Labmino

projets / runsight

Actif · depuis 2025

RunSight

Des lunettes IA pour les coureurs déficients visuels.

IAVision par OrdinateurSystèmes EmbarquésAccessibilité
Lunettes intelligentes RunSight

RunSight utilise une seule caméra pour lire la piste, puis prononce des consignes courtes pour que les coureurs déficients visuels s'entraînent en dépendant moins d'un guide.

84.23%
IoU segmentation de couloir
88.24%
IoU détection de personnes
>10 FPS
Objectif temps réel
Plus rapide après optimisation
Offline
Sans internet
RGB
Une caméra, pas de LiDAR

le problème

L'Indonésie garde un large écart de participation sportive des personnes handicapées. Le BPS a recensé 22,97 millions de personnes handicapées en 2023, dont environ quatre millions de déficients visuels. Les données Susenas montrent que seuls 11,6 % font de l'exercice régulièrement, alors que l'objectif national est de 15 % d'ici 2029.

Sur une piste publique, un coureur déficient visuel a souvent besoin d'un guide pour l'allure, la direction et la sécurité. Notre recherche a identifié 15 points de douleur : navigation, accessibilité, précision temps réel, ergonomie, énergie et coût. La canne blanche manque les changements de surface, le GPS peut dériver de 5 à 10 mètres, et certains appareils sont trop lourds, trop chers ou tiennent moins de deux heures.

Si mon guide est occupé, mon entraînement est reporté.

Maria, athlète de compétition, issue de nos entretiens de terrain

Test du prototype RunSight sur une piste

le système

intelligence

RunSight-AI

Trois modèles de vision tournent sur l'appareil pour lire le couloir, détecter les personnes devant et estimer leur distance.

hardware

RunSight-Wearable

Des lunettes-caméra et un gilet de course. Le gilet porte le Raspberry Pi 5, l'accélérateur IA Hailo, le GPS, les batteries et les écouteurs.

app

RunSight-Mobile

Une app compagnon compatible lecteurs d'écran pour appairer l'appareil, lancer des courses, revoir distance, temps et parcours, régler la voix, fixer des objectifs hebdomadaires et rejoindre la communauté.

l'ia

Une caméra alimente trois modèles sur l'appareil. Leurs sorties deviennent position du coureur, personnes devant, zone de couloir, distance des objets et direction du virage, avant de se transformer en consigne vocale.

Segmentation de couloir

IoU 84.23%

U-Net · ResNet-18

Repère les lignes du couloir, vérifie si la piste est droite ou courbe et estime la position du coureur sur cinq zones de piste.

Détection de personnes

IoU 88.24%

YOLOv8n

Détecte les personnes devant sur la piste — l'alerte dont un coureur a le plus souvent besoin.

Estimation de profondeur

RGB monoculaire

Sc-Depth V3

Estime la distance avec une seule caméra, pour signaler les personnes assez proches pour compter.

Pipeline RunSight montrant capture d'image, prédiction des modèles, analyse des prédictions et prise de décision

comment il guide

Les consignes vocales sont courtes car le coureur a besoin d'instructions rapides, pas d'explications. Le système combine forme du couloir, position du coureur, personnes devant et distance en une seule consigne de mouvement.

Tout droit

Couloir dégagé, rien devant

Tourne à gauche / droite

Le couloir tourne

Décale-toi à gauche / droite

Quelqu'un est devant, ou le coureur a dérivé hors du couloir

Ralentis

Quelqu'un est devant et aucun couloir libre n'est disponible

Unité de traitement embarquée de RunSight

dans l'appareil

Lunettes-caméra

Une petite caméra USB posée sur des lunettes légères voit la piste du point de vue du coureur.

Gilet de calcul

Le gilet porte un Raspberry Pi 5, un Hailo AI HAT, un GPS, des cellules de batterie et un boîtier imprimé en 3D conçu pour le prototype.

Écouteurs

Le coureur entend le guidage dans des écouteurs, sans devoir regarder un téléphone ou un écran.

construire l'ia

Les modèles sont entraînés sur des images collectées sur des pistes d'athlétisme, dont le stade Patriot Candrabhaga, avec des smartphones et la caméra de l'appareil. Nous avons annoté les boîtes de personnes et les masques de segmentation de couloir dans Label Studio, puis appliqué des augmentations : miroir, rotation, distorsion de perspective, flou de mouvement, luminosité et contraste. Pour le déploiement embarqué, les modèles sont convertis et optimisés via la chaîne d'outils Hailo, calibration et compilation HEF comprises.

Pipeline de développement de l'IA RunSight montrant préparation des données, modélisation et déploiement

voir le pitch

galerie

Un coureur portant les lunettes RunSight sur une piste
Gros plan des lunettes RunSight
Unité de traitement embarquée de RunSight
L'équipe discutant d'un problème de design
L'équipe présentant RunSight
L'équipe derrière RunSight

où on en est

Testé avec

Données de piste · avec et sans personnes devant · caméra à hauteur d'yeux

Logique de sécurité

Zones de couloir · seuil de profondeur · direction du virage

Distinctions

Ambassadeur Mondial 2026 · 1re Place + Prix du Public, Indonésie 2025

Statut

En développement

RunSight reste un prototype. Le document de concept fixe l'objectif clairement : un guide temps réel précis, léger, économe en énergie et abordable, qui aide les coureurs déficients visuels à s'entraîner plus librement sur les pistes publiques.

Envie d'en savoir plus sur RunSight ?