Unas gafas pueden convertir una botella en un sonido hacia el que girar la cabeza

Dejar que los objetos suenen a nuestro alrededor

El principio del tacto acústico es sencillo: en vez de decir que una botella está a las dos en punto, las gafas emiten un sonido breve y lo sitúan exactamente donde se encuentra el objeto. Ese sonido se convierte así en un punto fijo en el espacio alrededor de la cabeza. Un libro podría sonar como el crujir de unas páginas al pasar, mientras que una taza reproduciría el suave golpe de posarse sobre madera.

El usuario no tiene que decodificar palabras. Basta con girar la cabeza hasta que el sonido le parezca centrado. De este modo, la búsqueda visual se transforma en auditiva, y la dirección la marca la posición aparente del sonido. El prototipo empleaba gafas de realidad aumentada que vigilaban una zona reducida frente al usuario. Su campo activo abarcaba unos 36,6 grados de lado a lado y 20 grados de arriba abajo.

Esa forma se definió con la ayuda de cuatro personas ciegas o con baja visión, que participaron como probadores piloto para determinar cuánto de la habitación debía ser audible. Dentro de esa zona, cada objeto detectado generaba su propio icono sonoro repetido. La frecuencia era máxima cuando el objeto estaba cerca del centro del campo visual y disminuía hacia los bordes. La zona se dividía en diez capas, añadiendo un retardo de veinte milisegundos a medida que el objeto se alejaba del centro.

En el borde exterior, los sonidos repetidos estaban separados por unos cien milisegundos. Este ritmo ofrecía al oído una referencia: cuando el sonido parecía centrado, el usuario estaba alineado con la dirección del objeto. La distancia la proporcionaban las dos cámaras frontales de las gafas, que comparaban sus imágenes y situaban cada elemento a la profundidad correspondiente en la escena sonora.

Un teléfono móvil ejecutaba el modelo de reconocimiento de objetos y procesaba libros, botellas, cuencos y tazas en unos 66 milisegundos por cuadro, consumiendo aproximadamente 4,5 vatios. Los sonidos eran ruidos cotidianos, no pitidos abstractos, lo que permitía reconocer el objeto tanto por su carácter como por su posición. Estos iconos breves exigen menos atención que una frase hablada, un aspecto relevante para personas con pérdida auditiva.

El dispositivo se desarrolló junto a especialistas en movilidad y probadores ciegos o con baja visión, no solo ingenieros. Su objetivo era hacer que los objetos cercanos se sintieran presentes en el espacio alrededor de la cabeza, en lugar de ser anunciados como texto flotante.

Hallazgos de usuarios videntes y no videntes en dos pruebas breves

En un ensayo con 14 participantes, siete personas ciegas o con baja visión y siete voluntarios videntes vendados buscaron objetos en dos tareas breves. En la prueba sentada, se colocaron dos o tres artículos domésticos sobre una mesa y cada persona debía localizar uno de ellos sin ayuda. Con las gafas, los participantes ciegos o con baja visión acertaron el objeto correcto en aproximadamente el 81,7 % de los intentos. Obtuvieron un resultado ligeramente inferior al de la voz con indicaciones de reloj (90,7 %) y algo superior al de los altavoces externos (85 %). Esa cercanía es relevante porque las condiciones idealizadas conocían la posición exacta de cada objeto antes de iniciar la búsqueda. Las gafas, en cambio, debían localizar posiciones desconocidas por sí solas, sin información previa perfecta.

Los participantes videntes vendados encontraron más difícil el uso de las gafas, con un éxito del 73,0 %. La voz con indicaciones de reloj les permitió alcanzar el 93,8 % y los altavoces externos, el 89,0 %. La diferencia fue estadísticamente significativa, por lo que no se debía únicamente al azar. Incluso tres voluntarios videntes especializados en movilidad obtuvieron puntuaciones no mejores que las de cinco sin esa experiencia: 64,8 % frente a 79,2 %. La familiaridad previa con la venda no facilitó claramente la búsqueda basada en sonido.

