Key points are not available for this paper at this time.
La réalité augmentée (RA) s'est révélée être un support interactif inestimable pour réduire la charge cognitive en comblant le fossé entre la tâche à accomplir et les informations pertinentes en affichant des informations sans perturber la concentration de l'utilisateur. La RA est particulièrement utile dans l'environnement de fabrication où un ensemble diversifié de tâches telles que l'assemblage et la maintenance doit être effectué de la manière la plus rentable et efficace possible. Bien que les systèmes de RA aient connu une immense innovation de recherche ces dernières années, les stratégies actuelles utilisées en RA pour la calibration des caméras, la détection, le suivi, l'estimation de la position et de l'orientation de la caméra (pose), le rendu inverse, le stockage de procédures, la création d'objets virtuels, l'enregistrement et le rendu sont encore majoritairement dominées par des approches traditionnelles non-IA. Cela limite leur praticabilité à des environnements contrôlés avec des variations limitées dans la scène. Les méthodes classiques de RA peuvent être considérablement améliorées grâce à l'incorporation de diverses stratégies IA telles que l'apprentissage profond, l'ontologie et les systèmes experts pour s'adapter à des variations de scène plus larges et aux préférences des utilisateurs. Ce travail de recherche fournit une revue des stratégies actuelles de RA, une évaluation critique de ces stratégies et des solutions IA potentielles pour chaque composant du pipeline computationnel des systèmes de RA. Étant donné la revue des travaux actuels dans les deux domaines, des orientations pour de futures recherches sont également esquissées.
Sahu et al. (Mon,) ont étudié cette question.