Machine Translated by Google

Modelo de Qualidade para Teste de Realidade Aumentada

Formulários
Jim Scheibmeir Yashwant K. Malaiya
Research and Advisory Ciência da Computação
Gartner Fort Colorado State University Fort
Myers, Estados Unidos Collins Estados Unidos
jimscheibmeir@gmail.com malaiya@cs.colostate.edu

Resumo—Aplicações de Realidade Aumentada têm a capacidade de

mesclar objetos virtuais em ambientes físicos ou, alternativamente,
podem agrupar objetos físicos em uma cena virtual. Os aplicativos de
realidade aumentada são semelhantes aos aplicativos de realidade
virtual em que os aspectos das visualizações são gerados por
computador, mas os aplicativos de realidade aumentada também devem
conter uma visão do mundo físico. Aplicações de realidade aumentada
estão sendo utilizadas em serviços, manufatura, áreas de produtos, bem
como em jogos. Os dispositivos móveis estão se tornando ambientes
de tempo de execução comuns para aplicativos de realidade aumentada
e a proliferação de dispositivos móveis está permitindo uma onda de
aplicativos AR. Devido à natureza combinada de objetos digitais e
físicos, bem como às restrições ambientais e contextuais, um plano de
teste tradicional não é suficiente. É proposto um novo modelo de
Figura 1. Análise de tecnologia emergente do Gartner: oportunidade de realidade aumentada e
qualidade que leva em consideração essas questões, e é discutido um mista para software de design 3D e ISVs verticais
exemplo de como o aprendizado de máquina pode ajudar em alguns
aspectos do modelo.
Uma pesquisa adicional do Gartner enfocou o desenvolvimento de
aplicativos multiexperiência. Os analistas declararam: “É, no entanto,
Palavras-chave—Realidade Aumentada, Qualidade de Software, surpreendente ver os aplicativos de RV identificados como o segundo
Teste de Software, Aprendizado de Máquina, Automação de Teste, tipo de aplicativo multiexperiência mais impactante (20%), pois o AR tem
Modelo de qualidade mais casos de uso em potencial e suporte a dispositivos. Mas apenas
14% dos entrevistados acharam que os aplicativos AR seriam os mais
I. INTRODUÇÃO impactantes, apesar de as ferramentas de desenvolvimento de aplicativos
AR estarem mais amplamente disponíveis. “[5] (figura 2).
A realidade aumentada é realizada criando uma experiência na
interface do usuário de um aplicativo que mescla tanto ambientes físicos
quanto objetos virtuais, que podem ser modelos ou cenas [1]. O termo
realidade aumentada foi usado pela primeira vez por Caudell e Mizell em
1992 [2]. O desenvolvimento de aplicativos de realidade aumentada foi
muito democratizado na última década, devido ao surgimento de
bibliotecas que facilitam a construção de aplicativos e ao aumento do
poder computacional de dispositivos como telefones celulares.

Os telefones celulares surgiram em plataformas onipresentes à medida

que se encaixam em nossas vidas, em vez de exigir mudanças humanas
[3]. Da mesma forma, a realidade aumentada nos permitiu manter um
plano físico como está e, ainda assim, embelezá-lo com novos objetos
digitais. AR está se tornando popular porque permite a mudança do que
vemos e, ao mesmo tempo, permite que o mundo físico permaneça o
mesmo. De acordo com uma pesquisa do Gartner realizada em 2018
(Figura 1), “De acordo com um estudo do Gartner Research Circle, 27% Figura 2. Análise de pesquisa do Gartner: insights para dar o pontapé inicial em uma estratégia
de desenvolvimento de multiexperiência empresarial
e 17% dos entrevistados estavam usando ou avaliando tecnologias AR e
MR” [4].
Existem várias ferramentas de desenvolvimento para auxiliar os
desenvolvedores na criação de aplicativos AR. O ARToolkit foi

978-1-7281-3885-5/19/$31,00 ©2019 IEEE

Machine Translated by Google

desenvolvido por Hirokazu Kato em 1999, que agora está disponível para headset de realidade virtual, a “Espada de Dâmocles”, foi inventado em
plataformas Windows, Mac, Linux e Android. O ARCore, um SDK para 1968 por Ivan Sutherland [24]. No entanto, embora a tecnologia VR exista
telefones Android e iOS, foi desenvolvido pelo Google e lançado em 2018 há mais tempo do que AR, não há práticas comuns de automação de
[6]. A Apple tem sua própria ferramenta nativa, ARKit, lançada com o iOS teste para interações de aplicativos em VR [25]. A Figura 3 mostra o grau
11 em 2017 [7]. de similaridade e relação entre AR e VR [26].
O Facebook lançou a plataforma Camera Effects em 2017. Em outubro
de 2018, o Facebook renomeou a plataforma para Spark AR [8]. A
Qualcomm lançou o QCAR SDK em 2011 [9], e então vendeu para a PTC
em 2015 por $ 65 milhões [10]. Maxst começou como uma empresa em
2010, lançou um jogo móvel AR em 2011, 5 anos antes do lançamento
do Pokémon GO, e lançou seu AR SDK em 2012 [11]. O Javascript SDK
do Wikitude foi lançado em 2012 [12].

