Human Machine Interfaces Powered by Embedded Artificial Intelligence for Assistance in Complex Environments
Interfaces Humain-Machine Alimentées par Intelligence Artificielle Embarquée pour l'Assistance en Environnements Complexes
Résumé
In critical environments such as autonomous navigation for visually impaired individuals or aircraft piloting, access to information can be hindered by sensory, attentional, or contextual constraints, thereby compromising safety, autonomy, and performance. We present two assistive systems based on embedded artificial intelligence, designed following a user-centered approach to address accessibility and safety challenges in constrained settings. The first system, dedicated to the mobility of visually impaired users, relies on a stereo camera (OAK-D Lite) and a LiDAR to detect obstacles using an embedded YOLO model. Information is conveyed through a vibrotactile vest, with feedback varying according to the urgency and position of the detected obstacles. The second system, designed for aviation, combines a visual interface, haptic feedback, a Variational Autoencoder (VAE), and a Random Forest model to enable silent communication between pilots and air traffic controllers, as well as discreet feedback of acoustic anomalies related to the aircraft or pilot behavior. Together, these systems highlight the potential of AI-assisted human-machine interfaces to enhance resilience, accessibility, and safety in critical operational contexts.
Dans les environnements critiques tels que la navigation autonome pour personnes déficientes visuelles ou le pilotage aéronautique, l'accès à l'information peut être limité par des contraintes sensorielles, attentionnelles ou contextuelles, compromettant sécurité, autonomie et performance. Nous présentons deux dispositifs d'assistance fondés sur de l'intelligence artificielle embarquée, conçus selon une approche centrée utilisateurs pour répondre à des enjeux d'accessibilité et de sécurité en contexte contraint. Le premier, dédié à la mobilité des personnes déficientes visuelles, s'appuie sur une caméra stéréo OAK-D Lite et un LiDAR pour détecter les obstacles via un modèle YOLO embarqué. L'information est restituée par retour haptique à travers une veste vibrante, selon l'urgence et la position des obstacles. Le second, destiné à l'aviation, combine une interface visuelle, un retour haptique, un autoencodeur variationnel (VAE) et un modèle Random Forest pour assurer une communication silencieuse entre pilotes et contrôleurs aériens, ainsi qu'une restitution discrète d'anomalies acoustiques liées à l'aéronef ou au pilotage. Ces deux systèmes illustrent le potentiel des interface humain-machine (IHM) assistées par IA pour renforcer la résilience, l'accessibilité et la sécurité dans des environnements critiques.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|---|
| Licence |