Topp 2024 Enterprise AR-trender å se - AREA

Publisert av Platon

Følgere: 0

Når vi lettet ut av den første måneden av 2024, er vi nå fullt engasjert i det nye året. I løpet av de siste 30 dagene har jeg hatt en mulighet til å lære av mine jevnaldrende, som f.eks Tom Emrich fra Niantic (trendklokker på nyhetsbrevet hans) og medformann for AREA Research Committee, Samuel Neblett fra Boeing, og å reflektere over prosjektene jeg er involvert i.

Jeg har komprimert min vage følelse av håp og spenning til noen få enterprise AR-trender jeg kommer til å se i løpet av de neste 11 månedene. Dette er ikke spådommer, men betydelige fokusområder som jeg tror vil drive innovasjon og innføringen av enterprise AR. Jeg holder nå offisielt oversikt over disse trendene for å se hvor, hvordan og om de oppstår.

Del disse med dine kolleger og partnere. Har du bevis som enten bekrefter eller stiller spørsmål ved noen av disse trendene i bedriftene dine? Jeg håper du vil dele dine bevis, tilbakemeldinger og ideer med meg på .

Kunstig intelligens

Konvergensen av AI og AR er den mest betydningsfulle og minst overraskende av trendene å se i 2024. Tegnene er overalt.

#1 Bedrifter begynner å internt teste Generative AI (GenAI), inkludert LLM-innsjøer og private co-pilot-løsninger. Tidlige brukere vil i økende grad kombinere disse egenskapene med AR-verktøy. Det er dusinvis av måter bruken av AI kan forbedre arbeidsflyten på og redusere kostnadene ved bedrifts-AR. Godt posisjonert og programmert AI kan trekke ut relevant innhold fra bedriftsdatasett for visualisering. Her er noen eksempler på hvor og hvordan GenAI kan øke AR:

Ved å bruke Digital Twins for baseline og AI for å oppdage og matche funksjoner i 3D-miljøer (sjelden i 2023), forventer vi at bedrifter utvider sin interesse for og behov for rombevisste apper og tjenester. For eksempel vil vi se en spredning av AR-assisterte visuelle posisjoneringstjenester for navigasjon og risikodeteksjon basert på 3D-kart.

Kombinert med fremskritt innen maskinvare (se nedenfor), vil GenAI tillate automatisk generering av rikere AR-opplevelser for hundrevis av brukstilfeller, inkludert men ikke nødvendigvis begrenset til 3D romlige kart. Multimodale LLM-er, en avansert type AI som kan forstå og generere ikke bare tekst, men andre typer data, som bilder, lyd og muligens til og med video, er på vei oppover. Disse multimodale AI-modellene inkluderer tidligere fangede scener i nye instruksjoner. De vil oppdage lyder fra omgivelsene og forutsi risikoer eller foreslå brukeren å reagere på spesifikke måter uten å være programmert/kodet på forhånd.

#2 Fremskritt med kunstig intelligens og datasyn kan løse bekymringer om personvern i datainnsamling og håndtering. Personvern og følsomhet for sikkerhetsrisikoer fra bruk av kameraer og andre sensorer på arbeidsplassen fortsetter å være hindringer for storskala AR-utplassering. Med AI kan sanntidsbilde- og funksjonsdeteksjon, uskarphet og tilsløringsmetoder kombineres med AR-skjermer (eller tilhørende tjenester og programvare) med lavere kostnad og kraft. Enterprise AR-løsninger for å beskytte personvernet til ting, steder og mennesker (AR-enhetsbrukere og de rundt dem) med AI i løkken vil spre seg som svar på behovet for overholdelse av bedriftens personvernregler så vel som nasjonale og internasjonale forskrifter.

