RASSAR: Un Nuovo Strumento per la Sicurezza in Casa
L'app RASSAR migliora la sicurezza e l'accessibilità a casa usando tecnologie avanzate.
― 5 leggere min
Indice
La sicurezza e l'accessibilità delle nostre case sono importanti per tutti, soprattutto man mano che invecchiamo, ci ammaliamo o affrontiamo cambiamenti nella vita come iniziare una famiglia. Molte persone, insieme a esperti della salute, usano liste di controllo per trovare e risolvere problemi di sicurezza e accessibilità nelle loro case. Con nuove tecnologie come sensori mobili e visione computerizzata, ci sono ora modi migliori per valutare questi problemi. Un nuovo approccio è RASSAR, un'app mobile che aiuta le persone a trovare e mostrare problemi di sicurezza e accessibilità nelle loro case.
Cos'è RASSAR?
RASSAR sta per Room Accessibility and Safety Scanning in Augmented Reality. Questa app mobile usa tecnologia avanzata per identificare e evidenziare problemi nelle case che le rendono insicure o difficili da accessare. Può individuare problemi come un tavolo troppo alto o tappeti che potrebbero far inciampare qualcuno. L'app usa LiDAR e visione computerizzata In tempo reale per scansionare lo spazio interno e mostrare potenziali problemi.
Importanza della sicurezza e dell'accessibilità domestica
Case sicure e accessibili sono fondamentali per tutti. Purtroppo, molte case non sono progettate per persone con disabilità. Negli Stati Uniti, circa il 90% delle case non è accessibile, e nel Regno Unito, la maggior parte delle nuove case non è adatta per chi usa la sedia a rotelle. Per affrontare questi problemi, i ricercatori hanno creato strumenti che consentono alle persone di fare un audit dei loro ambienti domestici. Questi strumenti spesso coinvolgono liste di controllo che evidenziano le aree problematiche. Ad esempio, una lista di controllo comune può includere cose come pavimenti irregolari o interruttori della luce inaccessibili.
Progressi nella tecnologia
Con l'emergere di nuove tecnologie come smartphone con sensori LiDAR integrati e modelli di visione computerizzata avanzata, è diventato più facile valutare la sicurezza e l'accessibilità nelle case. Questi sensori possono fornire dati di alta qualità in tempo reale, consentendo agli utenti di ricevere un feedback veloce sulla disposizione e sulle condizioni della loro casa.
L'app RASSAR in azione
Usare l'app RASSAR è semplice. Un utente deve solo scansionare la propria casa con il proprio smartphone. L'app costruisce quindi un modello 3D dello spazio in tempo reale, identificando le aree di preoccupazione. Dopo che la scansione è completata, RASSAR fornisce un riepilogo dei problemi di sicurezza e accessibilità rilevati in un formato Interattivo.
Caratteristiche di RASSAR
Scansione in tempo reale: RASSAR può scansionare uno spazio e individuare problemi in tempo reale. Questo significa che gli utenti possono vedere potenziali problemi mentre si muovono per casa.
Riepiloghi interattivi: Una volta terminata la scansione, gli utenti ricevono un modello 3D che evidenzia i problemi identificati, facilitando la comprensione di cosa deve essere sistemato.
Coinvolgimento degli utenti: Gli utenti possono interagire con i risultati, confermare se ci sono problemi e accedere a ulteriori informazioni su ciascun problema rilevato.
Supporto per diverse esigenze: L'app attualmente affronta una varietà di problemi, comprese le dimensioni degli oggetti e gli elementi rischiosi in casa. Gli utenti possono personalizzare su quali problemi vogliono concentrarsi in base alle loro esigenze individuali.
Studi sugli utenti di RASSAR
Per garantire che l'app RASSAR soddisfi le esigenze di diversi utenti, i ricercatori hanno condotto vari studi con gruppi di persone diversi. Questi studi hanno aiutato a informare il design e le funzionalità dell'app.
