Óculos transformam garrafa em som que orienta a direção da cabeça

Transformar objetos em sons posicionados ao redor da cabeça

O princípio do toque acústico é simples: dispensa longas explicações. Em vez de anunciar que a garrafa está às duas horas, os óculos emitem um som curto e o posicionam exatamente onde o objeto se encontra. Esse som vira um ponto no espaço ao redor da cabeça. Um livro pode soar como páginas virando, enquanto uma caneca produz o leve toque de quem é colocada sobre madeira.

Quem usa não precisa decodificar palavras. Basta girar a cabeça até que o som pareça centralizado. O processo converte a busca visual em auditiva, com a direção definida pela posição aparente do som. O protótipo utilizava óculos de realidade aumentada para monitorar uma pequena área à frente do usuário. A zona ativa de escuta abrangia cerca de 36,6 graus horizontalmente e 20 graus verticalmente.

Essa configuração foi definida com a ajuda de quatro testadores cegos ou com baixa visão, que ajudaram a estabelecer quanto da sala deveria ser percebido. Dentro dessa zona, cada objeto detectado gerava seu próprio ícone sonoro repetitivo. A frequência era mais alta quando o objeto estava perto do centro do campo de visão e diminuía em direção às bordas. A zona contava com dez camadas, adicionando um atraso de 20 milissegundos à medida que o objeto se afastava para fora.

Na borda externa, os sons repetidos ficavam separados por cerca de 100 milissegundos. Esse ritmo oferecia ao ouvido uma referência: quando o som parecia centralizado, o usuário estava alinhado com a direção do objeto. A distância era calculada pelas duas câmeras frontais dos óculos, que comparavam suas imagens e posicionavam cada item na profundidade correspondente dentro da cena sonora.

Um smartphone executando o modelo de reconhecimento de objetos processava livros, garrafas, tigelas e canecas em cerca de 66 milissegundos por quadro, consumindo aproximadamente 4,5 watts. Os sons eram ruídos cotidianos, não bipes abstratos, permitindo que o objeto fosse reconhecido tanto pelo seu caráter quanto pela sua posição. Ícones curtos podem exigir menos atenção do que uma frase falada, o que pode ser relevante para pessoas com perda auditiva.

O dispositivo foi desenvolvido em conjunto com especialistas em mobilidade e testadores cegos ou com baixa visão, não apenas por engenheiros. O objetivo era fazer com que objetos próximos parecessem presentes na sala ao redor da cabeça, em vez de serem anunciados como texto no ar.

O que usuários cegos e videntes descobriram em duas tarefas rápidas

Numa experiência com 14 participantes, sete pessoas cegas ou com baixa visão e sete voluntários videntes vendados procuraram objetos em duas tarefas breves. Na tarefa sentada, dois ou três itens domésticos eram colocados sobre uma mesa, e cada pessoa tinha de localizar um alvo específico sem ajuda. Com os óculos, os participantes cegos ou com baixa visão acertaram o objeto certo em cerca de 81,7% das tentativas. Esse desempenho foi ligeiramente inferior ao da fala em formato de relógio, que atingiu 90,7%, e um pouco superior ao dos alto-falantes externos, que ficaram em 85%. Essa proximidade é relevante porque as condições idealizadas sabiam a posição exata de cada objeto antes do início da busca. Os óculos, por sua vez, precisavam identificar posições desconhecidas sozinhos, sem conhecimento prévio perfeito.

Para os participantes videntes vendados, os óculos representaram um desafio maior, com apenas 73,0% de sucesso. A fala em formato de relógio lhes garantiu 93,8%, e os alto-falantes externos, 89,0%. A diferença foi estatisticamente significativa, o que indica que a variação não se deveu apenas ao acaso. Mesmo três voluntários videntes com especialização em mobilidade tiveram pontuação igual à de cinco sem esse background: 64,8% contra 79,2%. Experiência prévia com vendas nos olhos não tornou claramente mais fácil a busca baseada em som.