maskinvare

#3 Bortsett fra noen få roller (f.eks. arkitekter eller de som ser på medisinske bilder), trenger ikke kunnskapsarbeidere å bruke tid eller penger på store, virtuelle skjermer (aka Apple Vision Pro). Video-gjennomsyn er ikke en levedyktig erstatning for optisk gjennomsikt på arbeidsplassen, der ansattes oppgaver krever håndfri AR og perifert syn. Problemer med videokvalitet, inkludert forvrengning, fast kamera-IPD, høy ISO, lavt dynamisk område, lav kameraoppløsning og lav bildefrekvens, er ekstremt vanskelig (tenk: høyt strømforbruk) å overvinne. Det vil imidlertid bli investert mye penger, og markedsføringskampanjer vil få folk til å prøve. Prøv selv om de vil, hele video-gjennomsiktige headset-push vil ikke gjøre et betydelig inngrep i å redusere det optiske gjennomsiktskravet for enterprise AR-skjermer. Jeg har hørt gjentatte ganger at enhver risikoansvarlig som vil godkjenne bruken av video-gjennomsiktige XR-skjermer for bruk i et produksjonsmiljø der risikoen er høy, risikerer å jobbe.

#4 Mindre, kraftigere og mindre strømkrevende sensorer vil være mer økonomiske å distribuere og administrere. I tillegg til de lavere kostnadene for implementering og administrasjon av IoT, blir mer spesialiserte halvlederløsninger, spesielt de som er spesialiserte på datasyn, men også for prosessering av lyd og bevegelse, i økende grad lagt til AR-skjermenheter. Se for deg at sensorer på enheten oppdager brukerens behov for korrigerende linser og deretter genererer den korrigerte versjonen av den virkelige verden (forbedret med AR, selvfølgelig) uten at brukeren er klar over det eller trenger å bruke to par briller. Forbedringene i skjermfunksjoner, kombinert med billigere maskinvare distribuert i brukerens miljø (tenk: intelligente rom) og koblet til AI i skjermen eller på kantdatamaskinvare, gjør kontekstbevissthet billigere å anskaffe og mer pålitelig. En dypere forståelse av kontekst oversettes til mange av de andre trendene som er identifisert nedenfor.

#5 Flere selskaper vil introdusere lette, billigere (og mindre kapable) AR-briller på markedet. Ikke alle brukere trenger eller vil ha en full "datamaskin" på hodet. Det er flere måter å tilføre verdi på enn en hjelm eller en tung og kraftig bærbar AR-skjerm. Noen enheter laster av prosessering til tilkoblede telefoner. Andre tilbyr trådløse, monokulære AR-briller for kun å vise heads-up-meldinger til brukere. Vi vil også se etter at AR-brillesegmentet med kun lyd utvides der talemeldinger og AI-aktiverte lydresponser tilfredsstiller brukskravene.

UX

#6 Nye interaksjonsmoduser begynner å utfylle/erstatte/fortrenge behovet for kontrollere og virtuelle tastaturer. Vi begynner allerede å se mer bruk av øyesporing, blikk og naturlige bevegelser (f.eks. peker med bedre håndsporing) for input. Forbedringer i teknologier for sporing av håndbevegelser vil i mange tilfeller føre til lavere kognitiv belastning og lavere beregningsbelastning. Nevrale innganger ved hjelp av et hodebånd eller muskulære signaler via et armbånd lar brukere kontrollere alle sine digitale enheter ved hjelp av naturlige menneskelige grensesnitt. Brukerens tunge kan til og med bli en kilde til input. Se også etter hjernesensing med EMG.

#7 På samme måte som #6, på grunn av nye og annerledes sensorer i enheter vil det skje en utvikling i hvordan brukere mottar/oppfatter de digitale dataene i sammenheng på arbeidsplassen. I tillegg til animasjoner, videoklipp, stillbilder og tekst, vil vi se raske eksperimenteringer og spennende muligheter for å bruke romlig lyd og for å gi just-in-time instruksjoner og informasjon til brukere som bruker kombinasjoner med andre wearables (f.eks. klokker og smart plagg).

