Edge AI for assistive technologies: A Survey

Abstract

Visual impairment affects more than 2.2 billion people worldwide, with prevalence four times higher in low- and middle-income regions such as North Africa. Recent advances in artiőcial intelligence, computer vision, and edge computing have enabled wearable assistive systems capable of real-time obstacle detection, scene understanding, and navigation directly on embedded hardware. However, the literature remains fragmented, with solutions developed in isolation and rarely compared under a uniőed framework. This thesis examines the application of Edge AI to assistive technologies for visually impaired individuals. It őrst establishes the theoretical foundations of the őeld, covering artiőcial intelligence, edge computing, embedded hardware, sensing, and computer vision as applied to wearable assistive design. Building on this framework, the thesis presents a systematic review of twelve recent Edge AI-powered assistive systems published between 2019 and 2026, comparing their architectures, capabilities, and limitations. The review identiőes several recurring limitations across the őeld: heavy dependency on cloud connectivity, short battery autonomy, degraded accuracy under low-light and cluttered conditions, system fragmentation across multiple devices, and a near-total absence of multilingual support for underserved regions such as North Africa. Based on these őndings, this work outlines the design requirements for a future uniőed assistive wearable system: offline-őrst operation, multimodal sensor fusion, multilingual interaction, and full integration of perception, navigation, and emergency response within a single affordable device.***

La déőcience visuelle touche plus de 2,2 milliards de personnes dans le monde, avec une prévalence quatre fois plus élevée dans les régions à revenu faible ou intermédiaire telles que l’Afrique du Nord. Les avancées récentes en intelligence artiőcielle, en vision par ordinateur et en informatique en périphérie ont permis l’émergence de systèmes portables d’assistance capables de détecter des obstacles, de comprendre une scène et d’assurer une navigation en temps réel directement sur du matériel embarqué. Toutefois, la littérature demeure fragmentée, les solutions existantes étant développées de manière isolée et rarement comparées au sein d’un cadre uniőé. Cette thèse examine l’application de l’Edge AI aux technologies d’assistance destinées aux personnes malvoyantes. Elle établit d’abord les fondements théoriques du domaine, couvrant l’intelligence artiőcielle, l’informatique en périphérie, le matériel embarqué, les capteurs et la vision par ordinateur appliqués à la conception de dispositifs portables d’assistance. Sur cette base, la thèse présente une revue systématique de douze systèmes d’assistance récents basés sur l’Edge AI, publiés entre 2019 et 2026, en comparant leurs architectures, leurs capacités et leurs limites. Cette revue identiőe plusieurs limitations récurrentes dans le domaine : une forte dépendance à la connectivité cloud, une autonomie de batterie limitée, une précision dégradée en conditions de faible luminosité ou d’encombrement, une fragmentation des systèmes à travers plusieurs dispositifs, et une absence quasi totale de support multilingue pour les régions délaissées comme l’Afrique du Nord. Sur la base de ces constats, ce travail déőnit les exigences de conception d’un futur système portable d’assistance uniőé : un fonctionnement hors ligne par défaut, une fusion multimodale des capteurs, une interaction multilingue, ainsi qu’une intégration complète de la perception, de la navigation et de la réponse aux urgences au sein d’un dispositif unique et abordable.