LiDAR et mobilité inclusive
Détecter les obstacles sans saturer l'utilisateur
EchoNav associe le LiDAR, la caméra et un moteur de décision pour signaler les dangers proches par des informations courtes. Cette bêta en développement sur iPhone Pro complète les aides habituelles à la mobilité.
Ce que mesure le LiDAR
Dans ARKit, la profondeur de scène représente une estimation de la distance entre la caméra arrière et les zones visibles de l'environnement. Les données comprennent une carte de profondeur et un niveau de confiance. Le moteur actuel d’EchoNav utilise cette information dans une enveloppe d’environ 0 à 4 mètres, dans la zone observée devant l’utilisateur. Cette portée ne constitue pas une garantie de détection de tous les obstacles qui s’y trouvent.
Le LiDAR ne donne pas automatiquement le nom d'un obstacle. La caméra et le modèle de détection complètent donc la profondeur avec une classe possible, par exemple une personne, un vélo, un véhicule ou un poteau. Le moteur de décision combine ensuite la distance, la direction et la stabilité de la détection.
Consulter la documentation Apple sur la profondeur de scène.
Pourquoi limiter les alertes
Une application d'assistance ne doit pas décrire chaque élément visible. Trop de sons ou de phrases peuvent masquer l'information importante et augmenter la charge cognitive. EchoNav cherche donc à conserver le danger le plus pertinent dans la zone proche.
LiDAR, caméra et mouvement de l'iPhone.
Classe probable, profondeur et direction.
Sélection du danger jugé le plus utile.
Son spatial, phrase courte ou vibration.
La mémoire spatiale limite la répétition des annonces vocales, avec des exceptions pour l’aggravation du danger et les rappels. Elle ne désactive pas, à elle seule, les autres retours de danger. L’objectif est de réduire les répétitions sans masquer une évolution importante.
Limites techniques à communiquer
Les mesures de profondeur ont une confiance variable. Les vitres, les surfaces très réfléchissantes et certaines géométries peuvent produire des données incomplètes ou instables. La reconnaissance visuelle dépend aussi de la luminosité, de l'angle de vue et des classes présentes dans le modèle ML.
Une autre difficulté consiste à attribuer la bonne profondeur au bon objet. Une boîte détectée dans l'image couvre plusieurs pixels et peut inclure l'arrière-plan. EchoNav doit filtrer ces mesures et vérifier leur stabilité avant de produire une alerte.
Ces limites empêchent de présenter la bêta comme une garantie de sécurité. Une absence d’alerte ne prouve pas que le passage est libre. EchoNav reste complémentaire à la canne blanche, au chien-guide et aux techniques de déplacement déjà maîtrisées. L’application ne fournit aucune autorisation de traverser.
Garder la maîtrise de l’assistance
Le mode produit développé au Sprint 2 s’ouvre avec l’assistance arrêtée. L’utilisateur dispose de commandes explicites pour démarrer et arrêter, ainsi que d’un état courant visible. Les diagnostics techniques restent masqués par défaut.
Lorsque la caméra, le LiDAR, le suivi ou les données nécessaires ne permettent plus le traitement, l’application ne présente pas la session comme active. Les retours sont interrompus et les informations concernées réinitialisées ; une reprise attend des données fraîches.
Le Sprint 2 comprend également des destinations enregistrables au clavier ou par dictée optionnelle. Leur conservation ne signifie pas que le guidage d’itinéraire est disponible : MapKit et la navigation longue portée restent hors de ce sprint.
Comment EchoTest aide la validation
EchoTest permet de rejouer une scène enregistrée avec une nouvelle version de l'algorithme. L'équipe peut ainsi comparer les décisions sans recréer exactement le même parcours. Cette méthode facilite l'analyse des répétitions, des changements de priorité et des erreurs d'association entre le ML et le LiDAR.
La même capture sert à plusieurs versions du moteur.
La classe, la distance et l'alerte choisie peuvent être examinées.
Le résultat avant et après une modification peut être comparé.
De la validation technique à l’usage réel
Les jalons 0 à 5 du Sprint 2 sont documentés comme validés techniquement. Les relectures et les tests automatisés ne remplacent pas les essais physiques sur l’iPhone LiDAR, la compréhension des retours par les personnes concernées ou le verdict d’un évaluateur indépendant.
La finalisation des réglages, des parcours en français et en anglais et de l’accessibilité reste prévue dans le Sprint 2. La publication du candidat de ce sprint sur TestFlight et ses essais finaux restent également à consigner. Un build Sprint 1 disponible ne prouve pas la disponibilité de ces évolutions.
Approfondir la conception d'EchoNav
Consultez l'article consacré à l'architecture complète : LiDAR, Core ML, moteur déterministe, audio spatial et validation responsable.
Lire l'article technique