⚡ electrical engineering

From Raw Gaze to Meaningful Features: Assessment of Visual Behavior in Driving Simulator

Este estudio demuestra que un enfoque de seguimiento ocular multiparamétrico con un solo sensor es eficaz para caracterizar el comportamiento visual de los conductores en condiciones de visibilidad reducida, identificando que la estabilidad de la mirada y el parpadeo son indicadores más sensibles a la niebla que las sacadas, lo que sienta las bases para el desarrollo de sistemas de monitoreo de conductores adaptativos y menos intrusivos.

Autores originales: Smilja Stokanović, Jaka Sodnik, Nadica Miljković

Publicado 2026-03-13

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Smilja Stokanović, Jaka Sodnik, Nadica Miljković

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

¡Claro que sí! Imagina que este estudio es como una investigación detectivesca sobre cómo funcionan nuestros ojos cuando conducimos, pero en lugar de un crimen, el "crimen" es la niebla y el "detective" es una cámara especial para los ojos.

Aquí tienes la explicación de este estudio científico, traducida a un lenguaje sencillo y con analogías divertidas:

🕵️‍♂️ La Misión: ¿Cómo reaccionan tus ojos cuando no ves bien?

Los investigadores querían saber qué hace nuestro cerebro y nuestros ojos cuando la visibilidad baja (como cuando hay mucha niebla). Sabemos que conducir es como un videojuego complejo donde necesitas mirar a todos lados: espejos, carretera, señales. Pero, ¿qué pasa cuando la pantalla se empaña?

Para averiguarlo, usaron un simulador de conducción (como un videojuego de carreras muy realista) y pusieron a 24 personas a conducir en tres situaciones:

Descanso: Sentados quietos, relajados.
Carreras: Conduciendo con buen tiempo.
Niebla: Conduciendo con una niebla espesa que dificulta la vista.

Usaron unas gafas con cámara (un rastreador ocular) que funcionaban como un faro inteligente, siguiendo cada movimiento de sus ojos, cada parpadeo y cada vez que miraban a un lado.

🔍 Las 3 Herramientas del Detective (Los Datos)

El estudio no solo miró "dónde" miraban, sino que analizó tres cosas principales, que podemos comparar con un equipo de fútbol:

Los "Sprints" de los ojos (Sacadas):
- Analogía: Imagina que tus ojos son jugadores de fútbol. Cuando estás relajado, hacen pases largos y lentos. Cuando conduces, especialmente en niebla, hacen sprints rápidos y cortos para captar información.
- Lo que descubrieron: En la niebla, los ojos hacen menos "sprints" en total, pero cuando lo hacen, son más grandes y decididos. Es como si el conductor dijera: "No voy a mirar a todo el campo, voy a correr directo a la pelota".
El "Círculo de Seguridad" (BCEA):
- Analogía: Imagina que tus ojos dibujan un elipse (una forma de huevo) en el aire mientras miran. Si estás relajado, ese elipse es gigante y desordenado (miras a todo). Si estás conduciendo en niebla, ese elipse se encoge y se vuelve una línea fina.
- Lo que descubrieron: En la niebla, los ojos se vuelven hiper-concentrados. Dejan de "pasear" por la pantalla y se enfocan en un punto pequeño y seguro. Es como si apretaran el zoom para ver mejor a través de la niebla.
Los "Parpadeos" (El ritmo de las pestañas):
- Analogía: Parpadear es como cerrar las persianas de una casa por un segundo. Cuando estás cansado, las persianas se cierran lento y largo. Cuando estás alerta, las abres y cierras rápido.
- Lo que descubrieron: En la niebla, los conductores parpadean menos y más rápido. ¡Es como si tuvieran miedo de perderse un segundo de información! Se "ahorran" los parpadeos para mantener la visión clara el mayor tiempo posible.

💡 El Nuevo "Superpoder" (El Índice de Guzik)

Los investigadores inventaron una nueva forma de medir algo llamado asimetría.