Studio Formativo
Lo studio iniziale ha coinvolto 18 partecipanti di vari background, comprese persone con disabilità e caregiver. Hanno fornito feedback prezioso sulle loro esperienze con audit domestici e su quali funzionalità ritenessero utili in RASSAR. I risultati hanno mostrato che gli individui affrontano molte sfide di accessibilità a casa che l'app potrebbe aiutare ad affrontare.
Valutazione Tecnica
Ulteriori studi hanno esaminato come RASSAR si comporta in ambienti reali. I ricercatori hanno testato l'app in dieci diverse case. Hanno confrontato i risultati di RASSAR con quelli degli audit tradizionali. I risultati hanno mostrato che RASSAR era efficiente e preciso, identificando la maggior parte dei problemi di sicurezza e accessibilità in modo rapido ed efficace.
Test con gli Utenti
Infine, in uno studio sugli utenti, sei partecipanti hanno testato l'app nelle loro case. Sono stati in grado di condurre scansioni indipendentemente, e il loro feedback sull'usabilità e l'efficacia è stato straordinariamente positivo. L'app non solo ha accelerato il processo di identificazione dei problemi, ma ha anche reso più facile per gli utenti interagire con le loro case.
Conclusione
RASSAR rappresenta un passo emozionante avanti nella valutazione della sicurezza e dell'accessibilità domestica. Combinando la realtà aumentata con sensori avanzati, l'app offre uno strumento unico e potente per proprietari di casa, caregiver e professionisti. Il suo potenziale va oltre le residenze private per includere spazi pubblici, e può aiutare a garantire che case e ambienti siano sicuri e accessibili per tutti, indipendentemente dalle loro esigenze.
Lavori Futuri
Man mano che RASSAR continua a svilupparsi, ci sono molte aree per miglioramenti e ampliamenti. I ricercatori pianificano di migliorare l'app sviluppando opzioni più personalizzabili, consentendo agli utenti di specificare le loro esigenze uniche. Vogliono anche includere più funzionalità che possono aiutare in diversi contesti, come uffici e edifici pubblici.
Concentrandosi sulle esigenze e preferenze individuali, RASSAR può diventare uno strumento ancora più utile per le persone che cercano di migliorare la sicurezza e l'accessibilità delle loro case e ambienti.
Titolo: RASSAR: Room Accessibility and Safety Scanning in Augmented Reality
Estratto: The safety and accessibility of our homes is critical to quality of life and evolves as we age, become ill, host guests, or experience life events such as having children. Researchers and health professionals have created assessment instruments such as checklists that enable homeowners and trained experts to identify and mitigate safety and access issues. With advances in computer vision, augmented reality (AR), and mobile sensors, new approaches are now possible. We introduce RASSAR, a mobile AR application for semi-automatically identifying, localizing, and visualizing indoor accessibility and safety issues such as an inaccessible table height or unsafe loose rugs using LiDAR and real-time computer vision. We present findings from three studies: a formative study with 18 participants across five stakeholder groups to inform the design of RASSAR, a technical performance evaluation across ten homes demonstrating state-of-the-art performance, and a user study with six stakeholders. We close with a discussion of future AI-based indoor accessibility assessment tools, RASSAR's extensibility, and key application scenarios.
Autori: Xia Su, Han Zhang, Kaiming Cheng, Jaewook Lee, Qiaochu Liu, Wyatt Olson, Jon Froehlich
Ultimo aggiornamento: 2024-04-11 00:00:00
Lingua: English
URL di origine: https://arxiv.org/abs/2404.07479
Fonte PDF: https://arxiv.org/pdf/2404.07479
Licenza: https://creativecommons.org/licenses/by-nc-sa/4.0/
Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.
Si ringrazia arxiv per l'utilizzo della sua interoperabilità ad accesso aperto.
Link di riferimento
- https://github.com/makeabilitylab/RASSAR
- https://www.ada.gov/regs2010/2010ADAStandards/2010ADAstandards.htm
- https://scholar.google.com/scholar?hl=en&as_sdt=0%2C48&q=Aging+in+Place+Designing%2C+Adapting%2C+and+Enhancing+the+Home+Environment&btnG=
- https://www.tompkinscountyny.gov/files2/cofa/documents/hssat_v3.pdf
- https://dl.acm.org/ccs.cfm