Una Nueva Perspectiva sobre el Mareo por Movimiento en Vehículos Automatizados

Los vehículos automatizados y los simuladores de conducción se están volviendo más comunes, pero pueden provocar mareos en muchos usuarios. A medida que la gente pasa de ser conductores a pasajeros, a menudo se involucran en actividades como leer o usar dispositivos, lo que puede empeorar la sensación de náuseas. Igualmente, en los simuladores de conducción, los efectos visuales pueden engañar al cerebro haciéndole sentir movimiento, causando incomodidad incluso cuando hay poco o ningún movimiento real. Estos problemas surgen de un conflicto entre lo que el cuerpo siente y lo que los ojos perciben, llevando al mareo.

#Susceptibilidad Individual al Mareo

No todos experimentan el mareo de la misma manera. Algunas personas son más sensibles que otras. Esta diferencia en la reacción de las personas al movimiento debe tenerse en cuenta al estudiar el mareo. Un nuevo enfoque combina un modelo que promedia las respuestas de grupos con otro que se enfoca en las reacciones individuales para entender mejor estas diferencias.

#La Importancia de la Visión en el Mareo

La entrada visual juega un papel importante en los simuladores de conducción. La forma en que una persona ve el movimiento puede influir en gran medida en cómo se siente. Por ejemplo, más indicios visuales pueden hacer que alguien se sienta más mareado si los visuales no coinciden con el movimiento físico que experimenta. Por lo tanto, capturar los efectos de la visión es crucial para evaluar con precisión el mareo tanto en entornos de conducción reales como simulados.

#El Marco del Modelo

Un nuevo marco de modelo integra dos partes: una que genera conflicto sensorial y otra que acumula estos conflictos con el tiempo. Este modelo combinado busca capturar las Diferencias individuales en cómo las personas experimentan el mareo. En lugar de depender únicamente de promedios grupales, este marco personaliza las predicciones utilizando datos específicos para cada individuo.

#Modelo de Generación de Conflictos

El modelo de generación de conflictos se centra en cómo el cerebro procesa diferentes entradas sensoriales, como la información de los ojos y los sensores de equilibrio en el oído interno. Este modelo necesita predecir con precisión cómo surgen los conflictos sensoriales durante la conducción. Incluye datos visuales para entender cómo diferentes condiciones de visualización pueden impactar la experiencia de mareo de una persona.

#Modelo de Acumulación de Conflictos

El modelo de acumulación de conflictos toma los conflictos generados por el primer modelo y rastrea cómo se acumulan con el tiempo. Esta parte del marco ayuda a estimar el nivel de mareo que una persona puede experimentar a medida que estos conflictos se acumulan. Usa parámetros para definir qué tan rápido se sienten estos efectos y cuánto tiempo duran. Al hacer esto, el modelo puede tener en cuenta tanto las reacciones inmediatas como los efectos a largo plazo, como la recuperación cuando el movimiento se detiene.

#Datos y Experimentos

Para probar este marco de modelo, se analizaron dos conjuntos de datos existentes. El primer conjunto de datos involucró a participantes que experimentaron una maniobra de conducción específica con condiciones visuales variables. El segundo conjunto comparó las respuestas de la conducción real con las de un simulador. Ambos conjuntos ayudaron a resaltar las diferencias individuales en la susceptibilidad al mareo.

#Conjunto de Datos de Conducción en Slalom

En el experimento de Conducción en Slalom, los participantes condujeron un coche con vista exterior o sin vista en absoluto. Los resultados mostraron que aquellos con vista exterior reportaron mareo más severo que los que no la tenían. Este conjunto de datos ayuda a ilustrar el efecto de las condiciones visuales en el mareo y proporciona una base para probar el nuevo marco de modelo.

#Conjunto de Datos de Coche y Simulador

El segundo conjunto de datos analizó a participantes conduciendo tanto en un coche real como en un simulador. Los hallazgos mostraron que los participantes sentían diferentes niveles de incomodidad en cada entorno, probando aún más la necesidad de considerar las diferencias individuales en el mareo. Este conjunto de datos fue esencial para demostrar la capacidad del modelo de generalizar en diversas situaciones.

#Precisión y Personalización del Modelo

El objetivo de este nuevo modelo es proporcionar predicciones precisas de los niveles de mareo para individuos. Al centrarse en parámetros personalizados, el modelo busca mejorar la precisión en comparación con los métodos tradicionales promediados por grupos, que no toman en cuenta las diferencias individuales.

#Reducción de Parámetros

Para facilitar el uso del modelo, los investigadores buscaron reducir el número de parámetros necesarios para predicciones precisas. Al utilizar investigaciones existentes y valores medianos de estudios anteriores, determinaron que solo se necesitaban dos parámetros para capturar eficazmente las diferencias individuales en el mareo. Esta reducción no solo simplifica el modelo, sino que también disminuye el tiempo computacional requerido para estimar los parámetros.

#Resultados

Los resultados de ambos conjuntos de datos confirmaron que el nuevo marco de modelo superó a los métodos tradicionales. Al comparar los modelos individuales con los modelos promediados por grupos, el enfoque personalizado mostró una disminución significativa en el error de predicción. El nuevo modelo pudo ajustarse a las respuestas individuales de manera más precisa con menos parámetros, mejorando su viabilidad para aplicaciones en tiempo real.

#El Impacto de la Visión en el Mareo

La visión tiene un efecto profundo en los niveles de mareo. El marco permite simulaciones que toman en cuenta diversas condiciones visuales, como no tener vista o ver el entorno exterior. Esta adaptabilidad es crucial para entender cómo diferentes experiencias visuales influyen en el mareo tanto en entornos reales como simulados.

#Aplicaciones Prácticas

Las ideas obtenidas de este marco de modelo tienen varias aplicaciones prácticas. Puede utilizarse en el desarrollo de nuevos algoritmos de acoplamiento de movimiento para simuladores de conducción, lo que podría ayudar a minimizar o prevenir el mareo entre los participantes. Además, este marco puede mejorar el diseño de vehículos automatizados al permitirles ajustar los estilos de conducción en tiempo real según la susceptibilidad individual al mareo.

#Limitaciones y Trabajo Futuro

Aunque el nuevo marco de modelo muestra gran promesa, hay algunas limitaciones. Por ejemplo, tiene dificultades para predecir con precisión los niveles de mareo de individuos que experimentan cambios rápidos en su reacción al movimiento según las condiciones visuales. Abordar esta limitación puede requerir ajustar el modelo para incluir parámetros adicionales que representen mejor la percepción sensorial individual.

Además, el rendimiento del modelo se ve influenciado por el tipo de datos de movimiento utilizados. Usar datos de movimiento de cabeza es ideal, ya que refleja más exactamente la experiencia de los individuos. Sin embargo, cuando no se dispone de datos de movimiento de cabeza, puede ser necesario emplear otros métodos para estimar esta información.

#Conclusión

Este nuevo enfoque para modelar el mareo presenta avances significativos en la comprensión de las diferencias individuales en la susceptibilidad. Al combinar entradas visuales y parámetros personales, el marco de modelo proporciona una predicción más precisa de los niveles de mareo durante la conducción. En última instancia, este trabajo allana el camino para mejorar las experiencias tanto en vehículos automatizados como en simuladores de conducción, ayudando a crear entornos más cómodos para los usuarios. Más investigaciones y refinamientos de este modelo mejorarán su efectividad y ampliarán sus aplicaciones en escenarios del mundo real.