Analogía: Imagina que miras un cuadro. Si tu mirada se mueve igual de arriba a abajo y de izquierda a derecha, es simétrico. Pero si en la niebla tu mirada tiende a quedarse más en la parte de abajo (mirando el capó del coche) que arriba, hay una "asimetría".
Este nuevo cálculo (Índice de Guzik) les ayudó a ver que, aunque la niebla hace que los ojos se concentren, lo hacen de una manera muy específica y predecible, diferente a cuando solo estás sentado en el sofá.

🚗 ¿Por qué es importante esto para el futuro?

Imagina que tu coche es un copiloto inteligente. Hoy en día, los coches saben si vas muy rápido o si hay hielo en la carretera. Pero este estudio sugiere que los coches deberían saber cómo te sientes tú.

El coche podría decir: "Oye, detecto que tus ojos están muy tensos, parpadeas poco y miras solo un punto pequeño. ¡Estás en modo 'niebla'!"
La respuesta del coche: En lugar de mostrarte un montón de información en la pantalla (que te distraería), el coche podría simplificar todo: poner el texto más grande, apagar las luces de colores y decirte solo lo esencial.

🏁 Conclusión en una frase

Este estudio nos enseña que cuando la niebla entra, nuestros ojos dejan de "pasear" y se vuelven soldados de élite: se mueven menos, se enfocan más y parpadean menos para sobrevivir. Y lo mejor es que, con una sola cámara en las gafas, podemos enseñarle a los coches a entender esto y hacer el viaje más seguro para todos.

¡Es como darle al coche "ojos de águila" para entender lo que tú sientes! 👁️🚗🌫️

Resumen Técnico: De la Mirada Cruda a Características Significativas: Evaluación del Comportamiento Visual en Simulador de Conducción

1. Planteamiento del Problema

La conducción es una actividad compleja que requiere una atención visual constante. Sin embargo, la mayoría de las investigaciones sobre seguimiento ocular (eye tracking) se han centrado en condiciones de visibilidad clara, dejando una brecha crítica en la comprensión de cómo se adapta el comportamiento oculomotor ante condiciones de visibilidad reducida, como la niebla.

Limitaciones actuales: Los sistemas de monitoreo del conductor (DMS) actuales suelen depender de métricas unimodales (solo parpadeo, solo sacadas o solo fijación), lo que resulta insuficiente para capturar la complejidad de la adaptación del conductor ante el estrés visual y la fatiga en condiciones adversas.
Necesidad: Se requiere un enfoque de un solo sensor pero multiparamétrico capaz de caracterizar el comportamiento visual bajo visibilidad comprometida para el desarrollo de interfaces hombre-máquina (HCI) adaptativas y sistemas de asistencia al conductor (ADAS).

2. Metodología

El estudio se realizó en un simulador de conducción basado en movimiento en la Universidad de Ljubljana, utilizando un enfoque de seguimiento ocular de un solo sensor (Tobii Pro Glasses 3, 100 Hz).

Participantes y Diseño: Se analizaron datos de 24 participantes (tras excluir 4 por pérdida de datos) en tres condiciones consecutivas:
1. Línea Base (Baseline): Reposo y relajación durante 15 minutos.
2. Conducción (Ride): Conducción en autopista con visibilidad normal (~10 min).
3. Niebla (Fog): Conducción con visibilidad reducida debido a niebla densa (~2 min).
Procesamiento de Datos:
- Se utilizó MATLAB para preprocesamiento (filtrado Savitzky-Golay) y Python para análisis estadístico.
- Se aplicó el algoritmo adaptativo I-VT (Identificación-Velocidad Umbral) para la detección de sacadas.
- La detección de parpadeos se basó en la pérdida de señal del diámetro pupilar.
Extracción de Características (31 parámetros en total):
1. Características de Sacadas (SP): Amplitud, duración, velocidad pico, número de sacadas y duración de fijación.
2. Área del Elipsoide de Contorno Bivariado (BCEA): Medida espacial de la dispersión de la mirada y estabilidad de la fijación. Incluye parámetros como la correlación de Pearson ( $\rho$ ), entropía y el número de Locus Retiniano Preferente (PRL).
3. Características de Parpadeo (BP): Duración, tasa y número de parpadeos por minuto.
4. Nueva Métrica (Índice de Guzik - GI): Un parámetro ingenierizado inspirado en la cardiología para cuantificar la asimetría de la fijación a lo largo del eje mayor del elipsoide BCEA.

