概要

تجارب الواقع الافتراضي مع التدابير الفيزيولوجية

Published: August 29, 2018
doi:

概要

يمكن أن تكون تجارب الواقع الافتراضي (VR) يصعب تنفيذه ويتطلب التخطيط الدقيق. ويصف هذا البروتوكول طريقة لتصميم وتنفيذ تجارب الواقع الافتراضي التي تقوم بجمع البيانات الفيزيولوجية من المشاركين البشرية. وتستخدم هذه التجارب في إطار البيئات الظاهرية (حواء) للتعجيل بهذه العملية.

Abstract

وتستخدم تجارب الواقع الافتراضي (VR) يتزايد بسبب صحتها الداخلية والخارجية مقارنة بالعالم الحقيقي الملاحظة والتجارب المختبرية، على التوالي. VR مفيد بشكل خاص للتحقيقات المتعلقة بالسلوك المكاني وتصورات جغرافية. في بحوث السلوك المكاني، VR منبرا لدراسة العلاقة بين التنقل والتدابير الفيزيولوجية (على سبيل المثال-، الجلد الموصلية، معدل ضربات القلب، وضغط الدم). على وجه التحديد، تسمح التدابير الفيزيولوجية الباحثون معالجة مسائل الرواية وتقييد النظريات السابقة القدرات المكانية والاستراتيجيات، والأداء. على سبيل المثال، يمكن تفسير الفروق الفردية في الأداء الملاحي بالقدر الذي تتوسط تغييرات في الاستثارة آثار صعوبة المهمة. بيد أن التعقيدات في تصميم وتنفيذ تجارب الواقع الافتراضي يمكن أن تصرف المجربون من أهدافها الأولية للبحث وإدخال المخالفات في جمع البيانات وتحليلها. لمواجهة هذه التحديات، التجارب في الظاهرية بيئات (حواء) إطار يشمل وحدات قياسية مثل مشارك التدريب مع عنصر تحكم واجهة، جمع البيانات باستخدام الاستبيانات، تزامن الفسيولوجية القياسات، وتخزين البيانات. حواء كما يوفر البنية التحتية اللازمة لإدارة البيانات، والتصور، والتقييم. تصف هذه الورقة هو بروتوكول يستخدم إطار عشية إجراء تجارب الملاحة في الواقع الافتراضي مع أجهزة استشعار الفسيولوجية. البروتوكول يسرد الخطوات اللازمة لتوظيف المشاركين، إرفاق أجهزة الاستشعار الفسيولوجي، وإدارة هذه التجربة باستخدام عشية، وتقييم البيانات التي تم جمعها باستخدام أدوات التقييم عشية. عموما، هذا البروتوكول سيسهل البحث في المستقبل بتبسيط تصميم وتنفيذ تجارب الواقع الافتراضي مع أجهزة استشعار الفسيولوجية.

