Thiết kế 3D lâu nay vẫn là lĩnh vực khó tiếp cận với người khiếm thị hoặc suy giảm thị lực nặng, do phần lớn phần mềm yêu cầu thao tác trực quan bằng chuột. Rào cản này khiến nhiều kỹ sư khiếm thị, dù có năng lực lập trình, gặp khó khăn khi tham gia các lĩnh vực như robot, thiết kế phần cứng và kỹ thuật hệ thống. Công cụ thử nghiệm A11yShape tích hợp trí tuệ nhân tạo được giới thiệu nhằm giảm rào cản này, cho phép lập trình viên khiếm thị tự dựng, kiểm tra và hoàn thiện các mô hình 3D kỹ thuật phức tạp mà ít phụ thuộc hơn vào người sáng mắt.
Xóa bỏ phụ thuộc nhờ cơ chế đồng bộ hóa đa giao diện.
Trước đây, dù đã có một số giải pháp dựng hình bằng mã lệnh như OpenSCAD hoặc các công cụ AI hỗ trợ tạo mã từ mô tả bằng văn bản, người khiếm thị vẫn gặp một điểm nghẽn lớn: không thể tự kiểm tra mô hình sau khi render thực tế trông như thế nào. Mỗi khi điều chỉnh một chi tiết, dù nhỏ, họ vẫn phải nhờ đồng nghiệp sáng mắt kiểm tra, đối chiếu và mô tả lại hình ảnh. Sự phụ thuộc này khiến quá trình thiết kế, thử nghiệm và hoàn thiện mô hình 3D trở nên khó khăn và thiếu tính chủ động.
Phần mềm A11yShape được phát triển nhằm giải quyết rào cản đó. Dự án do Tiến sĩ Liang He, Trợ lý Giáo sư Khoa học Máy tính tại Đại học Texas ở Dallas (Mỹ), cùng các nhà nghiên cứu quốc tế khởi xướng. Ý tưởng phát triển A11yShape bắt nguồn từ những khó khăn thực tế mà một người bạn học khiếm thị của ông gặp phải trong một khóa học thiết kế 3D tại Đại học Washington.
“Tôi muốn tạo ra một công cụ thực sự hữu ích và thiết thực cho cộng đồng, thay vì chỉ xuất phát từ suy nghĩ chủ quan của riêng mình”, Tiến sĩ Liang He nhấn mạnh.
Về cơ chế hoạt động, A11yShape được xây dựng trên nền tảng OpenSCAD, một công cụ dựng hình bằng mã lệnh, qua đó loại bỏ yêu cầu thao tác kéo – thả bằng chuột. Điểm đáng chú ý của hệ thống là khả năng đồng bộ quy trình làm việc trên ba bảng điều khiển song song gồm Source Code, AI assistant và Cấu trúc mô hình.
Hệ thống tích hợp mô hình AI GPT-4o, có khả năng phân tích đồng thời mã lệnh và hình ảnh render của mô hình từ nhiều góc độ, gồm trên, dưới, trước, sau, trái và phải. Từ dữ liệu hình ảnh này, AI có thể chuyển đổi thông tin thị giác thành các mô tả bằng ngôn ngữ tự nhiên, cung cấp thông tin chi tiết về kích thước, hình dạng cũng như vị trí tương quan giữa các bộ phận của mô hình.
Đáng chú ý, khi lập trình viên chọn một đoạn mã hoặc một thành phần trên giao diện, cơ chế “làm nổi bật chéo” (cross-representation highlighting) của A11yShape sẽ đồng thời đánh dấu bộ phận tương ứng trên cả ba bảng điều khiển. Nhờ đó, phần mềm đọc màn hình có thể truyền tải thông tin về mô hình một cách nhất quán và theo thời gian thực, giúp người dùng khiếm thị hiểu được mối liên hệ giữa mã lệnh, cấu trúc mô hình và hình ảnh render trong cùng một quy trình thiết kế.
Kết quả thử nghiệm cho thấy tiềm năng ứng dụng.
Thử nghiệm thực tế với các lập trình viên khiếm thị ở nhiều trình độ khác nhau cho thấy A11yShape nhận được phản hồi tích cực. Người tham gia có thể tự thiết kế và hoàn thiện độc lập 12 mô hình 3D phức tạp, từ robot, tên lửa đến máy bay trực thăng.
Một người tham gia chưa từng tiếp xúc với thiết kế 3D cho biết công cụ đã mở ra một góc nhìn hoàn toàn mới, cho thấy người khiếm thị có thể chủ động tạo ra các cấu trúc hình học phức tạp mà không cần sự hỗ trợ trực tiếp từ người sáng mắt.
Để đánh giá độ tin cậy của thuật toán, nhóm nghiên cứu cũng mời 15 người sáng mắt độc lập đánh giá các đoạn mô tả bằng văn bản do AI tạo ra. Kết quả đạt trung bình từ 4,1 đến 5/5 điểm ở các tiêu chí về độ chính xác hình học, độ rõ ràng và khả năng hạn chế hiện tượng “bịa đặt thông tin” (hallucination) của AI.
Về tính ứng dụng, Giáo sư Stephanie Ludi, Giám đốc Phòng thí nghiệm DiscoverABILITY thuộc Đại học Bắc Texas, nhận định A11yShape là một mô hình tiên phong trong việc thúc đẩy bình đẳng và khả năng tham gia của người khiếm thị vào cộng đồng sáng tạo công nghệ.
Công trình đã được báo cáo tại ASSETS, một hội nghị khoa học quốc tế hàng đầu về công nghệ trợ năng. Trong các giai đoạn tiếp theo, nhóm nghiên cứu dự kiến tiếp tục nâng cấp A11yShape với màn hình hiển thị xúc giác (tactile display), công nghệ in 3D thời gian thực và các phương thức phản hồi âm thanh được tối ưu hóa. Những cải tiến này hướng tới việc giúp người khiếm thị dễ dàng hình dung và thao tác với các cấu trúc không gian phức tạp hơn.
Cường Nguyễn/Nguồn: IEEE Spectrum