Um fator impulsionador da popularidade dos aplicativos móveis de

Figura 3. O Continuum Real-Virtual
realidade aumentada são os muitos SDKs disponíveis e a facilidade de
uso. A facilidade de desenvolvimento, no entanto, também levou a
Embora pesquisas anteriores tenham identificado um vazio potencial
aplicativos com experiências de usuário ruins [13]. Existem várias opções
nas práticas de teste para novas interfaces, isso não quer dizer que os
de ferramentas de desenvolvimento, tanto de código aberto quanto
usuários do setor não as procurem ou confiem nelas.
comerciais, que abrangem ambientes de tempo de execução. A Tabela 1 As soluções de automação de teste para Web e dispositivos móveis
lista vários exemplos comuns desses tipos de ferramentas de
estão disponíveis em comunidades de código aberto e fornecedores
desenvolvimento de aplicativos de realidade aumentada.
comerciais. As ferramentas de automação de teste especificamente para
aplicativos AR não são encontradas com tanta facilidade. A Figura 4
TABELA I. FERRAMENTAS DE DESENVOLVIMENTO DE EXEMPLO DE REALIDADE AUMENTADA
identifica as respostas dos entrevistados da pesquisa do Gartner a uma
Nome da ferramenta Plataforma pergunta sobre a adoção de tecnologia especificamente no suporte ao
desenvolvimento de aplicativos multiexperiência empresarial. Os analistas
Vuforia Studio [14] Android, iOS, UWP, Unity
do Gartner, em sua análise da pesquisa, afirmaram: “Os entrevistados
Faísca AR [15] Android, iOS tiveram taxas de adoção bastante iguais nas categorias de tecnologia
iOS sobre as quais perguntamos, mas o Gartner aconselha os líderes de
ARKit [16]
aplicativos a enfatizar a adoção de ferramentas de automação de teste e
ARCores [17] Android, iOS práticas de DevOps”. [5].

Android, iOS, Microsoft Tablet, óculos

Wikitude inteligentes

Android, iOS, Windows, Mac,

AR máximo [19] Unidade

O uso da tecnologia de realidade aumentada pela indústria está se

tornando amplamente difundido. Aplicações AR têm sido utilizadas na
manufatura, indústria de serviços e design de produtos. AR tem auxiliado
no layout e projeto de fábricas [20]. O serviço e a manutenção de
máquinas militares também foram ativados por meio da tecnologia AR
[21]. AR também tem sido utilizado para auxiliar no treinamento de novas
habilidades de montagem [22]. Na indústria automotiva, a realidade
aumentada foi utilizada pela Mercedes Benz para criar um aplicativo para
o consumidor, permitindo que compradores em potencial personalizem
um carro novo como ele ficaria em sua garagem pessoal. Nos primeiros
três meses deste aplicativo disponível para usuários do iOS, foram mais
de trinta e quatro mil downloads e uma classificação média do aplicativo Figura 4. Análise da pesquisa do Gartner: insights para dar o pontapé inicial em uma
de 4,3 em 5 estrelas [23]. estratégia de desenvolvimento de multiexperiência empresarial Descobertas sobre a
adoção de tecnologias de suporte ao desenvolvimento de aplicativos multiexperiência empresarial