Introduction

فهم كيفية التنقل الأفراد آثار هامة على عدة حقول، بما في ذلك العلوم المعرفية1،2،3،4،علم الأعصاب5و علوم الكمبيوتر6 , 7-الملاحة وقد تم التحقيق في بيئات حقيقية وافتراضية على حد سواء. ميزة واحدة من التجارب في العالم الحقيقي هو أن التنقل لا تتطلب الوساطة لواجهة التحكم وقد ينتج ذلك السلوك المكاني أكثر واقعية. وفي المقابل، تجارب الواقع الافتراضي (VR) تسمح بقياس أكثر دقة للسلوكية (مثلاً.، المشي مسارات) والفسيولوجية (مثلاً.، معدل ضربات القلب) البيانات، فضلا عن مراقبة أكثر تجريبية (أي.، الداخلية صحة). وفي المقابل، يمكن أن يؤدي هذا النهج أبسط في تفسير البيانات والنظريات وهكذا أكثر قوة للملاحة. علم الأعصاب بالإضافة إلى ذلك، يمكن الاستفادة من الواقع الافتراضي للباحثين يمكن التحقيق يرتبط العصبية للتنقل في حين تشارك المشاركين في بيئة ظاهرية ولكن لا يمكن أن تتحرك فعلياً. لعلماء الكمبيوتر، يتطلب التنقل في VR التطورات الفريدة في تجهيز الطاقة والذاكرة والرسومات الكمبيوتر لضمان تجربة غامرة. يمكن أيضا تطبيق النتائج المستخلصة من تجارب الواقع الافتراضي في الهندسة المعمارية ورسم الخرائط بإبلاغ تصميم المبنى تخطيطات8 وخريطه ميزات9 لتسهيل الملاحة في العالم الحقيقي. في الآونة الأخيرة، أدت أوجه التقدم في تكنولوجيا الواقع الافتراضي جنبا إلى جنب مع انخفاضا كبيرا في التكلفة إلى زيادة في عدد المختبرات التي تستخدم الواقع الافتراضي للتصاميم التجريبية. بسبب تزايد شعبية هذا، يحتاج الباحثون النظر في كيفية تبسيط تنفيذ تطبيقات الواقع الافتراضي وتوحيد تجربة سير العمل. هذا النهج سيساعد تحويل الموارد من تنفيذ لتطوير النظرية وتوسيع قدرات القائمة في الواقع الافتراضي.

يمكن أن تتراوح الأجهزة VR أكثر إلى أقل واقعية من حيث الضوابط ويعرض. تميل أكثر واقعية VR الأجهزة تتطلب البنية التحتية الإضافية مثل المسافات تتبع كبيرة وعالية الدقة يعرض10. هذه النظم غالباً ما تستخدم خوارزميات المشي المعاد توجيهها من أجل حقن تناوب غير محسوس، وترجمة الملاحظات المرئية التي توفر للمستخدمين وتوسيع فعالية البيئة الظاهرية التي من خلالها يمكن نقل المشاركين11 , 12-هذه الخوارزميات يمكن معمم في أنها لا تحتاج إلى معرفة هيكل البيئة13 أو تنبؤية في ذلك أنها تفترض مسارات خاصة ل المستخدم14. على الرغم من أن معظم البحوث في المشي المعاد توجيهها قد استخدمت يعرض محمولة على الرأس (همدس)، بعض الباحثين استخدام نسخة من هذا الأسلوب مع المشي في المكان كجزء من نظام الإسقاط كبيرة (على سبيل المثال-، الكهوف)15. بينما يمكن أن يتم همدس على رئيس المشارك، ويعرض كهف تميل إلى تقديم أوسع مجال الرؤية أفقية16،17. ومع ذلك، مطلوب أقل البنية التحتية لأنظمة الواقع الافتراضي باستخدام عرض سطح المكتب18،19. كما وظفت البحوث العصبية نظم الواقع الافتراضي في تركيبة مع التصوير بالرنين المغناطيسي الوظيفي (الرنين المغناطيسي الوظيفي) أثناء المسح الضوئي20، في تركيبة مع الرنين المغناطيسي الوظيفي بعد المسح21،22، وفي تركيبة مع المخ (EEG) أثناء تسجيل23،24. هي حاجة إلى أطر البرامج بغية تنسيق مجموعة متنوعة من عناصر التحكم التي يتم استخدامها للتنقل للبحث ويعرض.

