home
Rechercher

Démystifier l'eye tracking pour le XR - l'importance d'être universel

  • Blog
  • par Andreas Klingström
  • 5 min

L'eye tracking a l'aura d'une technologie fantastique et quelque peu futuriste avec des tonnes de potentiel. Bien que je pense que cela soit vrai, cette technologie a évolué pour devenir un moyen établi de résoudre certains problèmes difficiles au cours des deux dernières décennies. C'est, par exemple, la technologie de base des dispositifs d'assistance qui permettent aux personnes en situation de handicap et de faiblesse de communiquer, les aidant ainsi à mener une vie indépendante.

Mais notre objectif chez Tobii a toujours été d'avoir un impact positif sur la vie de chacun - et pas seulement sur les personnes qui comptent sur notre technologie pour mener une vie normale.Nous visons à rendre les appareils meilleurs et plus intuitifs, et pour ce faire, les technologies habilitantes comme l'eye tracking doivent être universelles - et c'est ce dont je vais parler dans ce billet.

Pour être universellement applicable, une technologie doit respecter des normes et des standards. Idéalement, elle ne devrait pas prendre trop de place pour assurer sa portabilité et sa mobilité. Une faible charge de calcul est toujours un facteur à prendre en considération pour maximiser l'autonomie de la batterie et garantir les performances. Et il va sans dire que si vous intégrez une technologie dans un appareil grand public, elle doit fonctionner pour tout le monde, partout, tout le temps.

Système de base d'eye tracking avec une caméra, une source de lumière et un oeil humain
Système de base d'eye tracking avec une caméra, une source de lumière et un oeil humain

Il est relativement facile de construire un Eye Tracker ou Oculomètres convenable qui fonctionne pour la plupart des gens dans la plupart des situations. Au niveau de base, tout ce dont vous avez besoin est une caméra, une source de lumière et une unité de traitement. La lumière éclaire les yeux de la personne, augmentant le contraste entre la pupille et l'iris et créant des reflets sur la cornée. La caméra prend des images des yeux de la personne et l'unité de traitement trouve la pupille et ces reflets dans la cornée. Avec ces informations, les positions connues de la caméra et de la source lumineuse, et l'anatomie de l'œil humain, il est possible de calculer la position et l'angle de rotation de chaque œil. Calibrez le système d'eye tracking en demandant à l'utilisateur de regarder un objet dont la position est connue, et vous avez tout ce qu'il faut pour déterminer où une personne regarde.

Cependant, chaque nouveau cas d'utilisation présente de nouveaux défis et j'aimerais qu'il y ait une sorte de formule secrète qui résoudrait tout, mais malheureusement, ce n'est pas le cas. Il faut un travail acharné et dévoué pour transformer un système d'eye tracking de base en quelque chose de fiable.

Pour commencer, nous devons généralement générer d'énormes ensembles de données. Nous devons savoir quelles informations rechercher et comment découper les données pour l'application cible. Un scénario de recherche, par exemple, ne nécessite pas les mêmes exigences en matière de couverture de la population qu'une fonction native d'un produit de grande consommation, telle que le rendu avec fovéation dans un casque de réalité virtuelle.

Et puis il y a la question de la latence. Une application gourmande en graphiques qui utilise un rendu fractionné, effectuant une partie du calcul sur l'appareil et une autre dans le nuage, par exemple, nécessite une connexion à faible latence à la fois avec le réseau et avec l'Eye Tracker ou Oculomètres. En revanche, une application qui prend en charge la sélection de menus commandée par l'œil n'aura pas les mêmes exigences en matière de latence, ce qui permet un filtrage temporel assez poussé pour améliorer l'expérience de l'utilisateur.

Certains pourraient affirmer que l'eye tracking est un problème purement informatique, et que l'apprentissage automatique résoudra tout pour vous. Et bien que l'apprentissage automatique soit un élément essentiel de notre solution, lors de la conception d'algorithmes d'eye tracking, vous devez tenir compte de l'anatomie de l'œil, de la façon dont le cerveau interprète les signaux visuels, ainsi que des objectifs de l'application cible.

Mais je pense que la plus grande difficulté survient lorsque l'on passe de l'idéation à la commercialisation. L'échec n'est pas une option pour un scénario de marché de masse où des millions d'appareils dépendent de votre technologie pour être pleinement fonctionnels. Atteindre une couverture de 99 % de la population et au-delà signifie que des scénarios et des personnes qui étaient considérés comme aberrants lors de l'idéation doivent maintenant être résolus. Les paupières tombantes, le maquillage couvrant des éléments vitaux, les lunettes de vue, les lentilles de contact et les yeux paresseux ou dominants sont autant de cas typiques. En outre, vous devrez probablement gérer le glissement du casque, ainsi que les variations de la distance interpupillaire (IPD), la forme du visage, la réflectance de la peau dans le proche infrarouge, la couleur de l'iris et les tolérances des composants et de l'emplacement.

Système de base d'eye tracking avec une caméra, une source de lumière et un oeil humain
Système de base d'eye tracking avec une caméra, une source de lumière et un oeil humain

Au cours du développement, vous devez vous demander comment gérer la distorsion causée par la lentille VR, comment traiter la lumière parasite et comment filtrer les reflets fantômes causés par les verres correcteurs. En effet, dans tous ces cas, vous devez trouver la pupille et les reflets de la cornée avec une précision inférieure au pixel, ce qui constitue un problème complexe à résoudre, mais tout à fait soluble.

J'espère que vous me croyez quand je dis que la création d'un système d'eye tracking de base est simple, mais la construction d'un système qui fonctionne pour tout le monde partout prend du temps et du dévouement. L'un des points que je n'ai pas abordé dans ce billet est l'évaluation des performances et l'importance de mesurer l'impact des changements sur les performances du système afin de s'assurer que vous conservez une conception optimale au fur et à mesure que vous évoluez pour répondre à de nouveaux cas d'utilisation. C'est à dessein que je n'ai pas abordé la question des performances, car certains de mes collègues ont passé les deux derniers mois à se concentrer sur ce domaine. Ils ont créé un ensemble de mesures et une méthodologie pour mesurer la performance des systèmes d'Eye tracking, - que vous pouvez lire dans notre livre blanc Eye tracking performance assessment - for VR/AR headsets and wearables (évaluation de la performance de l'eye tracking pour les casques VR/AR et les produits portables) . Si vous souhaitez essayer l'Eye tracking natif dans un casque VR, jetez un coup d'œil au dernier modèle intégrant la technologie de Tobii, le
Pico Neo 3 Pro Eye , qui a été annoncé récemment.

Écrit par

  • Andreas Klingström

    Andreas Klingström

    Head of XR technology at Tobii

    I get to figure out how we should develop our solutions so that they meet the ever-evolving needs of OEMs and ISVs in VR and AR. It’s my responsibility to ensure that our hardware adapts to the shifts in VR and AR and that our middleware solutions help ISVs to deliver the applications that touch people’s lives.

Contenu connexe