Avaliar a qualidade de um aplicativo AR é mais complexo do que a

Enquanto as ferramentas de desenvolvimento e a aplicação de
qualidade de um produto de software tradicional típico. Os primeiros
realidade aumentada estão se tornando mais abundantes, as ferramentas
usuários de aplicativos móveis de realidade aumentada experimentaram
e práticas de teste específicas de AR estão ficando para trás. um famoso
bugs nas versões de produção. Relatórios de qualidade
Machine Translated by Google
os problemas encontrados no aplicativo ARView da Amazon incluem falha
em posicionar modelos em superfícies físicas brilhantes, baixo detalhe do
modelo, contornos de modelo não naturais e distinguíveis e falha em
dimensionar proporcionalmente um modelo ao ambiente físico [27]. O
aplicativo AR da Ikea teve problemas de qualidade semelhantes,
principalmente em condições de pouca luz, onde os modelos flutuavam ou
se afastavam do ponto de ancoragem original [28].
Avaliar sistemas AR será problemático porque a tecnologia é jovem e
ainda não entendemos as expectativas dos usuários finais de aplicativos AR
[29]. Além desses problemas, os métodos tradicionais de avaliação de
usabilidade não são totalmente adequados para detectar defeitos em
aplicativos com novas interfaces para as quais os métodos de avaliação
foram projetados e amadurecidos ao longo do tempo [30].
Nielsen definiu usabilidade como atributos de software de aprendizagem,
eficiência, memorização, satisfação e erro [31]. A usabilidade do AR requer
que os componentes físicos e virtuais funcionem juntos. Portanto, se um
deles for degradado, como um cenário físico de pouca luz, o aplicativo AR
perde rapidamente a usabilidade. Há também a preocupação com a mesmice
de cores e colisão entre modelos e ambientes físicos. Presença e colaboração
em um ambiente aumentado também são novas preocupações de qualidade
em comparação com os procedimentos de teste tradicionais [32]. O aplicativo
deve ser inteligente nesses casos para instruir o usuário a melhorar as
configurações do ambiente ou mudar para uma interface de aplicativo mais
tradicional para solucionar suas necessidades. Essa implicação de um
aplicativo de realidade aumentada ser inteligente para entender o impacto
de um ambiente físico degradado em sua própria usabilidade significa que
as preocupações com a qualidade devem ser abordadas no projeto.
Aqui é proposta uma abordagem que produz um modelo de qualidade
para atender às crescentes expectativas dos produtos AR. Este modelo usa
recursos do modelo ISO 25010.
II. MODELO DE QUALIDADE DE SOFTWARE DE APLICATIVOS DE
REALIDADE AUMENTADA
Um aplicativo de realidade aumentada bem projetado combina os
mundos virtual e físico em uma experiência que facilita a perspectiva, a
presença, a interação e a imersão [33].
A perspectiva é necessária para envolver objetos virtuais de forma realista
em ambientes físicos dinâmicos.
Presença é a capacidade do usuário de estar dentro de seu ambiente físico
e se envolver no modelo ou cena virtual. Esse engajamento é a interação
que ocorre, conforme manipulamos o modelo, ou conforme ele muda em
relação à perspectiva do nosso ambiente. Tudo isso funciona para criar
imersão, nossa capacidade de estar na presença física e virtual ao mesmo
tempo. No entanto, para dimensionar o AR, o aplicativo também deve ter
persistência. Isso permite que os modelos e cenas aumentadas sejam
experimentados por outros usuários do aplicativo, dimensionando a
experiência de realidade aumentada. Essas características de
os aplicativos de realidade aumentada exigem que os desenvolvedores vão
além das preocupações tradicionais de teste.
A. Contexto ambiental no que se refere à funcionalidade
A funcionalidade de um aplicativo de realidade aumentada deve ser
testada para dois requisitos distintos, oclusão e colisão [34], conforme
discutido abaixo. Os usuários de aplicativos AR precisam de interações
realistas entre os objetos físicos e virtuais.
Isso significa que os objetos têm sombras adequadas, profundidade e não
devem ocupar o mesmo espaço ao mesmo tempo.
A oclusão exige que, se um objeto virtual estiver distante de objetos
físicos, durante a renderização, os objetos físicos devem ocultar ou ocluir
partes ou o objeto virtual inteiramente de maneira realista. A oclusão é difícil
porque os mecanismos de AR devem representar adequadamente o mundo
físico, mesmo quando nossa relação com ele muda com base no movimento
físico. O mecanismo AR deve reconstruir o modelo 3D de acordo com as
propriedades do mundo físico e renderizar a interface dinâmica do usuário
adequadamente. Devem ser criados casos de teste que imitem as possíveis
multidões de domínios físicos nos quais o aplicativo será executado e, em
seguida, carregue e envolva os objetos virtuais para testar a propensão a
falhar na oclusão ou criar uma experiência que não imite a realidade. A Figura
8 representa falha na oclusão e existência de colisão.
Uma colisão ocorre quando um objeto virtual se aproxima de um objeto
físico e tenta ocupar o mesmo espaço 3D ao mesmo tempo. Muitos aplicativos
AR permitirão que o objeto virtual seja manipulado conforme aparece no
plano físico. Porém, o objeto virtual não deve ocupar o mesmo espaço que
os objetos físicos, apesar da manipulação.
A detecção
de colisão precisa ser testada em uma implementação. Os casos de teste
também devem incluir como a cor e a luz alteram a capacidade de detectar e
evitar colisões.
B. Contexto ambiental no que se refere à distinção visual
Os aplicativos AR podem perder a distinção visual com base no mundo
físico em que são operados. Ambientes físicos que dificultam a distinção de
gradientes, irão reduzir a usabilidade dos aplicativos. Envolver objetos
virtuais é difícil e propenso a falhas em áreas de luz intensa, onde a cor
branca é dominante, quando o modelo e a cena física parecem camaleão
em cores, ou quando as superfícies são lisas e reflexivas em geral. O teste
de distinção deve ter vários casos de teste que alteram o ambiente físico a
esses tipos de extremos, para entender o comportamento do aplicativo e
potencialmente apresentar ao usuário opções fora da interface do usuário
