Αν έχεις χρησιμοποιήσει κάποιο εργαλείο όπως το street view ή μια εφαρμογή για να δεις πώς θα μοιάζει το σπίτι σου επιπλωμένο, τότε έχεις ζήσει μια εμπειρία επαυξημένης πραγματικότητας.

Σίγουρα έχουν υπάρξει πολλά παραδείγματα ακόμα που έχεις βιώσει, ακόμα και αν δεν έχεις συνειδητοποιήσει, όπως τα φίλτρα που χρησιμοποιήσεις στα Instagram Stories.

Είναι και αυτά παράδειγμα επαυξημένης πραγματικότητας!

Είναι κάτι που μπαίνει ολοένα και περισσότερο στη ζωή μας, για αυτό και στο σημερινό άρθρο θα δούμε:

- Τι είναι η επαυξημένη πραγματικότητα

- Ο ρόλος των δεδομένων στη τεχνολογία αυτή

- Ποια τα βασικά χαρακτηριστικά της

- Ορισμένα ακόμα παραδείγματα

Ας δούμε λοιπόν περί τίνος πρόκειται, καθώς και τι ρόλο παίζουν τα δεδομένα σε αυτή.

 Τι Είναι η Επαυξημένη Πραγματικότητα;

Η επαυξημένη πραγματικότητα ή αλλιώς Augmented Reality (AR) είναι μια πλασματική απεικόνιση του πραγματικού κόσμου, μέσω “υπολογιστικά παραγόμενων ψηφιακών πληροφοριών” και διαφόρων τεχνολογιών, όπως το machine learning.

Οι πληροφορίες αυτές που αναφέραμε μπορούν να περιλαμβάνουν στοιχεία που σχετίζονται με τις αισθήσεις μας, όπως οπτικά και ακουστικά στοιχεία.

Επομένως, το AR χρησιμοποιεί λογισμικά και hardware για να συνδυάσει τις ψηφιακές πληροφορίες με τον πραγματικό κόσμο, ώστε να δημιουργηθεί ένα συγκεκριμένο αποτέλεσμα.

Σημείωση: Δεν πρέπει να συγχέουμε την επαυξημένη πραγματικότητα (AR) με την εικονική πραγματικότητα (VR). Η πρώτη χρησιμοποιεί το περιβάλλον του πραγματικού κόσμου, ενώ η δεύτερη είναι εντελώς σε πλασματικό περιβάλλον.

Θα δούμε περισσότερα συγκεκριμένα παραδείγματα στη συνέχεια, αξίζει όμως να αναφέρουμε τη σημασία που έχουν τα δεδομένα στη τεχνολογία αυτή, καθώς και πώς την βοηθούν να βελτιώνεται συνεχώς.

 Ο Ρόλος των Δεδομένων στην Επαυξημένη Πραγματικότητα

Από την στιγμή λοιπόν που βασικό κομμάτι της επαυξημένης νοημοσύνης είναι πρωτίστως να ανιχνεύει σημεία από το περιβάλλον του πραγματικού κόσμου (πρόσωπα, δρόμους, δωμάτια κτλ), είναι απαραίτητο να συλλέγει δεδομένα και έπειτα να τα αναλύει ώστε να κατανοήσει καλύτερα περί τίνος πρόκειται.

Η επεξεργασία αυτή των δεδομένων πραγματοποιείται είτε στην ίδια τη συσκευή, είτε σε απομακρυσμένους servers και είναι κάτι απαραίτητο.

Και αυτό γιατί συμπεριλαμβάνει διάφορες εργασίες, όπως είναι:

- Η ανίχνευση αντικειμένων και προσώπων (object and image recognition)

- Η σύντηξη αισθητήρων (sensor fusion)

- Η χαρτογράφηση του χώρου (spatial mapping)

Το sensor fusion συγκεκριμένα έχει μεγάλη σημασία, καθώς συνδυάζει δεδομένα από διάφορους αισθητήρες για να δημιουργήσει μια πιο ολοκληρωμένη κατανόηση του περιβάλλοντος του χρήστη. 

Ας δούμε τώρα λίγο πιο αναλυτικά τα βασικά χαρακτηριστικά που απαρτίζουν την επαυξημένη πραγματικότητα.

 Βασικά Χαρακτηριστικά Επαυξημένης Πραγματικότητας

Κατά κύρια βάση, υπάρχουν 3 πράγματα πάνω στα οποία βασίζεται η επαυξημένη πραγματικότητα.

   Συνδυασμός φυσικού και ψηφιακού κόσμου

Το AR κάνει “overlay” ψηφιακές πληροφορίες πάνω στο πραγματικό περιβάλλον, δημιουργώντας ένα σύνθετο περιβάλλον όπου τα εικονικά αντικείμενα συνυπάρχουν με τα φυσικά. 

Αυτή η ανάμειξη επιτρέπει στους χρήστες να βιώνουν μια βελτιωμένη έκδοση της πραγματικότητας, όπου το ψηφιακό περιεχόμενο συμπληρώνει και αλληλεπιδρά με το φυσικό περιβάλλον.

   Αλληλεπιδράσεις σε πραγματικό χρόνο

Οι εφαρμογές AR διευκολύνουν τις αλληλεπιδράσεις σε πραγματικό χρόνο μεταξύ των χρηστών και των εικονικών στοιχείων. 

