Untersuchung von Cybersickness bei virtuellen Gehaufgaben
Studie untersucht, wie Gehen in VR Übelkeit und kognitive Leistung beeinflusst.
― 7 min Lesedauer
Inhaltsverzeichnis
- Die Bedeutung von echtem Gehen in VR
- Datensammlung zur Analyse
- Analyse von Cybersickness und kognitiver Belastung
- Die Labyrinthnavigation
- Verwendete Technologie in der Studie
- Datensammlungsverfahren
- Ergebnisse und Beobachtungen
- Datenanalyse
- Verwendung von Deep Learning zur Klassifizierung von Cybersickness
- Verständnis der Feature-Wichtigkeit mit SHAP
- Fazit
- Originalquelle
- Referenz Links
Virtuelle Realität (VR) wird in vielen Bereichen wie Training, Bildung und Unterhaltung immer alltäglicher. Allerdings können Nutzer beim Mitmachen in VR-Erlebnissen Unbehagen verspüren, das als Cybersickness bekannt ist. Dieses Unbehagen entsteht durch die Reaktionen unseres Körpers auf visuelle und Bewegungsmuster, die nicht übereinstimmen. Wenn jemand beispielsweise in einer VR-Umgebung unterwegs ist, tatsächlich aber stillsteht, kann das Übelkeit oder Schwindelgefühle hervorrufen. Diese Studie untersucht, wie physische und mentale Aufgaben in VR die Erfahrung von Cybersickness, Arbeitsgedächtnis, mentale Belastung, körperliche Belastung und Aufmerksamkeit einer Person beeinflussen.
Die Bedeutung von echtem Gehen in VR
Die meisten VR-Spiele erfordern von den Nutzern sowohl mentale als auch physische Aktivitäten. In bestimmten VR-Spielen müssen die Spieler beispielsweise gegen Gegner kämpfen, Rätsel lösen und sich in unbekannten Räumen bewegen. Forscher haben viel darüber gelernt, wie Menschen sich unwohl fühlen, wenn sie VR im Sitzen oder Stehen nutzen, aber es gibt nicht viele Informationen darüber, wie das Gehen in VR diese Erfahrungen beeinflusst. In unserer Studie haben wir uns darauf konzentriert, wie echtes Gehen in einem VR-Labyrinth die Erfahrungen der Nutzer mit Cybersickness und ihre mentalen Fähigkeiten beeinflussen könnte.
Datensammlung zur Analyse
Um diese Zusammenhänge besser zu verstehen, haben wir Daten von 39 Teilnehmern gesammelt, die 15 Minuten in einer VR-Umgebung gingen. Während sie durch Labyrinthe navigierten, haben wir Informationen zu ihren Kopfbewegungen, Augenbewegungen, Herzfrequenz, Hautreaktionen und ihren eigenen Berichten darüber, wie krank sie sich fühlten, gesammelt. Zusätzlich haben wir sie gebeten, Aufgaben zu erledigen, die Aufmerksamkeit und Arbeitsgedächtnis erforderten, wie das Merken von Zahlen und das Beantworten von Fragen während der Labyrinthnavigation.
Analyse von Cybersickness und kognitiver Belastung
Durch die Untersuchung der während der Labyrinthnavigation gesammelten Daten wollten wir Muster zwischen Cybersickness und kognitiver Belastung aufdecken. Kognitive Belastung bezieht sich auf den mentalen Aufwand, der notwendig ist, um Aufgaben zu erledigen. Unser Ziel war es herauszufinden, wie diese Elemente-Cybersickness, Arbeitsgedächtnis, körperliche und mentale Belastung und Aufmerksamkeit-miteinander interagieren.
Die Labyrinthnavigation
Die Teilnehmer unserer Studie wurden gebeten, durch ein virtuelles Labyrinth zu navigieren. Dieses Labyrinth wurde zufällig generiert, was bedeutet, dass jeder Teilnehmer ein einzigartiges Layout hatte. Jedes Labyrinth erforderte, dass sie sich ständig bewegten und Entscheidungen trafen, während sie Gedächtnis- und Aufmerksamkeitsaufgaben erledigten. Beispielsweise mussten sie alle 30 Sekunden eine Sequenz von fünf Ziffern merken, Fragen zu ihrem Unbehagen beantworten und einschätzen, wie anspruchsvoll die Aufgabe war.
Verwendete Technologie in der Studie
Wir haben moderne VR-Technologie eingesetzt, um die Erfahrungen der Teilnehmer genau zu erfassen:
- Kopf- und Augenverfolgung: Wir haben spezielles Equipment verwendet, um zu verfolgen, wohin die Teilnehmer schauten und wie sie ihren Kopf bewegten.
- Herzfrequenz und Hautreaktion: Sensoren wurden an den Teilnehmern angebracht, um physiologische Reaktionen wie Herzfrequenz und Hautreaktionen auf Stress zu messen.