En la tarea de pie, todos los participantes buscaron un objetivo entre varias botellas distractores, moviendo todo el cuerpo. Necesitaron una media de 1,67 intentos para alcanzarlo. Las personas ciegas o con baja visión requirieron 1,76 y los videntes, 1,52. Esto indica que la mayoría localizó la botella correcta tras uno o dos movimientos, aunque algunos confundieron recipientes similares. El tiempo de búsqueda en la prueba sentada se mantuvo cerca de 40 segundos para ambos grupos (38,25 s y 39,63 s). Ni el éxito ni el fracaso alteraron significativamente ese tiempo, ni tampoco añadir un tercer objeto a la mesa.

El movimiento de las manos contó otra historia para el grupo vidente: alcanzaban más rápido con gafas que con altavoces, pero sus trayectorias eran menos directas. Comparado con la voz con indicaciones de reloj, sus movimientos fueron más lentos en general y menos precisos. En cambio, para los participantes ciegos o con baja visión, la velocidad de las manos, la eficiencia de la trayectoria y el tiempo de alcance no mostraron diferencias significativas entre condiciones. La prueba de desorden de pie demostró además que un libro, un cuenco o una taza podían distinguirse entre muchas botellas. En conjunto, ambas tareas sugieren que las gafas pueden apoyar la localización de objetos en movimiento real, aunque no sustituyen a las etiquetas verbales claras para todos los usuarios.

¿Por qué las gafas no resultaban más sencillas para todo el mundo?

Para el grupo de videntes vendados, las gafas añadieron una capa de trabajo que las otras condiciones no exigían. La voz con indicaciones de reloj les señalaba la posición de los objetos mediante direcciones claras, mientras que los altavoces externos situaban sonidos junto a elementos conocidos. Las gafas, en cambio, obligaban a cada persona a girar la cabeza y construir un mapa mental a partir de señales sonoras móviles. Esa exploración activa no era lo mismo que escuchar pasivamente. En la búsqueda sentada con catorce personas, los participantes videntes vendados acertaron en el 73,0 % de los intentos con las gafas. El mismo grupo alcanzó un 93,8 % cuando una voz externa daba indicaciones horarias y un 89,0 % cuando altavoces junto a los objetos emitían sonidos. La diferencia fue estadísticamente significativa, lo que indica que era improbable que se debiera al azar. Las valoraciones de carga de trabajo apuntaban en la misma dirección: los participantes videntes vendados reportaron un mayor esfuerzo mental y total que el grupo de personas ciegas o con baja visión. No cometían errores simplemente porque nunca hubieran usado el dispositivo antes. Tres de ellos eran especialistas en orientación y movilidad, y su puntuación global no superó claramente a la de los demás participantes videntes. Ese patrón sugiere que la novedad pesaba más que la experiencia previa con vendas. Las gafas también tenían que funcionar desde posiciones desconocidas de los objetos, mientras que las configuraciones de comparación ya sabían dónde estaba todo. Esa diferencia convirtió al dispositivo portátil en una tarea más difícil, no porque no diera información, sino porque requería más interpretación. Pasar de estar sentado a estar de pie añadió otra tensión para el grupo de videntes vendados, cuya frecuencia cardíaca, frecuencia respiratoria y temperatura cutánea aumentaron significativamente. Ese aumento probablemente reflejaba el estrés de navegar por un espacio desconocido sin visión ni ayuda de movilidad. La práctica repetida podría reducir esa respuesta, pero en ese día de prueba hizo que las gafas se sintieran menos fáciles de usar. Así, el dispositivo no fracasó para todos. Simplemente impuso una carga diferente a personas que aún no habían aprendido a confiar en los sonidos móviles.