Είτε πρόκειται για το χειρισμό εικονικών αντικειμένων, τη λήψη δυναμικών ενημερώσεων, είτε για την συμμετοχή σε ψηφιακές εμπειρίες, η ανταπόκριση των συστημάτων AR ενισχύει την εμπλοκή και την αλληλεπίδραση των χρηστών.

   3D ταυτοποίηση εικονικών και πραγματικών δεδομένων

Η τεχνολογία του AR μπορεί να κάνει μια αρκετά καλή χαρτογράφηση του χώρου και να ενσωματώνει ομαλά τα εικονικά αντικείμενα στο φυσικό χώρο. 

Αυτό περιλαμβάνει την ακριβή αναγνώριση και θέση τόσο των εικονικών όσο και των πραγματικών στοιχείων μέσα στο περιβάλλον, εξασφαλίζοντας την ομαλή αλληλεπίδραση και ευθυγράμμιση μεταξύ των δύο κόσμων.

Τώρα που είδαμε επιγραμματικά τι είναι η επαυξημένη πραγματικότητα, των ρόλο των δεδομένων σε αυτή και ποια τα χαρακτηριστικά της, ας εμβαθύνουμε σε μερικά ακόμα παραδείγματα για να την κάνουμε πιο κατανοητή.

 3 Πραγματικά Παραδείγματα Επαυξημένης Πραγματικότητας

Παρακάτω δεν θα δούμε απλά μερικά παραδείγματα AR, αλλά αληθινά παραδείγματα από εταιρείες που χρησιμοποίησαν τη τεχνολογία αυτή για έναν συγκεκριμένο σκοπό.

   Παράδειγμα #1: IKEA

Πόσες φορές έχεις σκεφτεί να αγοράσεις κάποιο έπιπλο, χωρίς όμως να είσαι σίγουρος αν θα χωράει ή αν θα ταιριάζει στο σπίτι σου;

Αυτό ακριβώς το πρόβλημα επιχείρησε να λύσει το IKEA, εφαρμόζοντας επαυξημένη πραγματικότητα για να βοηθήσει τον χρήστη να δει ακριβώς πως θα μοιάζει ένα έπιπλο μέσα σε ένα δωμάτιο.

Μέσω του IKEA Place λοιπόν, ο χρήστης μπορεί μέσα από το κινητό του να “δοκιμάσει” όποιο έπιπλο θέλει ψηφιακά ώστε να είναι σίγουρος για την αγορά του, πριν καν το αγοράσει.

Αυτό είχε σαν αποτέλεσμα μέχρι το 2020 η εφαρμογή αυτή να κατεβαστεί από περισσότερους από μισό εκατομμύριο χρήστες! 

   Παράδειγμα #2: Coca Cola

Μια ακόμα μεγάλη εταιρεία, η Coca Cola, χρησιμοποίησε το AR για να βελτιώσει την εμπειρία των καταστημάτων που είναι πελάτες της.

Συγκεκριμένα, οι retailers μέσω του κινητού ή του tablet τους μπορούν να δουν πώς θα έμοιαζε ένα ψυγείο της Coca Cola στο μαγαζί τους, προφανώς χωρίς αυτό να υπάρχει πραγματικά εκεί!

   Παράδειγμα #3: Amazon

Ένας κολοσσός σαν την Amazon δεν θα μπορούσε να λείπει από τη λίστα με τις εταιρείες που έχουν εκμεταλλευτεί τη δύναμη του AR.

Ομοίως με το IKEA, η Amazon θέλησε να βοηθήσει τους χρήστες της να “δουν” πώς μοιάζουν φορώντας συγκεκριμένα ρούχα, όπως τα παπούτσια.

Αυτό όχι μόνο βοήθησε την εταιρεία να προσφέρει μια καλύτερα και πιο βελτιωμένη εμπειρία για τους πελάτες της, αλλά και να την εδραιώσει περαιτέρω ως μια εταιρεία που πρωτοστατεί στις νέες τεχνολογίες και την καινοτομία.

Οφέλη που κάθε εταιρεία που υιοθετεί μια τεχνολογία όπως το AR μπορεί να έχει.

 Συνοψίζοντας

Γίνεται λοιπόν αντιληπτό ότι η επαυξημένη πραγματικότητα είναι μια τεχνολογία που ήρθε για να μείνει.

Και αυτό γιατί προσφέρει πολλαπλά πλεονεκτήματα, τόσο για τον χρήστη, όσο και για αυτόν που τη δημιουργεί και την προσφέρει.

Πώς όμως κατασκευάζεται μια τέτοια τεχνολογία;

Σίγουρα δεν είναι απλό, καθώς απαιτούνται διάφορες δεξιότητες, από μηχανική μάθηση μέχρι προγραμματισμό, όπως γνώση Python.

Αν λοιπόν ασχολείσαι ήδη με τον κλάδο των δεδομένων και θες να εξελίξεις τις γνώσεις και δεξιότητές σου, μπορείς να δοκιμάσεις το Data Engineering Bootcamp που προσφέρουμε εδώ στην BigBlue Data Academy.

Μέσα σε 3 μήνες θα γίνεις πιστοποιημένος Data Engineer, λαμβάνοντας τις κατάλληλες θεωρητικές μα πάνω απ’όλα πρακτικές γνώσεις που απαιτούνται για την αγορά εργασίας!