Infrastruktur

#8 Private 5G-nettverk, kombinert med 5G-kompatibel maskinvare og cloud and edge computing, vil tillate rikere opplevelser uten tyngre eller strømkrevende enheter. Mens dommen fortsatt er ute om kostnadseffektiviteten til private 5G-nettverk basert på nåværende implementeringer og brukssaker, blir de gradvis bedre. Det vil være mer 5G-støtte i neste generasjons AR-skjermer. Disse kjerneaktiverende teknologiene vil føre til økt bruk av strømming av AR-opplevelser og samarbeidende AR-opplevelser.

#9 Sikkerhet for AR-opplevelser kan adresseres i nettverket ved hjelp av forbedringer i off-device og automatisk autentisering av AR-brukere og -enheter. Å sikre bedriftens cybersikkerhet er en enorm bekymring for alle IT-avdelinger, og de fleste AR-enheter er dårlig utstyrt for å oppfylle alle kravene. Kompetanse innen sikkerhetsrisikoreduksjon er ikke en kjernekompetanse hos de fleste AR-leverandører. Innovasjoner for å sikre høy bedriftsdatabeskyttelse, personvern og redusere eksponering fra AR-brukers tilsiktede eller utilsiktede handlinger vil komme fra nettverksteknologileverandører. De og deres tjenesteleverandørkunder har løsninger som dukker opp fra forskning og vil bli testet i nær fremtid.

Software

#10 Lav-kode/ingen kode vil fortsette å få trekkraft ved hjelp av AI. Det er nå dusinvis av lav-kode/ingen kode-løsninger tilgjengelig. Problemene er å finne ut hvilke som oppfyller bedriftskravene, inkludert men ikke begrenset til sikkerhetshensyn. Mens AI tærer på behovet for å manuelt kode opplevelser, blir fageksperter forfattere av flere og flere tilpassede opplevelser. Den største vinneren fra denne trenden vil være mellomstore selskaper uten de nødvendige ingeniørressursene for å møte alle deres behov for AR-bruk. Med alternativene med lav kode/ingen kode som når større modenhet og brukervennlighet, vil behovet for dedikerte og høyt betalte AR-opplevelsesutviklere og verktøy med bratte læringskurver avta.

#11 Standarder blir stadig mer relevante og, kombinert med utvidet støtte for åpen kildekode-biblioteker, reduserer behovet for å utvikle og vedlikeholde skjermspesifikke apper og innhold for å levere opplevelser på tvers av en rekke AR-enheter. Selv om W3C WebXR fortsetter å utvikle seg sakte, blir behandlingskravene for nettbaserte løsninger i økende grad dekket av maskinvaren i et bredere spekter av AR-skjermenheter. Forbedringene i nettverksinfrastrukturen gjør også mer kantbehandling mulig. Å bruke nettet til å gi AR-opplevelsesinnhold er svært skalerbart og kan implementeres fullstendig på selskapets intranett. Khronos Groups OpenXR er allerede bredt tatt i bruk på AR-maskinvare og, kombinert med støtte for glTF, forenkler utviklingen av plattformer for innholdsskaping betydelig (får drivstoff til trenden uten kode/lav kode). Vi forventer at andre standarder vil bli tatt i bruk for AR-opplevelser.

#12 AR-utvikleres ferdighetssett og verktøy blir mer spesialiserte, og læringskurvene blir brattere. På den ene siden forenkler og akselererer AI og å ta i bruk standarder skapingen av AR-opplevelser; de introduserer også nye risikoer. Dette er gylne muligheter for spesialisering. AR-utviklere og de med ekspertise på tilstøtende felt vil i økende grad ha nye tilbud, for eksempel dypere integrasjoner med læringsstyringssystemer, Enterprise Resource Planning og Product Lifecycle Management-plattformer. Redigering av AR-opplevelsesopptak for å bevare kunnskap og akselerere overføringen vil kombinere AR-ekspertise med AI-verktøy.