AR, como uma interface baseada em menu tradicional, no caso falha em
renderizar objetos virtuais de forma que eles sejam distintos.
C. Contexto ambiental no que se refere à portabilidade
Outra preocupação ambiental para aplicações de RA são as variações
entre as plataformas (sistema operacional em tempo de execução e o
Machine Translated by Google
hardware computacional e de exibição/interação). Existem muitos
fatores de forma física e versões de sistemas operacionais de
dispositivos, portanto, um aplicativo AR precisará ser testado para
execução correta em dispositivos e plataformas. É aqui que a utilização
de um farm de dispositivos, como faríamos para o desenvolvimento
típico da Web e móvel, ajudará a garantir a amplitude de compatibilidade
de dispositivos necessária. Para aqueles que utilizam aplicativos AR
internamente em uma organização e têm uma política de hardware
aceitável, a preocupação com variações na plataforma de tempo de
execução móvel pode ser diminuída. Existem muitos fornecedores de
farms de dispositivos móveis para escolher, alguns com opções no
local e na nuvem. Exemplos de fornecedores com ofertas no local e na
nuvem incluem Expertest, Mobile Labs e SmartBear, entre outros.
O teste de multidão também pode ser utilizado para estabelecer um
grande banco de testes de diversos dispositivos. O teste de multidão
pode ser facilitado interno ou externo a uma organização, por meio de
plataformas de teste de multidão. O teste de multidão pode atingir
metas de qualidade, como experiência do usuário, teste funcional ou
de regressão, e oferece diversidade além dos dispositivos, mas
também na geografia e nas habilidades e experiência dos usuários
finais. Plataformas de teste de multidão, como exemplos, podem incluir
RainforestQA, Applause ou testIO.
D. Engenharia de Desempenho
A renderização tridimensional ao operar o hardware da câmera e
mesclar a imagem em uma interface de usuário é computacionalmente
cara. Os primeiros lançamentos do ARCore do Google vieram com
notas de lançamento que sugerem que as âncoras (um tipo de ponto
de recurso que pode representar a presença de objetos virtuais no
mundo físico) devem ser desanexadas ou excluídas para evitar custos
caros de CPU [35].
Os aplicativos de realidade aumentada geralmente são
implementados usando uma arquitetura distribuída, usando tanto o
cliente local quanto alguns serviços em nuvem ou centralizados.
Nesses casos, devemos fazer análises de desempenho nos recursos
centralizados, entendendo que as capacidades computacionais desses
ativos podem ser estendidas quando muitos clientes contratam os
serviços. Os próprios dispositivos cliente também podem ter problemas
de desempenho, incluindo o esgotamento da bateria durante longos
tempos de execução. O teste de desempenho tradicional resolverá
grande parte dessa análise, e aqueles que utilizam recursos de nuvem
precisarão adicionar validação da complexidade e custo de recursos
dimensionados automaticamente para testar os planos. O desempenho
da nuvem pode ser degradado quando há alto tráfego de rede para o
datacenter da nuvem ou mesmo temperatura dentro do datacenter [36].
O tráfego pode ser pesado em uma implementação de aplicativo AR
distribuído.
E. Ampliando a Usabilidade com Persistência
O dimensionamento de experiências de realidade aumentada para
vários usuários requer a centralização de mapas físicos e âncoras de
objetos virtuais para que vários usuários possam compartilhar a
imersão. ARKit e ARCore têm esses recursos [37]. A persistência joga
em qualidade para cenários de usuário único, você coloca o objeto
virtual e dias depois espera vê-lo incorporado em
no mesmo local físico. A persistência também é um requisito para
dimensionar a capacidade dos usuários de compartilhar experiências
aumentadas. Os casos de teste exigirão uma quantidade de complexidade
no número de testadores que se envolvem em um cenário e experiência
compartilhados, bem como a duração de tempo que o caso de teste cobre.
F. Criando o Modelo de Qualidade
O planejamento de teste para uma versão de aplicativo de realidade
aumentada tem muitos fatores contextuais ambientais. O objeto virtual
precisa se comportar dentro dos limites aceitáveis do mundo físico. O
ambiente de tempo de execução do dispositivo e o fator de forma
também são variáveis. Dependendo da natureza do aplicativo,
tecnologias de nuvem, como pontos de ancoragem compartilhados,
podem ser necessárias, o que também pode levar a requisitos de
qualidade funcionais e não funcionais mais complexos.
A Tabela II tenta modernizar aspectos do modelo ISO 25010 para
refletir as expectativas de experiência do usuário, divididas nas
características de qualidade de perspectiva, presença, interação,
imersão, persistência e desempenho. A própria experiência do usuário
é um atributo de qualidade muito influente [38].
Este modelo atribui oito características à experiência do usuário de um
aplicativo de realidade aumentada. Uma
pesquisa anterior indicou três características de envolvimento do
usuário, interação entre usuário, produto e outros agentes, e o que pode
ser observado ou medido [39]. Enquanto outro trabalho encontrou cinco
características de estética, apelo, alegria, usabilidade e utilidade [40]. O
modelo destina-se a refletir o modelo ISO 25010 e se relacionar com as
oito características de qualidade originais possíveis.
TABELA II. Características de qualidade de realidade aumentada
Do utilizador
Descrição
Experiência
Funcionalidade / Oclusão e Colisão
Presença características tornarão o aplicativo AR
mais realista, dando usos mais funcionais.
Essa
característica permite que os usuários
estejam presentes tanto no mundo físico
quanto no virtual.
Distinção O ambiente, como iluminação altamente
visual / reflexiva e brilhante, pode afetar a
distinção visual da capacidade do
Perspectiva
aplicativo de injetar o virtual no físico de
forma consistente.
A perspectiva é assegurada por testes
de renderização realista de objetos
virtuais em relação às suas contrapartes
físicas, de modo que a altura, a largura
e a profundidade sejam mantidas com
precisão.
Machine Translated by Google

