Para una persona ciega o con baja visión, cruzar una calle o esquivar una farola no es un gesto automático. Cada desplazamiento exige atención constante, cálculo de riesgos y, muchas veces, dependencia de terceros. Un equipo de ingeniería de Harvard ha presentado una aplicación llamada Mobilio que promete cambiar esa ecuación usando únicamente el hardware que ya llevamos encima: el propio smartphone. Nada de gafas especiales, nada de bastones electrónicos carísimos, nada de implantes. Solo software, sensores de serie y un enfoque de aprendizaje automático pensado específicamente para caminar, no para conducir.

El proyecto surge de la Harvard John A. Paulson School of Engineering and Applied Sciences (SEAS), liderado por el estudiante de doctorado Raymond Liu junto al profesor Patrick Slade, y ha sido publicado en Nature Biomedical Engineering. Lo interesante no es solo la tecnología, sino el punto de partida: antes de escribir una sola línea de código, el equipo preguntó a más de cien personas ciegas o con baja visión qué necesitaban realmente. La respuesta fue clara y concreta, y de ahí salió el diseño del sistema.

Qué resuelve Mobilio que las herramientas actuales no resuelven

Bastón blanco, perro guía, dispositivos electrónicos de ayuda a la movilidad. Todas estas soluciones funcionan, pero ninguna cubre por sí sola las tres necesidades que los propios usuarios señalaron como esenciales: indicaciones giro a giro fiables, guía continua a lo largo de aceras y caminos, y detección de obstáculos con capacidad real de evitarlos. Google Maps y aplicaciones similares ofrecen navegación paso a paso, pero su precisión de geolocalización no es suficiente para que una persona ciega la use como única referencia al caminar. El margen de error de un GPS convencional en entorno urbano, condicionado por la reflexión de la señal en edificios altos, puede desviar la posición mostrada varios metros respecto a la real, algo irrelevante en coche pero crítico al borde de una calzada.

Los sistemas electrónicos dedicados que sí abordan las tres necesidades a la vez suelen ser caros y poco accesibles, lo que limita su adopción real. Mobilio parte de la premisa contraria: casi todo el mundo ya tiene un smartphone en el bolsillo, así que la solución debe vivir ahí, sin hardware adicional, descargable en el futuro desde una tienda de aplicaciones como cualquier otra app.

Cómo funciona técnicamente el sistema

Mobilio combina varias fuentes de datos que ya están integradas en cualquier móvil moderno: la cámara, el GPS, la unidad de medición inercial (que capta movimiento y orientación) y, cuando está disponible, el sensor LiDAR. El corazón del sistema es un modelo de visión por computador entrenado para analizar el vídeo de la cámara desde la perspectiva de un peatón, no desde la de un coche, con el objetivo de identificar en tiempo real qué zonas del entorno son transitables.

Este matiz técnico tiene su explicación. La inmensa mayoría de los conjuntos de datos públicos de escenas urbanas se han grabado desde vehículos, así que los modelos entrenados con ellos suelen clasificar mal elementos relevantes para un peatón, como bordillos rebajados o pasos de cebra estrechos. Liu entrenó específicamente un modelo de segmentación semántica con imágenes tomadas desde la altura y el ángulo de una persona caminando, para que reconociera con fiabilidad aceras, cruces, calzadas y otras superficies clave durante el trayecto.

Todo ese procesamiento, además, tiene que ejecutarse en tiempo real sobre un smartphone estándar, que dispone de mucha menos capacidad de cómputo que un portátil o un chip especializado. Ese fue, según el propio equipo, uno de los mayores retos de ingeniería del proyecto: comprimir algoritmos de visión y planificación de trayectoria en un dispositivo pensado para hacer fotos y enviar mensajes, no para pilotar en tiempo real la marcha de una persona.

