2024. aasta populaarseimad ettevõtte AR-trendid – AREA

Taasavaldanud Platon

järgijaid: 0

2024. aasta esimesest kuust väljudes oleme nüüd uue aastaga täielikult hõivatud. Viimase 30 päeva jooksul on mul olnud võimalus õppida oma eakaaslastelt, näiteks Tom Emrich Nianticist (trendikellasid oma uudiskirjas) ja AREA teaduskomitee kaasesimees, Samuel Neblett Boeingistja mõtiskleda projektide üle, milles ma osalen.

Olen oma ebamäärase lootuse ja elevuse tunde kokku surunud mõneks ettevõtte AR-trendiks, mida järgmise 11 kuu jooksul jälgin. Need ei ole ennustused, vaid olulised fookusvaldkonnad, mis minu arvates juhivad innovatsiooni ja ettevõtte AR kasutuselevõttu. Jälgin nüüd ametlikult neid trende, et näha, kus, kuidas ja kas need ilmnevad.

Palun jagage neid oma kolleegide ja partneritega. Kas teil on tõendeid, mis kinnitavad või seavad kahtluse alla mõnda neist suundumustest teie ettevõtetes? Loodan, et jagate oma tõendeid, tagasisidet ja ideid minuga aadressil .

Tehisintellekt

AI ja AR lähenemine on 2024. aasta trendidest kõige olulisem ja kõige vähem üllatav. Märgid on kõikjal.

#1 Ettevõtted hakkavad sisemiselt testima generatiivset AI-d (GenAI), sealhulgas LLM-järvi ja privaatseid kaaspiloodi lahendusi. Varajased kasutajad ühendavad neid võimalusi üha enam AR-tööriistadega. Tehisintellekti kasutamine parandab töövooge ja vähendab ettevõtte AR kulusid kümnetel viisidel. Hästi paigutatud ja programmeeritud tehisintellekt suudab visualiseerimiseks ettevõtte andmekogumitest asjakohast sisu eraldada. Siin on mõned näited selle kohta, kus ja kuidas GenAI saaks AR-i turgutada:

Kasutades Digital Twinsi baastaseme jaoks ja tehisintellekti funktsioonide tuvastamiseks ja sobitamiseks 3D-keskkondades (2023. aastal on see haruldane), eeldame, et ettevõtted suurendavad oma huvi ja vajadust ruumiteadlike rakenduste ja teenuste vastu. Näiteks näeme AR-toega visuaalsete positsioneerimisteenuste levikut navigeerimiseks ja 3D-kaartidel põhinevate riskide tuvastamiseks.

Koos riistvara edusammudega (vt allpool) võimaldab GenAI automaatselt genereerida rikkalikumaid AR-kogemusi sadade kasutusjuhtude jaoks, sealhulgas, kuid mitte tingimata, 3D-ruumikaardid. Multimodaalsed LLM-id, täiustatud AI tüüp, mis ei suuda mõista ja genereerida mitte ainult teksti, vaid ka muud tüüpi andmeid, nagu pildid, heli ja võib-olla isegi video, on tõusuteel. Need multimodaalsed AI mudelid sisaldavad uutesse juhistesse varem jäädvustatud stseene. Need tuvastavad keskkonnast tulevaid helisid ja ennustavad riske või teevad kasutajale ettepaneku reageerida teatud viisil, ilma et oleks eelnevalt programmeeritud/kodeeritud.

#2 Tehisintellekti ja arvutinägemise edusammud võivad lahendada andmete kogumise ja töötlemise privaatsusprobleeme. Privaatsus ja tundlikkus turvariskide suhtes, mis tulenevad kaamerate ja muude andurite kasutamisest töökohal, takistavad jätkuvalt laiaulatuslikku AR-i kasutuselevõttu. Tehisintellektiga saab reaalajas kujutiste ja funktsioonide tuvastamise, hägustamise ja hägustamise meetodeid kombineerida AR-kuvaritega (või nendega seotud teenuste ja tarkvaraga), mille kulu ja võimsus on madalam. Ettevõtete AR-lahendused asjade, kohtade ja inimeste (AR-seadmete kasutajad ja neid ümbritsevad) privaatsuse kaitsmiseks koos tehisintellektiga levivad vastusena vajadusele järgida ettevõtte privaatsuspoliitikat ning riiklikke ja rahvusvahelisi eeskirju.