Na tarefa em pé, todos os participantes procuraram um alvo entre vários frascos distratores, utilizando movimento corporal completo. Em média, precisaram de 1,67 tentativas de alcance, sendo 1,76 para as pessoas cegas ou com baixa visão e 1,52 para os participantes videntes. Isso significa que a maioria encontrou o frasco certo após um ou dois movimentos, embora alguns ainda confundissem recipientes semelhantes. O tempo de busca na tarefa sentada ficou próximo de 40 segundos para ambos os grupos, cerca de 38,25 segundos e 39,63 segundos. Sucesso ou fracasso não alterou muito esse tempo, assim como a adição de um terceiro objeto à mesa.

O movimento das mãos contou outra história para o grupo vidente, que alcançou mais rápido com os óculos do que com os alto-falantes, mas seguiu trajetórias menos diretas. Em comparação com a fala em formato de relógio, seus movimentos foram mais lentos no geral e menos precisos. Para os participantes cegos ou com baixa visão, a velocidade das mãos, a eficiência da trajetória e o tempo de alcance não diferiram significativamente entre as condições. O teste de desordem em pé também mostrou que um livro, uma tigela ou uma caneca podiam ser identificados entre muitos frascos. Juntas, as duas tarefas sugerem que os óculos podem apoiar a localização de objetos em movimento real, mas não substituem rótulos verbais claros para todos.

Por que os óculos não facilitaram a vida de todo mundo

Para os videntes vendados, os óculos exigiram um esforço extra que as outras condições dispensavam. A fala do relógio indicava a posição dos objetos com direções claras, enquanto os alto-falantes externos situavam os sons ao lado de itens conhecidos. Já os óculos pediam que cada participante girasse a cabeça e construísse um mapa mental a partir das pistas sonoras em movimento. Essa varredura ativa não equivale a ouvir passivamente. Na busca sentada com catorze pessoas, os videntes vendados acertaram 73,0% das tentativas usando os óculos. O mesmo grupo alcançou 93,8% quando uma voz externa dava as direções do relógio e 89,0% quando alto-falantes ao lado dos objetos emitiam sons. A diferença foi estatisticamente significativa, o que indica que não se tratou de uma pequena variação aleatória. As avaliações de carga de trabalho apontaram na mesma direção: os videntes vendados relataram maior esforço mental e esforço total do que o grupo de pessoas cegas ou com baixa visão. Não cometiam erros apenas por nunca terem usado o dispositivo antes. Três deles eram especialistas em orientação e mobilidade, mas sua pontuação geral não superou claramente a dos outros participantes videntes. Esse padrão sugere que a novidade pesou mais do que a experiência prévia com venda nos olhos. Além disso, os óculos tinham de localizar objetos em posições desconhecidas, enquanto as configurações de comparação já sabiam onde tudo estava. Essa diferença tornou o dispositivo vestível uma tarefa mais difícil, não por falta de informação, mas porque exigia mais interpretação. Passar da posição sentada para a em pé acrescentou outra tensão ao grupo de videntes vendados, cuja frequência cardíaca, frequência respiratória e temperatura da pele aumentaram significativamente. O aumento provavelmente refletiu o estresse de navegar por um espaço desconhecido sem visão ou auxílio de mobilidade. A prática repetida poderia reduzir essa resposta, mas naquele dia de teste ela fez os óculos parecerem menos descomplicados. Assim, o dispositivo não falhou para todos. Ele simplesmente impôs uma carga diferente a pessoas que ainda não haviam aprendido a confiar em sons em movimento.

