مجله هوش مصنوعی شهاب
واقعیت افزوده (AR) یک رسانه دیجیتالی است که به کاربر اجازه می دهد تا محتوای مجازی را در محیط فیزیکی به روشی چند بعدی و تعاملی ادغام کند. نرم افزار های واقعیت افزوده اطلاعات محیط اطراف را از دوربین ها و حسگرها به دست آورده و بر اساس این اطلاعات، محتوای مجازی را در محیط نمایش می دهند.
پیاده‌سازی هوش مصنوعی با استفاده از شبکه‌های عصبی عمیق برای جایگزینی رویکردهای بینایی رایانه‌ای سنتی و افزودن ویژگی‌های جدید مانند تشخیص اشیا، تجزیه و تحلیل متن و برچسب‌گذاری صحنه، می تواند تجربه واقعیت افزوده و پیاده سازی آن را بهبود ببخشد.
هوش مصنوعی چگونه واقعیت افزوده را متحول می کند؟
از لحاظ تاریخی، نرم افزار های واقعیت افزوده از تکنیک های بینایی کامپیوتری سنتی به نام مکان یابی و نقشه برداری همزمان (SLAM) استفاده می کردند. الگوریتم‌های SLAM ویژگی‌های بصری را بین فریم‌های دوربین به منظور نقشه‌برداری و ردیابی محیط مقایسه می‌کنند.
با این حال، برنامه های کاربردی واقعیت افزوده مدرن برای ارائه عملکرد پیشرفته تر به یادگیری عمیق متکی هستند.
کاربردهای هوش مصنوعی در واقعیت افزوده
توسعه‌دهندگان واقعیت افزوده می‌توانند از الگوریتم‌های هوش مصنوعی برای ارائه ویژگی‌های واقعیت افزوده مانند تعامل بهبودیافته با محیط فیزیکی اطراف استفاده کنند. فناوری‌های هوش مصنوعی مانند یادگیری ماشین و یادگیری عمیق برای محیط‌های واقعیت افزوده مناسب هستند زیرا:
- فرصتی برای جمع‌آوری داده‌های بیشتر برای الگوریتم هوش مصنوعی وجود دارد، زیرا دوربین‌ها همیشه روشن هستند.
- ورودی الگوریتم هوش مصنوعی دقیق است زیرا محیط‌های واقعیت افزوده بر حسگرهای متعدد (مانند ژیروسکوپ، سنسور، شتاب‌سنج و GPS دستگاه) متکی هستند. این در مقایسه با سیستم هایی که فقط به یک سنسور تکیه می کنند، قابلیت اطمینان بهتری را ارائه می دهد.
کاربردهای هوش مصنوعی در واقعیت افزوده عبارتند از:
۱- برچسب گذاری اشیاء
برچسب‌گذاری اشیا از مدل‌های طبقه‌بندی یادگیری ماشینی استفاده می‌کند. وقتی یک فریم دوربین از طریق مدل پردازش می‌شود، تصویر را با یک برچسب از پیش تعریف‌شده در کتابخانه کلاسه بندی مطابقت می‌دهد و برچسب روی شی فیزیکی در محیط واقعیت افزوده می‌پوشاند. به عنوان مثال، دستیار واقعیت افزوده همراه فولکس واگن (MARTA) قطعات خودرو را برچسب گذاری می کند و اطلاعاتی در مورد مشکلات موجود و دستورالعمل هایی در مورد نحوه رفع آن ارائه می دهد.
۲- تشخیص و شناسایی اشیاء
تشخیص و شناسایی اشیاء از الگوریتم های شبکه عصبی کانولوشن (CNN) برای تخمین موقعیت و وسعت اشیا در یک صحنه استفاده می کند. پس از شناسایی شی، نرم‌افزار واقعیت افزوده می‌تواند اشیاء دیجیتالی را برای پوشش فیزیکی و تعامل بین این دو ارائه دهد. به عنوان مثال، برنامه IKEA place ARKit محیط اطراف را اسکن می کند، سطوح عمودی و افقی را اندازه گیری می کند، عمق را تخمین می زند و سپس محصولاتی را پیشنهاد می کند که متناسب با فضای خاص باشد.
برای اطلاعات بیشتر، به مقاله ی تشخیص تصاویر با شبکه های عصبی کانولوشنی به زبان ساده مراجعه کنید.
۳- تشخیص و ترجمه متن
تشخیص و ترجمه متن، تکنیک‌های تشخیص کاراکتر از طریق هوش مصنوعی (OCR) را با موتور ترجمه متن به متن مانند DeepL ترکیب می‌کند. یک ردیاب بصری کلمه را ردیابی می کند و به مترجم اجازه می دهد محیط AR را پوشش دهد. Google Translate این قابلیت را ارائه می دهد.