Desempenho / Múltiplas âncoras obtidas por ter muitos
Interação objetos virtuais em um layout físico podem
afetar o desempenho do dispositivo. Isso
pode limitar a capacidade do usuário de
interagir se a interação exigir criações
frequentes ou múltiplas de objetos virtuais,
mutações de instâncias.
ou
O desempenho também depende dos
mecanismos de ancoragem da nuvem para
acelere os testadores e desenvolvedores manuais para que eles possam se
aprimorar rapidamente em áreas problemáticas.
Essa abordagem começa com os arquivos de modelo sendo utilizados
no desenvolvimento do AR. A Figura 5 é retirada de um ambiente de
desenvolvimento integrado, o Android Studio, e ilustra um exemplo de como
os arquivos de modelo podem ser armazenados e organizados durante o
desenvolvimento do aplicativo AR. Estes se tornam uma fonte de comparação
a ser utilizada na estrutura de automação proposta.

que vários usuários

experiências
possam compartilhar
de realidade
aumentada.
Portabilidade / Os muitos fatores de forma móveis e
Imersão sistemas operacionais criam um ambiente
de tempo de execução complexo para ser
testado entre dispositivos. Para muitos
usuários de uma experiência de imersão
em aplicativo de realidade
para
aumentada,
aplicativoo
deve ser compatível com vários tipos e
versões de dispositivos.

Usabilidade / O dimensionamento para obter uma

Persistência experiência de realidade aumentada
compartilhada entre vários usuários
simultâneos requer persistência. Persistence Figura 5 Pastas do Android Studio e arquivo de modelo sfb