البحث الذي يشتمل على الواقع الافتراضي والبيانات الفسيولوجية تحديات إضافية مثل الحصول على البيانات والتزامن. ومع ذلك، تسمح البيانات الفسيولوجية للتحقيقات المتعلقة بالعمليات الضمنية التي قد تتوسط العلاقة بين السلوك المكانية وإمكانية التنقل. في الواقع، درست العلاقة بين الإجهاد والتنقل باستخدام VR سطح المكتب ومجموعة من أجهزة الاستشعار فسيولوجية مختلفة (أي.، معدل ضربات القلب وضغط الدم، والجلد، الكورتيزول اللعابية وألفا-الأميليز)25 , 26 , 27 , 28-على سبيل المثال، فإن جيرفين والزملاء29 التحقيق أثر الإجهاد على استراتيجية التنقل والأداء باستخدام صيغة واقع الافتراضي لمهمة متاهة مياه موريس والعديد من التدابير الفيزيولوجية (على سبيل المثال-، والجلد الموصلية، معدل ضربات القلب، ضغط الدم). وكشفت نتائجها أن الإجهاد وتوقع استراتيجية التنقل من حيث الاستخدام التاريخي (أي.، والأنانية مقابل اللوسينتريك) ولكنها لا تتعلق بأداء الملاحة. بشكل عام، النتائج التي توصلت إليها الدراسات السابقة تتعارض إلى حد ما فيما يتعلق بأثر الإجهاد على أداء الملاحة والذاكرة المكانية. هذا النمط يمكن أن يعزى إلى الفصل بين الضغوطات (مثلاً.، الإجراء موترة الباردة26، “مهمة تتبع مرآة ستار”25) من التنقل الفعلي للمهام، استخدام بسيطة تشبه المتاهة البيئات الافتراضية ( على سبيل المثال.، والمياه موريس الظاهري المتاهة26، الذراع شعاعي الظاهري المتاهة28)، والاختلاف في تفاصيل المنهجية (مثلاً.، نوع من الضغوطات، نوع البيانات الفسيولوجية). أيضا يمكن أن تكون الاختلافات في تنسيق جمع البيانات الفسيولوجية إشكالية بالنسبة للتنفيذ، وتحليل هذه الدراسات.

التجارب في إطار تجارب الظاهري (حواء) يسهل تصميم وتنفيذ وتحليل تجارب الواقع الافتراضي، لا سيما تلك الأجهزة الطرفية الإضافية (على سبيل المثال-، تتبع العين، الأجهزة الفسيولوجية)30. إطار عشية متاحة بحرية كمشروع مفتوح المصدر في GitHub (https://cog-ethz.github.io/EVE/). يستند هذا الإطار إلى شعبية الوحدة 3D محرك اللعبة (https://unity3d.com/) ونظام إدارة قاعدة بيانات الخلية (https://www.mysql.com/). الباحثون استخدام إطار عشية بغية إعداد المراحل المختلفة لتجربة الواقع الافتراضي، بما في ذلك ما قبل وما بعد الدراسة الاستبيانات، قياسات أساسية لأي البيانات الفسيولوجية، التدريب مع واجهة التحكم، مهمة الملاحة الرئيسية، و اختبارات للذاكرة المكانية للبيئة ملاحة (على سبيل المثال-، الأحكام الصادرة عن الاتجاه النسبي). المجربون يمكن أيضا التحكم في مزامنة البيانات من مصادر مختلفة وعلى مستويات مختلفة من التجميع (على سبيل المثال-، عبر محاكمات أو كتل أو دورات). مصادر البيانات قد يكون المادي (أي.، متصلاً بالمستخدم؛ انظر الجدول للمواد) أو الظاهري (أي.، تعتمد على التفاعلات بين الصورة الرمزية للمشارك وبيئة ظاهرية). على سبيل المثال، قد تتطلب تجربة تسجيل معدل ضربات القلب والموقف والتوجيه من المشاركين عند الرمزية للمشترك أن ينتقل من خلال مجال معين من بيئة ظاهرية. كل هذه البيانات المخزنة في قاعدة بيانات الخلية تلقائياً وتقييمها مع وظائف الإعادة وحزمة آر افيرتولس (https://github.com/cog-ethz/evertools/). افيرتولس يوفر دالات المصدرة، الإحصاءات الوصفية الأساسية، وأدوات التشخيص لتوزيع البيانات.

