对行动不便的人来说，出一次远门，出发前的功课可能比旅行本身还累。订酒店要一封封邮件确认卫生间门够不够宽；查餐厅要翻遍点评看有没有台阶；哪怕做足了功课，到了现场还是可能傻眼。一位坐轮椅的受访者说得很直白："就算我做了所有调查，到了那儿，它还是可能一团糟。"

美国 CDC 的数据是 12.2% 的成年人有行动障碍，而且几乎每个人老了都会遇到类似问题。但现有的无障碍评估工具，要么靠人工 checklist（比如 ADA 建筑规范），要么是自动化的固定项检测——它们回答的都是"这个地方对'残疾人'友好吗"，却回答不了"这个地方对'我'友好吗"。坐轮椅和拄拐杖的人，怕的东西根本不一样；同一个人，去约会和去住酒店，关心的也不一样。

UIST 2025 上的 Accessibility Scout 就是来解决这个问题的：一个基于大语言模型的"无障碍侦察兵"。你扔给它一张环境照片（Yelp、Google 地图、Airbnb 上的都行），再告诉它你的身体状况，它就能标出针对你个人的无障碍隐患。

核心洞察：无障碍不是"达标"，而是"我能不能完成我想做的事"

传统做法是把无障碍做成一张静态清单：门宽有没有 80 厘米、有没有坡道。Accessibility Scout 换了个视角——从"任务"出发。同样一张咖啡馆的照片，如果你是去约会，系统会拆解出"进门、点单、坐下、聊天、去洗手间"等一系列子任务，再细化到"抓握杯子""从椅子上站起来"这样的基本动作，然后逐个判断环境里有什么会妨碍你。

这套"任务—子任务—基本动作"的拆解，恰好模仿了受访者在形成性研究里真实评估环境时的思考方式。6 位轮椅用户在访谈里反复强调：脱离具体任务谈无障碍是没有意义的。"这地方是要长住还是短住？要求完全不一样。"

这 6 位用户的访谈，还沉淀出四条设计原则，我觉得对做任何 AI 辅助工具的人都有参考价值：D1，模拟人评估环境时的思路（按任务拆解，而不是按清单打勾）；D2，让用户能验证和修正 AI 的输出——控制权必须在人手里；D3，用"任务完成度"的语言说话（"你坐不下这张椅子"比"椅子高度 45cm"有用）；D4，解释要直指"为什么这是个问题"，而且要跟用户自己的身体状况挂钩。Accessibility Scout 的整条流水线，就是照着这四条搭的。

它是怎么做到的：给 AI 建一本"关于你的档案"

系统的巧妙之处在于用户模型。它不是简单存一句"我坐轮椅"，而是一份结构化的 JSON 档案，记录你做的每个动作、哪里受影响、做得频不频繁。比如：

{  "name": "Walking",  "desc": "短距离拄拐杖，长距离用轮椅",  "frequent":true,  "affected_part": "legs"}

这份档案可以通过三种方式建立和更新：① 你直接用文字描述自己的情况，LLM 帮你拆解成条目；② 你在照片上手动标注隐患，系统从标注里反推你的需求；③ 最常用的——对 AI 生成的结果点评，比如"你说这条路不窄，我觉得还行"，系统就把这条反馈吃进去，更新档案。用得越多，它越懂你。

拿到照片和用户模型后，扫描分四步走：先识别你可能在这儿做的任务；用 Semantic-SAM 做语义分割并编号（Set-of-Mark prompting，让 LLM 能指着图里具体区域说话）；每个任务并行调用 LLM 找隐患；最后用 Sentence-BERT 把重复的隐患合并（相似度超过 0.7 就算同一条）。整个流程被设计得可解释——每条隐患都能追溯到"因为你要做 X，而你的 Y 能力受限"，用户看得懂，才敢信。

通用版 vs 定制版：差别有多大？

论文里最直观的一张对比图，左边是"通用模式"给一位用户（U3，轮椅+拐杖）的厨房扫描，右边是"个性化模式"给另一位用户（U6）的健身房扫描。通用版只会说"橱柜太高"这种放之四海皆准的话；个性化版能指出"杠铃片放在高处，手臂活动受限的人够不着"——U3 看了直呼："它居然提到了轮椅和拐杖，太难得了，通常只提轮椅！"