utiliza tecnologias de nuvem para permitir

que usuários distribuídos compartilhem
pontos de ancoragem e outros metadados
de objetos e cenas para que possam
mergulhar nos mundos virtuais e físicos uns
dos outros.
G. Aplicação de testes automatizados a aplicativos AR usando
aprendizado de máquina
A automação ajuda a acelerar os testes para que possamos considerar
o lançamento de produção mais cedo e também para que possamos
encontrar mais bugs em um período de tempo menor. Semelhante a como
as práticas de teste tradicionais não consideram novas interfaces de usuário,
como AR, as ferramentas de teste também estão faltando nessa área. Um
estudo de caso da SmartBear está disponível para discutir sua abordagem
[41]. Enquanto eles descrevem o laboratório móvel físico e a robótica física
que reposicionam os dispositivos permitindo que suas câmeras tenham
zoom e redefinição adequados para incorporar o modelo 3D ao mundo físico,
o estudo de caso não retrata como eles testaram a funcionalidade e a
experiência do usuário conforme descrito em nosso modelo de qualidade,
ou especificamente como eles testaram aspectos como colisão ou oclusão.
O que é importante sobre esses modelos é o valor de retorno quando
eles são enviados para mecanismos comuns de reconhecimento de imagem
de ML. Nossa estrutura usa uma ferramenta comum de automação de teste
de código aberto, Appium, para fazer capturas de tela durante o aplicativo
em tempo de execução de teste.
Essa estrutura sugerida tem acesso ao modelo no ambiente de
desenvolvimento, bem como à captura de tela do modelo quando utilizado
no aplicativo móvel. A Figura 6 é uma imagem do modelo dentro do ambiente
de desenvolvimento.
A Figura 8 é uma captura de tela de um aplicativo AR em execução, onde o
modelo agora está ocluindo. As duas imagens são enviadas para um
mecanismo de reconhecimento de imagem acionado por ML. Quando os
dois resultados estão dentro de um valor aceitável ao longo do tempo,
aceleramos o esforço de teste, garantindo que o modelo seja detectado com
confiança ao ser exibido no mundo físico. Esse é um aspecto de como o
aprendizado de máquina e a automação de teste podem ajudar em todo o
ciclo de vida de desenvolvimento de software de aplicativos de realidade
aumentada.
O mesmo tipo de chicote pode ser criado e executado de forma autônoma
enquanto o aplicativo está em produção, novamente garantindo que, dentro
dos ambientes em mudança, os modelos sejam apresentados adequadamente
na nova interface de usuário do AR.

Apresentamos uma estrutura que inclui automação de teste, ferramentas Como exemplo direto dessa estrutura, podemos enviar o modelo da
e práticas comuns e o uso de aprendizado de máquina para criar uma garrafa de ketchup conforme ilustrado na figura 6 para o serviço AWS
abordagem de teste que forneça probabilidade de apresentação precisa do Rekognition. Conforme indicado na figura 7, o serviço retorna uma
modelo no mundo físico, para probabilidade de 97,6% de certeza de que é ambos
Machine Translated by Google

Food como classificação e é identificável como uma garrafa de

Ketchup.

Figura 6. Arquivo modelo da Garrafa de Ketchup

Figura 8. Captura de tela do aplicativo AR móvel

Figura 7. Valores de retorno do Rekognition Service para a Figura 6

No entanto, quando utilizamos uma captura de tela do mesmo

arquivo de modelo utilizado em um aplicativo AR, vemos falha na
oclusão e o serviço ML retorna com resultados preocupantes.
Isso indicaria possíveis defeitos e o teste manual poderia
aprimorar esse caso de teste específico.

A Figura 8 indica a aparência da oclusão com falha e a Figura

9 fornece os tipos de retorno do Rekognition que ajudariam a
indicar um defeito. A garrafa está ancorada no canto de trás da
sala, mas também está flutuando e ocluindo a guitarra mais
próxima do dispositivo móvel. As probabilidades do mesmo
mecanismo de reconhecimento da AWS mudaram drasticamente.
Não vemos mais uma garrafa ou comida. Em vez disso,
detectamos móveis, atividades de lazer e um violão.