ويمكن نشر إطار عشية مع مجموعة متنوعة من الهياكل الأساسية المادية ونظم الواقع الافتراضي. في هذا البروتوكول، يصف لنا تنفيذ خاصة واحدة في نيورولاب في زيورخ ETH (الشكل 1). نيورولاب م 12 غرفة 6 م تتضمن تشكيل غرفة معزولة لإجراء تجارب التخطيط الدماغي، حجرة تحتوي على نظام الواقع الافتراضي (2.6 متر x 2.0 m)، ومنطقة ستائر لربط أجهزة الاستشعار الفسيولوجية. ويشمل النظام VR عرض تلفزيون عالي جداً 55 “، كمبيوتر ألعاب الراقية وواجهة تحكم جويستيك والعديد من أجهزة الاستشعار الفسيولوجية (انظر الجدول للمواد). في المقاطع التالية، تصف البروتوكول المتعلق بإجراء تجربة تنقل في نيورولاب استخدام إطار عشية ومجسات الفسيولوجية، يقدم الممثل النتائج من دراسة واحدة عن الإجهاد، والملاحة، ومناقشة الفرص والتحديات المرتبطة بهذا النظام.

Protocol

وأجرى في بروتوكول التالية وفقا للمبادئ التوجيهية التي أقرها زوريخ لجنة الأخلاقيات من ETH كجزء من اقتراح كرونة إستونية 2013-N-73. 1-تجنيد وإعداد المشاركين حدد المشاركون مع التركيبة السكانية خاصة (مثلاً.، العمر والجنس والخلفية التعليمية) باستخدام نظام التوظيف مشارك أو ق…

Representative Results

من كل مشارك في نيورولاب، ونحن عادة جمع البيانات الفسيولوجية (مثلاً.، ECG)، بيانات الاستبيان (مثلاً.، “سانتا باربرا الإحساس” مقياس الاتجاه أو سبسود31)، وبيانات الملاحة (مثلاً.، من خلال مسارات البيئة الظاهرية). على سبيل المثال، التغيرات في معدل ضربا?…

Discussion

في هذه الورقة، وصفت لنا بروتوكول لإجراء تجارب في الواقع الافتراضي مع الأجهزة الفسيولوجية باستخدام إطار حواء. هذه الأنواع من التجارب فريدة من نوعها بسبب اعتبارات إضافية للأجهزة (على سبيل المثال-، الأجهزة الفسيولوجية وغيرها من الأجهزة الطرفية)، الخطوات التحضيرية لجمع البيانات الفسيو…

開示

The authors have nothing to disclose.

Acknowledgements

يرجى وفرت بيئة ظاهرية “تجاه الألعاب” (http://www.vis-games.de) لإجراء البحوث في الواقع الافتراضي.

Materials

Alienware Area 51 Base Dell  210-ADHC Computation
138cm 4K Ultra-HD LED-TV Samsung UE55JU6470U Display
SureSigns VS2+ Philips Healthcare 863278 Blood Pressure
PowerLab 8/35 AD Instruments PL3508 Skin Conductance
PowerLab 26T (LTS) AD Instruments ML4856 Heart Rate
Extreme 3D Pro Joystick Logitech 963290-0403 HID