技术评估的规模不小：500 张真实环境照片（来自美国 9 个城市的 Google 地图和 Yelp），11 套用户模型，一共跑出 5500 次扫描、39394 条隐患。研究者人工抽查了 3590 条，发现 6.63% 是"幻觉"——图里根本没有的东西（比如把不存在的收银台标出来）。成本也很实在：平均一张图 8758 个 token，约 2 美分，10 秒出结果，理论上每分钟能扫 3500 张图。

"个性化"是可以被量化的。 研究者用 Wasserstein 距离衡量了不同用户模型产出的隐患分布差异：差异最大的是 P4（没有确诊残疾，只是偶尔需要帮助）和 P5（用助行器）——一个几乎不需要无障碍考虑，一个处处需要。论文里把 11 个用户的差异画成热力图，直观地证明了一件事：不存在"平均用户"，只有具体的人。这也是为什么固定清单注定不够用。

个性化到底有没有用？10 位行动能力各异的参与者做了盲测：同一批照片，一半隐患来自通用模型，一半来自训练过的个人模型，打乱后让他们按 7 分制打分。结果：个性化模型独有的隐患平均 4.68 分，通用版只有 3.35 分（p<0.001，差异显著）。一位四肢瘫痪、用电动轮椅的参与者（P8）说得毫不客气：通用版的结果"我看了只想笑，看完就忘"；个性化的"很多都非常有用"。另一位说，个性化最大的好处是帮他过滤噪音："信息少了，不用自己费劲筛。"

还有个有意思的发现：系统挖出了两类超出 ADA 规范的隐患聚类——"电视/遥控器"和"噪音"。比如"卧室里有电视，对讨厌分心的人是干扰""临街太吵，听力不好的人没法正常聊天"。ADA 清单里根本没有这些，但对某些人来说，这就是决定去不去的理由。这正是"个人"二字的价值：标准只能保下限，体验需要定制。

诚实的一面：AI 也会犯错，而且人知道

研究者没有回避问题。用户反馈里，被提得最多的改进点是：视觉高亮有时标不准，反而分散注意力；隐患描述可以更简洁（"我不需要读大段文字，标出来就行"）；偶尔重复。也有人提醒：别替我下结论——"你说楼梯'会让我疲劳'，这话太武断了，别帮我做判断。"

但整个设计里最打动人的一点，是它对"人机关系"的定位。形成性研究里定下的四条设计原则，第二条就是"让人管得住 AI"：所有 AI 生成的隐患，用户都能复核、修改、补充。一位参与者说："能亲手把我的意见加进去、亲眼看到它变了，这太重要了——我在掌控。"另一位在训练时玩得不亦乐乎："这太好玩了，我太喜欢了。"这种"越用越懂我"的感觉，正是个性化系统最难复制的护城河。当 AI 犯错不可避免时，让用户能看懂、能纠正，比把准确率再提高一个百分点更实在。

这意味着什么

Accessibility Scout 的野心不只是做个工具。它指向一种新的基础设施想象：把全网的环境照片（Airbnb、Yelp、Google 地图）变成可查询的无障碍数据库。订房前扫一眼，约会前看一下，甚至房东可以用它来判断"把家具挪一挪，能不能接待某类客人"。

论文里还提到了几个让我印象深刻的用法：有人把它当"赛前侦察报告"——"提前拿到侦察报告，就能避开第一次去陌生地方的焦虑"；有人想用它分享自己的生活经验——把"坐轮椅出门是什么感觉"这种很难讲清楚的事，变成一张图发给家人朋友，换来理解；还有人想到政府可以用它批量评估公租房对特定人群的友好度。从"帮我一个人出门"，到"帮一类人被看见"，这条路是通的。

更深一层，它在回答一个问题：AI 时代的无障碍，到底应该是"一套标准管所有人"，还是"每个人都有一份自己的说明书"？论文的答案很明确——后者。一位参与者的话可以作为注脚："用户立刻就觉得自己有发言权、被听见了——'嘿，这是我的困扰'。这太酷了。"

技术向来不只是效率工具。对 12.2% 的人来说，"提前知道"和"到了才知道"之间，差的可能是一次愉快的约会，还是一次狼狈的折返。Accessibility Scout 想做的，就是把这种不确定性，提前变成一张清晰的地图。

参考：Huang et al., Accessibility Scout: Personalized Accessibility Scans of Built Environments, UIST '25. DOI: 10.1145/3746059.3747624