riistvara

#3 Peale mõne rolli (nt arhitektid või meditsiinipiltide vaatajad) ei pea teadmistega töötajad kulutama oma aega ega raha suurtele virtuaalsetele ekraanidele (ehk Apple Vision Pro). Video läbipaistvus ei asenda optilist läbipaistvust töökohal, kus töötajate ülesanded nõuavad käed-vabad AR-i ja perifeerset nägemist. Videokvaliteedi probleeme, sealhulgas moonutusi, fikseeritud kaamera IPD-d, kõrget ISO-d, madalat dünaamilist ulatust, madalat kaamera eraldusvõimet ja väikest kaadrisagedust, on ülimalt raske ületada (mõelge: suur energiakasutus). Investeeritakse aga palju raha ja turunduskampaaniad panevad inimesi proovima. Proovige, kuigi nad teevad, kogu video läbipaistva peakomplekti tõukejõud ei muuda olulist mõlki ettevõtte AR-ekraanide optilise läbipaistvuse nõude vähendamisel. Olen korduvalt kuulnud, et iga riskijuht, kes kiidaks heaks läbipaistvate XR-ekraanide kasutamise tootmiskeskkonnas, kus riskid on suured, riskib oma tööle asumisega.

#4 Väiksemate, võimsamate ja vähem energiat tarbivate andurite kasutuselevõtt ja haldamine on ökonoomsem. Lisaks IoT madalamale juurutamise ja haldamise kuludele lisandub AR-kuvaseadmetele üha enam spetsialiseerunud pooljuhtlahendusi, eriti neid, mis on spetsialiseerunud arvutinägemisele, aga ka heli ja liikumise töötlemiseks. Kujutage ette, et seadme andurid tuvastavad kasutaja vajaduse korrigeerivate läätsede järele ja genereerivad seejärel reaalse maailma korrigeeritud versiooni (loomulikult täiustatud AR-iga), ilma et kasutaja oleks teadlik või peaks kandma kahte paari prille. Kuvamisvõimaluste täiustused koos kasutajakeskkonnas levitatava odavama riistvaraga (mõelge: intelligentsed ruumid) ja ühendatud AI-ga kuvaril või arvutiriistvaras muudavad kontekstiteadlikkuse hankimise odavamaks ja usaldusväärsemaks. Konteksti sügavam mõistmine tähendab paljusid teisi allpool tuvastatud suundumusi.

#5 Rohkem ettevõtteid toob turule kergeid, odavamaid (ja vähem võimekaid) AR-prille. Mitte kõik kasutajad ei vaja ega taha täielikku "arvutit" oma peas. Väärtuse lisamiseks on rohkem võimalusi kui kiiver või raske ja võimas kantav AR-ekraan. Mõned seadmed laadivad töötlust lõastatud telefonidesse. Teised pakuvad juhtmevabasid monokulaarseid AR-prille, et kuvada kasutajatele ainult hoiatavaid sõnumeid. Jälgime ka ainult heli sisaldavate AR-prillide segmendi laienemist, kus hääljuhised ja AI-toega helivastused vastavad kasutusjuhtude nõuetele.

UX

#6 Uued suhtlusviisid hakkavad täiendama/asendama/tõrjuma vajadust kontrollerite ja virtuaalsete klaviatuuride järele. Oleme juba hakanud nägema sisendite jaoks rohkem kasutama silmade jälgimist, pilku ja loomulikke žeste (nt parema käejälgimisega osutamine). Käe liigutuste jälgimise tehnoloogiate täiustused toovad paljudel juhtudel kaasa madalama kognitiivse koormuse ja väiksema arvutuskoormuse. Peapaela kasutavad närvisisendid või randmepaela kaudu edastatavad lihassignaalid võimaldavad kasutajatel juhtida kõiki oma digitaalseid seadmeid kasutades loomulikke inimliideseid. Kasutaja keel võib isegi saada sisendallikaks. Samuti jälgige EMG-ga aju tuvastamist.

#7 Sarnaselt numbriga 6, seadmete uute ja erinevate andurite tõttu areneb see, kuidas kasutajad digitaalseid andmeid töökoha kontekstis vastu võtavad/tajuvad. Lisaks animatsioonidele, videoklippidele, piltidele ja tekstile näeme kiireid katsetusi ja põnevaid võimalusi ruumilise heli kasutamiseks ning kasutajatele õigeaegsete juhiste ja teabe pakkumiseks, kasutades kombinatsioone teiste kantavate seadmetega (nt kellad ja nutiseadmed). rõivad).

