Dunelm: experiencia de "ver en la habitación" de AR con soporte LiDAR

Resumen rápido

• Rol: Cofundador y Desarrollador Líder
• Duración: Septiembre 2017 - Enero 2021
• Plataformas: iOS, Android
• Motor: motor irreal (C++)
• Marcos de AR: ARKit, ARCore
• Distinción: oclusión basada en profundidad LiDAR + capa de abstracción AR unificada

Cronología (2017-2022)

• 2017: MVP/PoC y primeras demostraciones para clientes.
• 2018-2020: productización, asociación con Dunelm, cartera de activos y flujos de implementación de AR.
• 2021: mejoras finales y entrega (cierre de mi aportación activa).
• 2022: Lanzamiento del cliente de Dunelm (después de mi contribución activa).

Problemas y limitaciones

• Necesidad de una escala precisa y una ubicación realista para reducir las tasas de retorno.
• Límites de rendimiento y diferentes capacidades de sensores en dispositivos móviles.
• Diferencias de ARKit/ARCore API y coherencia entre plataformas.
• Preparar el gran catálogo de productos para AR.
• Integración de comercio electrónico y actualización de datos.

Resumen de la solución

Diseñé una capa de abstracción unificada para ARKit/ARCore creando la experiencia de visualización en la habitación en Unreal Engine. Tanto el realismo visual como la compatibilidad con los flujos de comercio electrónico se lograron con oclusión profunda compatible con LiDAR, materiales PBR y canalización de datos de productos.

Arquitectura de un vistazo

• Capa de sesión de AR unificada: incorpora las diferencias de ARKit/ARCore en una única API.
• Normalización de transformación de coordenadas y detección de planos.
• Tubería de renderizado: materiales PBR, adaptación de luz/sombra, LOD.
• Flujo de datos del producto: API REST -> caché -> streaming -> escena AR.

Oclusión LiDAR (basada en profundidad) + estrategia alternativa

Apliqué oclusión por píxel usando un mapa de profundidad en dispositivos iOS compatibles con LiDAR y me aseguré de que los objetos reales ocultaran correctamente los productos virtuales. En dispositivos que no son LiDAR, utilicé un flujo de respaldo más ligero con oclusión basada en planos y estimación de profundidad.- Mapa de profundidad -> sombreador de oclusión -> máscara estable con filtrado temporal.

• Respaldo sin LiDAR: oclusión plana + suavizado de bordes simplificado.
• Compensación: alto realismo versus costo de batería/rendimiento.

AR multiplataforma (ARKit + ARCore)

Normalicé los diferentes sistemas de coordenadas de ARKit y ARCore con transformaciones en tiempo de ejecución para proporcionar un flujo único de posicionamiento y escalado. La paridad se conservó con la inicialización de la sesión y la activación de funciones según las capacidades del dispositivo.

Datos de productos y cartera de activos

La información del producto y los activos 3D se recuperaron mediante REST API; Se apuntó a un comienzo rápido con la capa de caché y la transmisión progresiva. Los modelos 3D están optimizados para dispositivos móviles con LOD, compresión de texturas y estandarización de materiales PBR.

Rendimiento y control de calidad

• Pruebas de perfil y regresión en matriz de dispositivos iOS/Android.
• Ajustes de calidad de textura y LOD según el presupuesto de GPU/CPU.
• Pruebas límite de consumo de batería y estrangulamiento térmico.

Impacto/Resultados

• Adopción de aplicaciones - 100.000 descargas (primeros 3 meses) - fuente: App Store Connect/Play Console (verificable mediante análisis internos de Dunelm).
• Aumento de conversión: +35 % - período: [X], línea base: sesiones AR versus sesiones no AR - fuente: GA4/Firebase (se puede agregar si se verifica).
• Reducción de la tasa de retorno - -40% - período: [X], línea base: pre-AR - fuente: BI interno de Dunelm (se puede agregar si se confirma).
• Aumento de la duración de la sesión - +50% - período: [X] - fuente: análisis (se puede agregar si se verifica).

Compensaciones clave

• Elección de Unreal Engine: aumento de la calidad visual, pero a costa de la optimización móvil.
• Calidad versus cobertura únicamente LiDAR: equilibrio con respaldo no LiDAR.
• Activos de alta resolución vs apertura rápida: streaming + LOD.
• Realismo vs consumo de batería: límites de sombreado y postprocesamiento.

Preguntas frecuentes

¿Cómo funciona la oclusión LiDAR?

La oclusión por píxel se aplica mediante el mapa de profundidad; Los objetos reales ocultan con precisión los objetos virtuales.

¿Qué sucede con los dispositivos que no son LiDAR?

El realismo básico se conserva con una oclusión basada en planos y una estimación de profundidad atenuada.

¿Cómo se logró la precisión de la báscula?

Las dimensiones del producto se extraen de la API REST con valores métricos y se aplican exactamente a la escena.

¿Cómo se midió el desempeño?

Se rastrearon FPS, memoria y tiempos de carga con herramientas de perfil y pruebas de matriz de dispositivos.

¿Cómo se construyó la cartera de activos?

Los modelos de productos se optimizaron con compresión de textura LOD + y se cargaron con transmisión progresiva.

¿Cómo fue la telemetría y el seguimiento de calidad?

Los registros de errores, rendimiento y uso se monitorearon periódicamente con segmentación de dispositivos/SO.

¿Cómo se manejaron las diferencias entre ARKit y ARCore?

Se logró un flujo único con la capa de abstracción unificada y la activación de funciones de tiempo de ejecución.

Proyectos relacionados

• Renderizado rápido: Configurador de productos 3D en tiempo real
• Mulcol: Simulación de ensamblaje de cortafuegos VR
• Mulcol: Catálogo de ensamblajes AR (basado en marcadores)

Pie de imprenta del proyecto

• Empresa/Cliente: Dunelm (Reino Unido)
• Empresa: Lindow Labs (cofundador)
• Rol: Cofundador y Desarrollador Líder
• Duración: Septiembre 2017 - Enero 2021
• Plataformas: iOS, Android
• Motor: motor irreal (C++)
• Marcos AR: ARKit, ARCore, LiDAR
• Lanzamiento: junio de 2022 (lado Dunelm; después de mi contribución activa)
• Ubicación: Londres, Reino Unido / Estambul, Türkiye (remoto)