- VR-Ausrüstung: Die Teilnehmer trugen ein VR-Headset, das für ein hochwertiges immersives Erlebnis konzipiert war, damit sie sich voll auf die Aufgaben konzentrieren konnten.
Datensammlungsverfahren
Unser Prozess begann damit, dass die Teilnehmer ein Einwilligungsformular lasen und unterschrieben, das ihnen die Teilnahme an der Studie ermöglichte. Danach füllten sie einen Fragebogen zu ihrem Hintergrund und ihren bisherigen Erfahrungen mit VR aus. Die Teilnehmer durchliefen ein Tutorial, das erklärte, wie sie das Labyrinth navigieren und die erforderlichen Aufgaben erledigen konnten. Nach einer Kalibrierung zur genauen Verfolgung begannen sie mit der Labyrinthnavigation.
Während der 15-minütigen Sitzung beantworteten die Teilnehmer alle 30 Sekunden Fragen zu ihrer Cybersickness und mentalen Belastung, gaben eine neue fünfstellige Zahl zum Merken an und wiederholten die vorherigen Ziffern. Nach Abschluss der Labyrinthsession füllten sie einen weiteren Fragebogen zu ihren Krankheitsgefühlen und ihrer Arbeitsbelastung aus.
Ergebnisse und Beobachtungen
Nach der Analyse der gesammelten Daten stellten wir spezifische Trends und Einsichten fest:
Zunehmende Levels von Cybersickness
Im Durchschnitt berichteten die Teilnehmer, dass sie sich schlechter fühlten, je länger sie sich in der VR-Umgebung aufhielten. Viele Teilnehmer erlebten vermehrt Übelkeitsgefühle, besonders nach der 10-Minuten-Marke. Das deutet darauf hin, dass eine längere Exposition gegenüber VR zu höheren Unbehagenslevels führen kann.
Beziehung zwischen kognitiver Belastung und Cybersickness
Interessanterweise fanden wir heraus, dass Teilnehmer, die sich kränker fühlten, auch grössere Anforderungen an ihr Arbeitsgedächtnis hatten. Sie hatten mehr Schwierigkeiten mit Aufgaben, die es erforderten, sich Zahlen zu merken und Fragen zu beantworten. Das deutet darauf hin, dass höhere Levels von Cybersickness negative Auswirkungen auf kognitive Fähigkeiten haben.
Physische und mentale Belastung
Die Teilnehmer berichteten von höheren mentalen und physischen Anforderungen während sie sich in der VR-Umgebung befanden. Dies wurde mit Hilfe des NASA-TLX Fragebogens gemessen, der bewertet, wie anspruchsvoll die Nutzer eine Aufgabe wahrnehmen. Diese Ergebnisse verdeutlichen, wie reale Aktivitäten in VR Herausforderungen für die Nutzer schaffen können.
Datenanalyse
Nachdem wir die Ergebnisse gesammelt hatten, analysierten wir die Daten, um Verbindungen zwischen Cybersickness und den anderen erhobenen Metriken zu finden. Wir verwendeten verschiedene statistische Methoden, um diese Zusammenhänge zu erkunden.
Bedeutende Korrelationen
Eine bedeutende Beobachtung war die Korrelation zwischen Cybersickness und berichteter mentaler Belastung. Teilnehmer, die sich kränker fühlten, gaben auch an, dass sie höheren mentalen Anforderungen während der Aufgaben ausgesetzt waren. Im Gegensatz dazu gab es keine starke Verbindung zwischen Herzfrequenz oder Hautreaktion und Cybersickness, was darauf hindeutet, dass andere Faktoren möglicherweise eine bedeutendere Rolle bei der Vorhersage von Unbehagen spielen.
Unterschiede in der Leistung
Wir verglichen auch die Leistung zwischen Teilnehmern, die sich krank fühlten, und denen, die dies nicht taten. Die Teilnehmer, die höhere Levels von Cybersickness erlebten, schnitten bei Arbeitsgedächtnisaufgaben schlechter ab und berichteten, dass sie sich von den Anforderungen der Aufgaben überfordert fühlten.
Verwendung von Deep Learning zur Klassifizierung von Cybersickness
Um den Nutzen unseres Datensatzes weiter zu demonstrieren, verwendeten wir Deep Learning-Modelle zur Klassifizierung der Cybersickness-Levels basierend auf den gesammelten Daten. Wir wandten Modelle wie Long Short-Term Memory (LSTM), Gated Recurrent Unit (GRU) und Multilayer Perceptron (MLP) an. Diese Modelle analysieren Muster in den Daten, um vorherzusagen, wie wahrscheinlich es ist, dass ein Teilnehmer Cybersickness erlebt.
Hohe Genauigkeitsraten
Unsere Modelle erzielten hohe Genauigkeitsraten, wobei einige bis zu 95% erreichten. Das zeigt, dass unser Datensatz effektiv zur Erstellung von Systemen beitragen kann, die helfen könnten, Cybersickness in Zukunft vorherzusagen und möglicherweise zu minimieren.