Figura 9. Valores de retorno do Rekognition Engine para a Figura 8

Machine Translated by Google
III. Conclusões
Aplicações de realidade aumentada mesclam modelos virtuais e o
mundo físico. Esses aplicativos estão se tornando mais populares em
muitos setores, e vários SDKs estão disponíveis para auxiliar na criação.
No entanto, é necessário um maior desenvolvimento de metodologias de
teste e ferramentas. Os novos recursos de uma interface de usuário AR
não são adequadamente abordados pelos métodos de teste tradicionais
ou pelo modelo ISO 25010.
Esta pesquisa sugere a criação de casos de teste que se concentrem nas
características de perspectiva, presença, interação, imersão, persistência
e desempenho. A automação e o aprendizado de máquina dos recursos
de detecção de imagem também precisam ser aproveitados para auxiliar
na detecção de possíveis defeitos nos aplicativos AR. O modelo de
qualidade revisado e a estrutura de automação habilitada para ML buscam
expandir os recursos e métodos atuais para aprimorar a detecção de
defeitos em aplicativos AR.
REFERÊNCIAS
[1] X. Wang, A. Kotranza, J. Quarles, B. Lok, BD Allen, Um pipeline para incorporar
rapidamente objetos reais em um ambiente misto, no 4º Simpósio Internacional
IEEE/ACM sobre Realidade Mista e Aumentada, Washington, DC, EUA, outubro
de 2005, pp. 170-173.
[2] I. Rabino, S. Ullah, Uma pesquisa sobre desafios e rastreamento de realidade
aumentada, Acta Graphica: J. Print. ciência Gráfica Comun. Volume 24, nº 1-2,
2013, pp. 29-46.
[3] J. Gulliksen, B. Göransson, I. Boivie, S. Blomkvist, J. Persson e Å.
Cajander, "Princípios-chave para design de sistemas centrados no usuário,"
Behavior and Information Technology, vol. 22, pp. 397-409, 2003.
[4] Análise de tecnologia emergente do Gartner: oportunidade de realidade aumentada e
mista para software de design 3D e ISVs verticais, Tuong Nguyen, 23 de agosto
de 2019.
[5] Gartner Survey Analysis: Insights to Kick-Start an Enterprise Multiexperience
Development Strategy, Jason Wong, Adrian Leow, 12 de fevereiro de 2019.
[6] "Google-ar/arcore-android-sdk" GitHub. 23 de fevereiro de 2018. Acessado em 28 de
abril de 2019. https://github.com/google-ar/arcore-android-sdk [7] ARKit da Apple:
Folha de dicas, Cory Bohon, TechRepublic, 7 de junho de 2019.
Acessado em 28 de setembro de 2019. https://www.techrepublic.com/article/
apples-arkit-everything-the pros-need-to-know/
[8] [8] O Facebook renomeia a Camera Effects Platform e expande o programa para o
Instagram, Robert Williams, 8 de outubro de 2018. Acessado em 28 de setembro
de 2019.
https://www.mobilemarketer.com/news/facebook-rebrands-camera effects-
platform-expands-program-to-instagram/539066/ [9] Anúncio da versão 1.0 do
QCAR SDK, 26 de abril de 2011.
Acessado em 28 de setembro de 2019. https://developer.vuforia.com/forum/news-
and notifications/announcing-10-release-qcar-sdk
[10] Qualcomm vende seu negócio de realidade aumentada Vuforia para a PTC por $ 65
milhões, Ina Fried, 12 de outubro de 2015. Acessado em 28 de setembro de 2019.
https://www.vox.com/2015/10/12/11619500/qualcomm- vende seu negócio de
realidade aumentada vuforia para ptc por 65 [11] See the Future Create the
Augmented World, 2019. Acessado em 28 de setembro de 2019. http://maxst.com/#/en/
aboutus [12] Notas de versão Wikitude Sdk, 2012. Acessado em 28 de setembro
de 2019. https://www.wikitude.com/external/doc/documentation/latest/android/
changelog.html
[13] Y. Arifin, TG Sastria e E. Barlian. “Métrica de experiência do usuário para aplicação
de realidade aumentada: uma revisão.” Procedia Computer Science 135 (29 de
agosto de 2018): 648–56.
[14] Use o Vuforia para aplicativos de visão computacional e realidade aumentada, 2019.
Acessado em 28 de setembro de 2019. https://www.ptc.com/en/academic program/
academic-products/free-software/vuforia [15] Downloads, 28 de setembro, https://
2019. ar-studio/downloads/
developers.facebook.com/docs/ acessado 2019.
[16] Prepare-se para os últimos avanços em realidade aumentada, 2019 Acessado em
28 de setembro de 2019. https://developer.apple.com/augmented-reality/ [17]
Visão geral do ARCore, 28 de fevereiro de 2019. Acessado em 28 de setembro de 2019 .
https://developers.google.com/ar/discover/ [18] Wikitude Augmented Reality SDK,
2019. Acessado em 28 de setembro de 2019. https://www.wikitude.com/products/wikitude-
sdk/ [19] AR SDK, 2019. Acessado em 28 de setembro, http://maxst.com/#/en/
2019.
arsdk
[20] SP Yun, HJ Yap, R. Singh, SW Chang, KLR Cheong, planejamento e análise de
layout de fábrica assistida por realidade aumentada para uma célula de manufatura
flexível, na Conferência Internacional sobre Ciência da Computação e Matemática
Computacional, 2014, pp. 106-111 .
[21] SJ Henderson, S. Feiner, avaliando os benefícios da realidade aumentada para
localização de tarefas na manutenção de uma torre blindada de transporte de
pessoal, no 8º Simpósio Internacional IEEE sobre Realidade Mista e Aumentada,
Orlando, FL, EUA, 2009, pp. 135 -144.
[22] G. Westerfield, A. Mitrovic, M. Billinghurst, Treinamento de realidade aumentada
inteligente para montagem de placas-mãe, Int. J. Artif. Intel. Educ.
Volume 25, nº 1, 2015, pp. 157-172.
[23] Aplicação Mercedes CAR. Estacionamento na sala, 2018. Acessado https://
28 de setembro, 2019. developer.mercedes
benz.com/inspire/cARapp [24]
YAGV Boas, "Visão geral das tecnologias de realidade virtual." No
Conferência Multimídia Interativa, vol. 2013.
[25] A. Bierbaum, P. Hartling, Patrick e C. Cruz-Neira, “Teste automatizado de interfaces
de aplicativos de realidade virtual. Eurographics Workshop on Virtual Environments”,
páginas 107–114. ACM Press, Nova York, 2003
[26] RTAzuma, Y.Baillot, R.Behringer, SK Feiner, S. Julier e B.
Macintyre, Avanços recentes em realidade aumentada. Computer Graphics and
Applications 21, 6 (novembro/dezembro de 2001), pp. 34–47.
[27] A ferramenta AR da Amazon é uma maneira útil de ver os produtos antes de comprá-
los, Phillip Tracy, 2 de novembro de 2017. Acessado em 28 de setembro de 2019.
https://www.dailydot.com/debug/amazon-ar-view- app/ [28] J. Diaz, Evite a temida
luta da Ikea com este novo aplicativo, , 22 de setembro de 2017. Acessado em 28 de
setembro de 2019. https://www.fastcompany.com/90143908/avoid-killing-your ,
relacionamento- na-ikea-com-este-novo-aplicativo
[29] A.Dünser e M Billinghurst “Avaliando sistemas de realidade aumentada,”
In: Furht B. (eds) Handbook of Augmented Reality. Springer, Nova York, NY, 2011,
pp 289-307.
[30] A. Sutcliffe e K. Kaur, "Avaliando a usabilidade de interfaces de usuário de realidade
virtual," Comportamento e Tecnologia da Informação, vol. 19 de 2001.
[31] J. Nielsen, Engenharia de Usabilidade. São Francisco: Morgan Kaufmann,
1993.
[32] KM Stanney, M. Mollaghasemi, L. Reeves, R. Breaux e DA
Graeber, "Engenharia de usabilidade de ambientes virtuais (VEs): identificando
vários critérios que impulsionam o design de sistema VE eficaz", Int.
J. Hum.-Comput. Stud., vol. 58, pp. 447-481, 2003.
[33] F. Tao, M. Zhang e AYC Nee. Fabricação inteligente impulsionada pelo Digital Twin.
Elsevier Academic Press, 2019. pp. 229.
[34] DE Breen, E. Rose e RT Whitaker. "Oclusão interativa e colisão de objetos reais e
virtuais em realidade aumentada." Relatório técnico ECRC-95-02, European
Computer Industry Research Center, Munique, Alemanha, 1995.
[35] "Conceitos Fundamentais." Google Inc. ARC Core, 28 de fevereiro de 2019. 2019.
acessado abril 28,
Machine Translated by Google