El producto en detalle: guía sonora personalizada y resultados de campo

Aquí es donde Mobilio se aleja del resto de aplicaciones de navegación. En lugar de limitarse a indicaciones habladas tipo «gire a la derecha en cincuenta metros», el sistema emite pitidos direccionales continuos mientras el usuario camina: el sonido llega desde la izquierda o la derecha según hacia dónde debe corregir el rumbo, funcionando como un timón auditivo constante. La clave está en que esa guía se ajusta de forma individual mediante optimización con humano en el bucle: el sistema mide en directo con qué precisión cada persona sigue los pitidos y modifica el tono y el patrón de las señales para adaptarse a su forma concreta de responder.

Para validar el diseño, el equipo reclutó a catorce voluntarios del Carroll Center for the Blind, en Newton (Massachusetts), y les hizo completar recorridos exteriores e interiores con obstáculos que simulan situaciones cotidianas. La comparación fue directa: bastón blanco más Google Maps frente a bastón blanco más Mobilio. Los resultados: un 13% menos de tiempo en completar la ruta exterior y una reducción del 41% en los contactos con obstáculos durante el recorrido interior. En términos de fiabilidad para llegar al destino sin errores graves, el rendimiento de Mobilio fue comparable al de un guía humano, una cifra que da una idea del salto respecto a las herramientas de navegación genéricas actuales.

Una motivación personal detrás del laboratorio

Detrás de las cifras hay una historia concreta. Liu tiene un hermano mayor ciego, y esa experiencia familiar marcó directamente los objetivos del proyecto desde el principio. El propio investigador ha insistido en que probar el sistema con usuarios reales no es un paso opcional del desarrollo, sino una condición imprescindible: es imposible anticipar cómo va a reaccionar cada persona ante un dispositivo así, sobre todo porque la ceguera y la baja visión engloban un abanico enorme y muy heterogéneo de situaciones funcionales. Ese matiz explica por qué el equipo dio tanto peso a la retroalimentación cualitativa, no solo a las métricas de velocidad o precisión.

El proyecto cuenta con el respaldo del Harvard Grid Accelerator para su transferencia tecnológica, y la financiación combina una beca de investigación de posgrado de la National Science Foundation, fondos del Amazon Greater Boston Tech Initiative y apoyo del Kempner Institute, entre otros. La oficina de desarrollo tecnológico de Harvard ya ha protegido las innovaciones asociadas y está explorando activamente vías de comercialización, lo que sugiere que Mobilio no se quedará en un prototipo de laboratorio.

Próximos pasos y limitaciones a vigilar

Los propios autores son claros: el siguiente paso es probar Mobilio en un abanico mucho más amplio de entornos reales en la zona de Boston, para comprobar si el sistema generaliza bien fuera de las condiciones controladas del estudio inicial y cómo encaja en la rutina diaria de sus usuarios. Catorce participantes es una muestra útil para validar el concepto, pero insuficiente para garantizar un comportamiento uniforme en climas adversos, entornos rurales sin buena cobertura de datos o ciudades con trazados urbanos muy distintos a los de Massachusetts. La literatura sobre navegación asistida para personas ciegas coincide en que la brecha entre resultados de laboratorio y uso cotidiano suele ser el punto donde fracasan muchos proyectos con enfoques similares, según recoge la American Foundation for the Blind en su guía sobre navegación GPS por smartphone.

Reflexión final

Lo que hace interesante a Mobilio no es un único componente aislado, sino la combinación de decisiones de diseño centradas en el usuario final desde el primer día: encuestar antes de programar, entrenar el modelo con datos de peatones y no de coches, y personalizar la guía sonora en función de cómo responde cada persona. Es un recordatorio de que buena parte de la innovación en accesibilidad no depende de inventar hardware nuevo, sino de exprimir mejor lo que ya tenemos en el bolsillo. Si la fase de pruebas ampliada en Boston confirma los resultados iniciales, y si la comercialización avanza al ritmo que sugiere el respaldo institucional recibido, Mobilio podría convertirse en una referencia dentro de un campo donde la mayoría de soluciones aún exigen comprar hardware adicional. Puede consultarse el artículo original en la web de Harvard SEAS y el estudio completo publicado en Nature Biomedical Engineering.