۴- تشخیص خودکار گفتار
تشخیص خودکار گفتار (ASR) از شبکه عصبی تشخیص گفتار سمعی و بصری (الگوریتمی که برای استخراج متن به پردازش تصویر متکی است) استفاده می کند. کلمات خاص، تصویری را در کتابخانه با برچسب مناسب با توضیحات کلمه فعال می‌کنند و تصویر در فضای واقعیت افزوده نمایش داده می‌شود. به عنوان مثال اپلیکیشن استیکر پاندا دارای این قابیلت است.
۹ کاربرد هوش مصنوعی مبتنی بر واقعیت افزوده در صنعت
واقعیت افزوده در بسیاری از حوزه ها، به ویژه سرگرمی و ساخت و ساز استفاده شده است. سایر صنایعی که می توانند از هوش مصنوعی مبتنی بر واقعیت افزوده بهره مند شوند عبارتند از:
- ساخت و ساز : معماری، طراحی، برنامه ریزی پروژه، بازنگری سایت، ایمنی و بازرسی، ساخت و سازهای زیرزمینی و آموزش.
- تحصیلات : گشت و گذار در صحنه (موزه، کارخانه)، آزمایش مدل در آزمایشگاه (شیمی، فیزیک، هندسه، آناتومی)
- سرگرمی : اطلاعات لحظه به لحظه از عرصه های ورزشی، کنسرت های موسیقی تقویت شده، تبلیغات تعاملی، فیلم ها و بازی ها.
- پزشکی : تشخیص، کمک به انجام عملیات جراحی، آموزش جراحان در مورد روش های جدید، و مدل سازی اثرات دارو.
- لجستیک : برنامه ریزی و عملیات انبار، بهینه سازی حمل و نقل و مدیریت موجودی
- ساخت : طراحی و نمونه سازی، نگهداری، تعمیر و آموزش،
- نظامی : ناوبری هواپیما، هدف گیری سلاح و حضور از راه دور در عملیات نظامی.
- املاک و مستغلات : بازاریابی، طراحی داخلی، طراحی کف، آموزش کارکنان ساختمانی.
- مد و فشن : پرو قبل از خرید ، پیمایش در فروشگاه، خرید شخصی سازی شده ، ویترین خرید AR، و برنامه های آرایش.
هوش مصنوعی، ارائه دهندگان نرم افزار های مبتنی بر واقعیت مجازی را توانمند تر کرده است
طبق آمار Statista، بازار جهانی واقعیت افزوده (AR)، واقعیت مجازی (VR) و واقعیت ترکیبی (MR) در سال ۲۰۲۱ به ۳۱ میلیارد دلار تخمین زده می شود. شرکت هایی مانند اپل و گوگل در بازار توسعه AR با قابلیت هوش مصنوعی برای بهبود تجربه AR مشتریان در حال فعالیت هستند.
در اینجا به بهترین ارائه کنندگان نرم افزار های AR مبتنی بر هوش مصنوعی اشاره خواهیم کرد:
Apple ARKit
ARKit پلتفرم توسعه واقعیت افزوده (AR) اپل برای آیفون‌ها و آی‌پدهای iOS است. ARKit برچسب‌گذاری اشیا، مخدوش کردن افراد، ضبط حرکت و ردیابی چند چهره را ارائه می‌کند. ARKit در موارد زیر استفاده شده است:
- آموزش : مدل‌سازی آزمایش‌های عملی در آزمایشگاه‌های علوم، فیزیک یا شیمی، مانند Labster
- ساخت و ساز و معماری : برای اندازه گیری ابعاد فضایی و پیشنهاد محصولات یا راه حل ها، مانند IKEA Place.
- سرگرمی : مانند Pokemon GO.
Google ARCore
ARCore پلتفرم AR گوگل است، ARCore محتوای دیجیتال را از طریق ضبط حرکت و تشخیص و تشخیص اشیا در محیط فیزیکی ادغام می کند. ARCore در موارد زیر استفاده شده است:
- املاک و مستغلات : برای تجسم، تزئین و طراحی فضاهای خالی. مانند اپلیکیشن Sotheby’s Curate
- سبک زندگی و نگهداری و تعمیرات : برای ارتباط کاربران با متخصصانی که راهنمایی و آموزش می‌دهند، اندازه‌گیری می‌کنند و راه‌حل‌های بالقوه را در فضا ارائه می‌دهند. به عنوان مثال برنامه Streem.
- سرگرمی : مانند برنامه بازی مجازی حیوانات خانگی TendAR.
دیگر ارائه دهندگان
سایر ارائه کنندگان نرم افزار های AI/AR عبارتند از:
- Amazon Sumerian
- Microsoft Mesh
- Unity
- Vuforia Engine
- ZapWorks