https://developers.google.com/ar/discover/concepts#anchors_and_trackables.

[36] AN Asadi, MA Azgomia e R. Entezari-Malekib. "Análise unificada de potência e

desempenho da infraestrutura de computação em nuvem usando redes de
recompensa estocásticas." Computer Communications, Volume 138, 15 de abril
de 2019, pp.67-80.
[37] "Persistência em AR - Por que é tão importante?" AR crítico. 16 de junho de 2018.
Acessado em 01 de maio de 2019. https://arcritic.com/2151/persistence-in-ar
why-is-it-so-important/
[38] J. York e PC Pendharkar, "Problemas de interação humano-computador para
computação móvel em um contexto de trabalho variável," International Journal
of Human-Computer Studies, vol. 60, pp. 771-797, 2004.
[39] W. Albert, T. Tullis Medindo a experiência do usuário: coletando, analisando e
apresentando métricas de usabilidade. Newnes; 23 de maio de 2013.
[40] M. Hassenzahl e N. Tractinsky, "Experiência do usuário - uma agenda de
pesquisa," Behavior & Information Technology, vol. 25, pp. 91-97, 2006.

[41] J. Kaasila, "Google Augmented Reality - Como Bitbar ajudou a automatizar seus
testes de aplicativos." Bitbar, 17 de abril de 2018. Acessado em 28 de setembro
de 2019. https://bitbar.com/blog/how-bitbar-helped-google-to-automate their-
augmented-reality-testing/.