Infrastruktuur

#8 5G privaatvõrgud koos 5G-ga ühilduva riistvara ning pilve- ja servaandmetöötlusega võimaldavad rikkalikumaid kogemusi ilma raskemate või energiat tarbivate seadmeteta. Kuigi praeguste rakenduste ja kasutusjuhtumite põhjal on praeguste rakenduste ja kasutusjuhtumite põhjal otsustatud endiselt eraviisiliste 5G võrkude kulutasuvuse kohta, paranevad need järk-järgult. Järgmise põlvkonna AR-ekraanidel on rohkem 5G tuge. Need põhitehnoloogiad suurendavad AR-kogemuse voogesituse ja koostööpõhise AR-kogemuse kasutuselevõttu.

#9 AR-kogemuste turvalisust saab võrgus lahendada, kasutades seadmevälise ja AR-i kasutajate ja seadmete automaatse autentimise täiustusi. Ettevõtte küberturvalisuse tagamine on kõigi IT-osakondade jaoks tohutu mure ning enamik AR-seadmeid on kõikidele nõuetele halvasti varustatud. Turvariskide vähendamise asjatundlikkus ei ole enamiku AR-pakkujate põhipädevus. Uuendused, mis tagavad ettevõtte kõrgetasemelise andmekaitse, privaatsuse ja vähendavad AR-kasutajate tahtliku või tahtmatu tegevusega kokkupuudet, tulevad võrgutehnoloogia pakkujatelt. Neil ja nende teenusepakkuja klientidel on lahendused, mis on valmimas uurimistööst ja mida lähiajal katsetatakse.

tarkvara

#10 Madala koodiga/koodita koodid saavad tehisintellekti abil jätkuvalt haaret. Nüüd on saadaval kümneid madala koodi/koodita lahendusi. Probleemiks on välja selgitada, millised neist vastavad ettevõtte nõuetele, sealhulgas, kuid mitte ainult, turvaprobleemid. Kui tehisintellekt sööb ära vajaduse kogemusi käsitsi kodeerida, on teemaeksperdid üha enam kohandatud kogemuste autoriteks. Selle suundumuse suurim võitja on keskmise suurusega ettevõtted, kellel pole vajalikke inseneriressursse, et rahuldada kõiki oma AR-i kasutusvajadusi. Kuna madala koodiga/koodita valikud on saavutanud suurema küpsuse ja kasutusmugavuse, väheneb vajadus pühendunud ja kõrgelt tasustatud AR-kogemuse arendajate ja järskude õppimiskõveratega tööriistade järele.

#11 Standardid on üha asjakohasemad ja koos avatud lähtekoodiga raamatukogude laiendatud toega vähendavad vajadust töötada välja ja hooldada kuvaspetsiifilisi rakendusi ja sisu, et pakkuda kogemusi paljudes AR-seadmetes.. Kuigi W3C WebXR areneb aeglaselt, täidab veebipõhiste lahenduste töötlemisnõudeid üha enam laiema valiku AR-kuvaseadmete riistvara. Võrgu infrastruktuuri täiustused võimaldavad ka rohkem servatöötlust. Veebi kasutamine AR-kogemuse sisu pakkumiseks on väga skaleeritav ja seda saab täielikult juurutada ettevõtte sisevõrgus. Khronos Groupi OpenXR on AR-riistvaras juba laialdaselt kasutusele võetud ja koos glTF-i toega lihtsustab oluliselt sisu loomise platvormide arendamist (toidab koodivaba/madala koodi suundumust). Eeldame, et AR-kogemuste jaoks võetakse kasutusele teised standardid.

#12 AR-i arendajate oskuste komplektid ja tööriistad muutuvad spetsialiseeritumaks ning õppimiskõverad muutuvad järsemaks. Ühest küljest lihtsustavad ja kiirendavad tehisintellekt ja standardite kasutuselevõtt AR-kogemuste loomist; need toovad kaasa ka uusi riske. Need on kuldsed võimalused spetsialiseerumiseks. AR-arendajatel ja külgnevates valdkondades asjatundjatel on üha enam uusi pakkumisi, näiteks sügavam integratsioon õppehaldussüsteemide, ettevõtte ressursiplaneerimise ja toote elutsükli halduse platvormidega. AR-kogemuse salvestiste redigeerimine teadmiste säilitamiseks ja nende edastamise kiirendamiseks ühendab AR-teadmised tehisintellekti tööriistadega.