3. Contribuciones Clave

Enfoque Multiparamétrico Unificado: Propone integrar sacadas, dispersión espacial (BCEA) y parpadeo en un solo marco de análisis para una evaluación holística de la atención visual.
Aplicación del BCEA en Conducción: Es uno de los primeros estudios en aplicar métricas de BCEA (comúnmente usadas en oftalmología clínica) para caracterizar la estabilidad de la atención visual en escenarios de conducción dinámica.
Introducción del Índice de Guzik (GI): Presenta una nueva métrica para medir la anisotropía (asimetría) de la dispersión de la mirada, ofreciendo insights sobre la estabilidad de la fijación que las estadísticas convencionales pasan por alto.
Validación bajo Niebla: Proporciona evidencia empírica de cómo la visibilidad reducida altera específicamente la estabilidad de la mirada y los patrones de parpadeo, diferenciándolos de la conducción normal.

4. Resultados Principales

El análisis estadístico (ANOVA de medidas repetidas y pruebas post-hoc) reveló diferencias significativas entre las condiciones:

Sacadas (SP):
- La mayoría de los parámetros de sacadas mostraron cambios mínimos entre conducción normal y niebla (solo 1 de 13 parámetros significativo).
- Sin embargo, hubo una reducción drástica en el número total de sacadas y una disminución en la duración de las fijaciones durante la conducción (tanto normal como con niebla) en comparación con la línea base.
- La amplitud de las sacadas aumentó durante la conducción, sugiriendo movimientos de mirada más grandes para escanear el entorno.
Dispersión de la Mirada (BCEA):
- El BCEA fue significativamente menor durante la conducción (Ride y Fog) en comparación con la línea base, indicando una mayor estabilidad y enfoque de la mirada al conducir.
- La variabilidad de la mirada vertical disminuyó notablemente en condiciones de niebla, sugiriendo que los conductores estrechan su campo visual verticalmente para mantener la estabilidad.
- El Índice de Guzik (GI) fue significativamente menor durante la conducción, indicando una distribución de la mirada más simétrica y estable en comparación con el reposo.
Parpadeo (BP):
- Se observó un patrón de supresión del parpadeo bajo demanda visual: la duración del parpadeo disminuyó significativamente, mientras que la tasa de parpadeo aumentó ligeramente pero de manera más consistente.
- Esto sugiere que los conductores reducen la duración de los parpadeos para mantener la información visual durante periodos de alta carga cognitiva y visibilidad reducida.

5. Significado e Impacto

Seguridad Vial y HCI: Los hallazgos demuestran que un enfoque de un solo sensor con múltiples características puede detectar eficazmente cambios en la atención visual bajo condiciones de visibilidad degradada. Esto es crucial para diseñar sistemas de monitoreo del conductor que no solo detecten fatiga, sino también estrés visual por condiciones ambientales.
Diseño Adaptativo: La capacidad de distinguir entre conducción normal y conducción bajo niebla mediante métricas oculomotoras permite desarrollar interfaces de vehículo que se adapten dinámicamente (ej. simplificar displays, retrasar alertas secundarias) cuando el conductor muestra signos de alta carga visual.
Reproducibilidad: El estudio promueve la transparencia al compartir el código fuente (algoritmos I-VT, cálculo de BCEA, etc.) y los datos anonimizados, facilitando la replicación y el avance en la comunidad de investigación de HCI y conducción autónoma.

En conclusión, el estudio valida que la combinación de parámetros de sacadas, estabilidad de fijación (BCEA) y patrones de parpadeo ofrece una herramienta robusta para evaluar el estado cognitivo y visual del conductor, superando las limitaciones de las métricas tradicionales en entornos de conducción desafiantes.