Como a ambiguidade dos sons e as falhas na detecção influenciaram os resultados

A busca sentada com 14 pessoas revelou que a ambiguidade dos sons e as falhas na detecção moldaram os resultados. Os quatro objetos emitiam ruídos cotidianos distintos: o barulho de páginas virando para o livro, um arranhado para a garrafa, uma tampa batendo na tigela e o toque suave da caneca ao ser colocada sobre madeira. Treze dos catorze participantes relataram ter confundido os sons da garrafa, da tigela e da caneca. Como esses três ícones se referiam todos a recipientes, suas características se misturaram na memória. O grupo vidente detectou o som da tigela com menos frequência do que o da caneca, uma diferença de 12,14% estatisticamente significativa. Além disso, identificaram melhor garrafas e tigelas quando uma voz externa fornecia as direções em formato de relógio do que ao dependerem dos óculos.

As configurações de comparação sabiam a posição exata de cada objeto antes de cada tentativa. Já os óculos precisavam localizar itens desconhecidos por meio de um modelo de câmera capaz de perdê-los ou posicioná-los incorretamente. Com o dispositivo, participantes cegos ou com baixa visão acertaram o objeto certo em cerca de 81,7% das tentativas. A fala em formato de relógio alcançou 90,7%, e os alto-falantes externos, 85%. Para as pessoas videntes vendadas, a taxa de sucesso com os óculos foi de apenas 73,0%, contra 93,8% da fala em formato de relógio e 89,0% dos alto-falantes externos. A diferença é real.

Os dados de movimento da cabeça na mesma tarefa sentada indicam erros de reconhecimento, não dificuldade auditiva. As tentativas bem-sucedidas apresentaram significativamente menos rotação da cabeça do que as malsucedidas, enquanto a velocidade de varredura permaneceu semelhante. Esse padrão sugere que varreduras mais amplas expunham a câmera a um maior número de objetos incertos. Na busca em pé, todos os participantes localizaram o alvo entre várias garrafas, precisando de uma média de 1,67 tentativas de alcance. Ainda assim, alguns tiveram dificuldade em distinguir uma tigela de uma garrafa.

Quando apenas um item de vidro e um livro apareciam, as pessoas podiam frequentemente inferir qual som estava sendo emitido. Isso mostra que a dedução ajuda quando os ícones não são únicos o suficiente. Os sons ambíguos não tornaram os óculos inúteis, mas os deixaram menos nítidos do que rótulos verbais perfeitos. A detecção imperfeita adicionou outra camada de complexidade, pois o dispositivo precisava supor o que havia ali antes de poder emitir o som correspondente. O sucesso semelhante obtido pelos participantes foi mais difícil de conquistar, já que eles varriam ativamente o ambiente e dependiam de um reconhecimento falível.

Quando o som deixa de ser um brinquedo

Os óculos não venceram os auxiliares perfeitamente informados em todos os testes, mas se mantiveram ao nível dos usuários que vivem sem visão. Em um teste com duas tarefas e 14 participantes, pessoas cegas ou com baixa visão alcançaram o objeto certo na mesma taxa aproximada do que com direções de relógio ou alto-falantes ao lado dos objetos. Esse é um resultado forte. Os óculos tiveram que encontrar itens desconhecidos por meio da visão imperfeita das câmeras enquanto o usuário girava a cabeça e construía um mapa mental. As condições de comparação sabiam onde estava tudo.

Objetos do dia a dia podem ser tornados presentes sem fala. Um som colocado no espaço pode carregar direção, distância e identidade ao mesmo tempo. Isso pode se adequar melhor a ambientes movimentados do que rótulos falados. Para pessoas com perda auditiva ou atenção limitada, ícones curtos poderiam reduzir o esforço de decodificar palavras enquanto ainda preservam significado suficiente para agir. O obstáculo é que o sistema atual só conhece bem quatro objetos. O trabalho das câmeras pode enganar quando a varredura da cabeça é muito ampla. Ele também esquenta e drena energia em um celular potente o bastante para a tarefa.

Se o reconhecimento se tornar confiável, se os ícones forem fáceis de distinguir e se o hardware permanecer frio e leve, o toque acústico poderia passar da mesa do laboratório para a bancada da cozinha. A pergunta mais difícil é se um dispositivo que transforma o mundo em som será sentido como ajuda ou como outra coisa a gerenciar.