Cómo los sonidos ambiguos y las fallos de detección moldearon los resultados

La búsqueda en posición sentada con 14 personas reveló que la ambigüedad sonora y las imperfecciones en la detección condicionaron los resultados. Los cuatro objetos se asociaban a sonidos cotidianos distintos: el crujido de páginas para un libro, un rasguño para una botella, el sonido de una tapa sobre un cuenco y el golpe suave de una taza al posarse sobre madera. Trece de los catorce participantes declararon haber confundido los sonidos de la botella, el cuenco y la taza. Al tratarse de tres iconos vinculados a recipientes, sus límites se difuminaban en la memoria. El grupo vidente detectaba el sonido del cuenco con menos frecuencia que el de la taza. Esa diferencia fue del 12,14 % y estadísticamente significativa. Además, identificaban mejor las botellas y los cuencos cuando una voz externa indicaba la dirección mediante referencias horarias que cuando dependían exclusivamente de las gafas.

Las configuraciones de comparación conocían la posición exacta de cada objeto antes de cada prueba. En cambio, las gafas debían localizar objetos desconocidos mediante un modelo de cámara susceptible de pasarlos por alto o situarlos mal. Los participantes ciegos o con baja visión eligieron el objeto correcto en aproximadamente el 81,7 % de los intentos al usar las gafas. La voz con indicaciones horarias alcanzó el 90,7 % y los altavoces externos, el 85 %. En el caso de las personas videntes vendadas, las gafas lograron un éxito del 73,0 %, frente al 93,8 % de la voz horaria y el 89,0 % de los altavoces externos. Por tanto, la brecha era real.

Los datos sobre el movimiento de la cabeza en esa misma tarea sentada apuntaban a errores de reconocimiento, no a una escucha deficiente. Los intentos exitosos implicaron significativamente menos rotación de la cabeza que los fallidos, mientras que la velocidad del barrido se mantuvo similar. Este patrón sugiere que los barridos más amplios exponían la cámara a un mayor número de objetos inciertos. En la búsqueda de pie, todos los participantes localizaron el objetivo entre varias botellas, necesitando una media de 1,67 intentos de alcance para lograrlo. Aun así, algunos tuvieron dificultades para distinguir un cuenco de una botella.

Cuando solo aparecía un objeto de cristal y un libro, las personas a menudo podían inferir cuál sonido correspondía al objeto confuso. Esto demuestra que la deducción puede ayudar cuando los iconos no son suficientemente únicos. Los sonidos ambiguos no inutilizaron las gafas, pero las hicieron menos nítidas que unas etiquetas verbales perfectas. La detección imperfecta añadió otra capa de complejidad, ya que el dispositivo debía adivinar qué había allí antes de poder emitir su sonido. Su éxito similar fue más difícil de conseguir porque escaneaban activamente y dependían de un reconocimiento falible.

Más allá del juego

Las gafas no superaron a los sistemas con información perfecta en todas las pruebas, pero mantuvieron su nivel entre personas que viven sin visión. En un ensayo de dos tareas con 14 participantes, los usuarios ciegos o con baja visión alcanzaron el objeto correcto a un ritmo similar al de las indicaciones por reloj o los altavoces colocados junto a los objetos. Es un resultado sólido: las gafas debían localizar elementos desconocidos mediante una visión de cámara imperfecta mientras el usuario giraba la cabeza y construía un mapa mental, algo que las condiciones de comparación no tenían que hacer porque ya sabían dónde estaba todo.

Los objetos cotidianos pueden hacerse presentes sin palabras. Un sonido situado en el espacio puede transmitir dirección, distancia e identidad a la vez. Esto podría adaptarse mejor a entornos concurridos que las etiquetas habladas. Para personas con pérdida auditiva o atención limitada, los iconos cortos podrían reducir la carga de decodificar palabras conservando al mismo tiempo suficiente significado para actuar sobre él. El obstáculo es que el sistema actual solo conoce bien cuatro objetos. Su trabajo de cámara puede engañar cuando el barrido de la cabeza es demasiado amplio. Además, se calienta y consume energía en un teléfono lo suficientemente potente para la tarea.

Si el reconocimiento se vuelve fiable, si los iconos son fáciles de distinguir y si el hardware permanece fresco y ligero, el tacto acústico podría pasar de la mesa del laboratorio a la encimera de la cocina. La pregunta más difícil es si un dispositivo que convierte el mundo en sonido se sentirá como ayuda o como otra cosa por gestionar.