəçi doğrulaması.

İştirakçılar: 11 görmə qabiliyyəti olmayan və ya zəif görən şəxs.

Maliyyələşdirmə: Universidad Politécnica de Madrid tərəfindən RP2510470096 layihəsi çərçivəsində dəstəklənib.

Etika: Universidad Politécnica de Madrid R&D+I Ethics Committee, CE260302 istinadı ilə formal etik baxışın tətbiq olunan institusional prosedurlar çərçivəsində tələb olunmadığına qərar verib. Bütün iştirakçılardan məlumatlandırılmış razılıq alınıb.

Məlumatlara çıxış: Məlumatlar məsul müəllifdən əsaslandırılmış tələb əsasında əldə edilə bilər; SUS və UEQ protokolları ilə strukturlaşdırılmış keyfiyyət müsahibəsi aləti məqalədə açıqlanıb.

Maraqlar toqquşması: Müəlliflər maraqlar toqquşması bildirməyiblər; maliyyələşdirənin tədqiqat dizaynında, məlumatların toplanmasında, təhlildə, şərhdə, məqalənin yazılmasında və ya nəşr qərarında rolu olmadığı qeyd edilib.

Lisenziya: Creative Commons Attribution (CC BY).

Metodoloji sərhəd: Bu tədqiqat tam əməliyyatlı çox-agentli AI naviqasiya sisteminin real şəhər şəraitində effektivlik sınağı deyil. İstifadəçi qiymətləndirilməsi xüsusilə prototip interfeysə, əlçatanlığa, istifadəçi təcrübəsinə və müəyyən işlək qarşılıqlı əlaqə komponentlərinə yönəlib. Tam arxitektura koordinasiyası və obyektiv koqnitiv yük ölçümü gələcək tədqiqatlara saxlanılıb.

Verianla metod qeydi: Bu Azərbaycan dili məzmunu mənbə məqalədəki tədqiqat problemini, dizayn tələblərini, istifadəçi interfeysi məntiqini, Edge AI yanaşmasını, çox-agentli arxitekturanı, istifadəçi doğrulamasını, kəmiyyət nəticələrini və məhdudiyyətləri mənbə mənasına sadiq şəkildə müstəqil tədris quruluşunda yenidən təşkil edir. Mənbə ekran görüntüləri və ya özgün fiqur təqdimatları kopyalanmayıb.