Verständnis der Feature-Wichtigkeit mit SHAP
Um Einblicke zu gewinnen, welche spezifischen Faktoren am einflussreichsten bei der Vorhersage von Cybersickness waren, führten wir eine SHAP-Analyse durch. Diese Methode hilft, die Modellvorhersagen zu erklären, indem sie zeigt, welche Merkmale positiv oder negativ zu den Vorhersagen beitragen.
Dominante Merkmale identifiziert
Aus unserer Analyse ergaben sich Augenverfolgung und physiologische Messungen als dominante Merkmale bei der Vorhersage von Cybersickness. Das deutet darauf hin, dass die Überwachung, wohin ein Teilnehmer schaut und wie sein Körper reagiert, entscheidend für die bessere Vorhersage von Unbehagensleveln während VR-Erlebnissen sein könnte.
Fazit
Unsere Studie hebt die komplexe Beziehung zwischen Cybersickness, körperlicher Aktivität, mentaler Belastung und Nutzerleistung in VR hervor. Da VR in verschiedenen Bereichen alltäglicher wird, ist es wichtig zu verstehen, wie diese Faktoren die Nutzererfahrung beeinflussen.
Durch das Sammeln von Daten über Teilnehmer, die ein Labyrinth navigieren und dabei kognitive Aufgaben erledigen, haben wir wichtige Einblicke gewonnen, wie echtes Gehen in VR das Gefühl von Übelkeit und die kognitive Belastung beeinflusst. Unsere Ergebnisse legen nahe, dass Entwickler sowohl das Design von VR-Umgebungen als auch die Interaktion der Nutzer mit ihnen berücksichtigen sollten, um bessere und angenehmere Erfahrungen zu schaffen.
Der Datensatz, den wir erstellt haben, kann für zukünftige Forschungen von Nutzen sein, um prädiktive Modelle zu entwickeln, die sich an die Bedürfnisse der Nutzer anpassen. Durch den Einsatz fortschrittlicher maschineller Lerntechniken können wir darauf hinarbeiten, Unbehagen zu minimieren und die Effektivität von VR-Anwendungen zu verbessern.
Insgesamt werden Studien wie unsere eine entscheidende Rolle bei der Gestaltung von Nutzererfahrungen spielen und ein besseres Verständnis dafür fördern, wie Einzelpersonen mit diesen immersiven Umgebungen interagieren, während sich die VR-Technologie weiterentwickelt.
Titel: Mazed and Confused: A Dataset of Cybersickness, Working Memory, Mental Load, Physical Load, and Attention During a Real Walking Task in VR
Zusammenfassung: Virtual Reality (VR) is quickly establishing itself in various industries, including training, education, medicine, and entertainment, in which users are frequently required to carry out multiple complex cognitive and physical activities. However, the relationship between cognitive activities, physical activities, and familiar feelings of cybersickness is not well understood and thus can be unpredictable for developers. Researchers have previously provided labeled datasets for predicting cybersickness while users are stationary, but there have been few labeled datasets on cybersickness while users are physically walking. Thus, from 39 participants, we collected head orientation, head position, eye tracking, images, physiological readings from external sensors, and the self-reported cybersickness severity, physical load, and mental load in VR. Throughout the data collection, participants navigated mazes via real walking and performed tasks challenging their attention and working memory. To demonstrate the dataset's utility, we conducted a case study of training classifiers in which we achieved 95% accuracy for cybersickness severity classification. The noteworthy performance of the straightforward classifiers makes this dataset ideal for future researchers to develop cybersickness detection and reduction models. To better understand the features that helped with classification, we performed SHAP(SHapley Additive exPlanations) analysis, highlighting the importance of eye tracking and physiological measures for cybersickness prediction while walking. This open dataset can allow future researchers to study the connection between cybersickness and cognitive loads and develop prediction models. This dataset will empower future VR developers to design efficient and effective Virtual Environments by improving cognitive load management and minimizing cybersickness.
Autoren: Jyotirmay Nag Setu, Joshua M Le, Ripan Kumar Kundu, Barry Giesbrecht, Tobias Höllerer, Khaza Anuarul Hoque, Kevin Desai, John Quarles
Letzte Aktualisierung: 2024-09-10 00:00:00
Sprache: English
Quell-URL: https://arxiv.org/abs/2409.06898
Quell-PDF: https://arxiv.org/pdf/2409.06898
Lizenz: https://creativecommons.org/licenses/by/4.0/
Änderungen: Diese Zusammenfassung wurde mit Unterstützung von AI erstellt und kann Ungenauigkeiten enthalten. Genaue Informationen entnehmen Sie bitte den hier verlinkten Originaldokumenten.
Vielen Dank an arxiv für die Nutzung seiner Open-Access-Interoperabilität.