参考文献

  1. Gallistel, C. R. . The Organization of Learning. , (1990).
  2. Waller, D., Nadel, L. . Handbook of Spatial Cognition. , (2013).
  3. Denis, M. . Space and Spatial Cognition: A Multidisciplinary Perspective. , (2017).
  4. Epstein, R. A., Patai, E. Z., Julian, J. B., Spiers, H. J. The cognitive map in humans: spatial navigation and beyond. Nature Neuroscience. 20, 1504 (2017).
  5. O’Keefe, J., Nadel, L. . The Hippocampus as a Cognitive Map. , (1978).
  6. Kuipers, B. J. Modelling spatial knowledge. Cognitive Science. 2, 129-153 (1978).
  7. Heppenstall, A. J., Crooks, A. T., See, L. M., Batty, M. . Agent-Based Models of Geographical Systems. , (2012).
  8. Kuliga, S. F., Thrash, T., Dalton, R. C., Hölscher, C. Virtual reality as an empirical research tool – Exploring user experience in a real building and a corresponding virtual model. Computers, Environment and Urban Systems. 54, 363-375 (2015).
  9. Credé, S., Fabrikant, S. I. Let’s Put the Skyscrapers on the Display-Decoupling Spatial Learning from Working Memory. Proceedings of Workshops and Posters at the 13th International Conference on Spatial Information Theory (COSIT 2017). , 163-170 (2018).
  10. Hodgson, E., Bachmann, E. R., Vincent, D., Zmuda, M., Waller, D., Calusdian, J. WeaVR: a self-contained and wearable immersive virtual environment simulation system). Behavior Research Methods. 47 (1), 296-307 (2015).
  11. Nilsson, N., et al. 15 Years of Research on Redirected Walking in Immersive Virtual Environments. IEEE Computer Graphics and Applications. , 1-19 (2018).
  12. Razzaque, S., Kohn, Z., Whitton, M. C. Redirected walking. Proceedings of EUROGRAPHICS. , 105-106 (2001).
  13. Hodgson, E., Bachmann, E. Comparing Four Approaches to Generalized Redirected Walking: Simulation and Live User Data. IEEE Transactions on Visualization and Computer Graphics. 19 (4), 634-643 (2013).
  14. Nescher, T., Huang, Y. -. Y., Kunz, A. Planning redirection techniques for optimal free walking experience using model predictive control. 2014 IEEE Symposium on 3D User Interfaces (3DUI). , 111-118 (2014).
  15. Razzaque, S., Swapp, D., Slater, M., Whitton, M. C., Steed, A. Redirected walking in place. Eurographics workshop on virtual environments. , 123-130 (2002).
  16. Meilinger, T., Knauff, M., Bulthoff, H. Working Memory in Wayfinding-A Dual Task Experiment in a Virtual City. Cognitive Science: A Multidisciplinary Journal. 32 (4), 755-770 (2008).
  17. Grübel, J., Thrash, T., Hölscher, C., Schinazi, V. R. Evaluation of a conceptual framework for predicting navigation performance in virtual reality. PLOS ONE. 12 (9), 0184682 (2017).
  18. Weisberg, S. M., Schinazi, V. R., Newcombe, N. S., Shipley, T. F., Epstein, R. A. Variations in Cognitive Maps: Understanding Individual Differences in Navigation. Journal of experimental psychology. Learning, memory, and cognition. , (2014).
  19. Wiener, J. M., Hölscher, C., Büchner, S., Konieczny, L. Gaze behaviour during space perception and spatial decision making. Psychological research. 76 (6), 713-729 (2012).
  20. Hassabis, D., Chu, C., Rees, G., Weiskopf, N., Molyneux, P. D., Maguire, E. A. Decoding Neuronal Ensembles in the Human Hippocampus. Current Biology. 19 (7), 546-554 (2009).
  21. Maguire, E. A., Nannery, R., Spiers, H. J. Navigation around London by a taxi driver with bilateral hippocampal lesions. Brain. 129, 2894-2907 (2006).
  22. Marchette, S. A., Vass, L. K., Ryan, J., Epstein, R. A. Anchoring the neural compass: coding of local spatial reference frames in human medial parietal lobe. Nature neuroscience. 17 (11), 1598-1606 (2014).
  23. Vass, L. K., et al. Oscillations Go the Distance: Low-Frequency Human Hippocampal Oscillations Code Spatial Distance in the Absence of Sensory Cues during Teleportation. Neuron. 89 (6), 1180-1186 (2016).
  24. Sharma, G., Gramann, K., Chandra, S., Singh, V., Mittal, A. P. Brain connectivity during encoding and retrieval of spatial information: individual differences in navigation skills. Brain Informatics. 4 (3), (2017).
  25. Richardson, A. E., VanderKaay Tomasulo, M. M. Influence of acute stress on spatial tasks in humans. Physiology & Behavior. 103 (5), 459-466 (2011).
  26. Duncko, R., Cornwell, B., Cui, L., Merikangas, K. R., Grillon, C. Acute exposure to stress improves performance in trace eyeblink conditioning and spatial learning tasks in healthy men. Learning & memory (Cold Spring Harbor, N.Y.). 14 (5), 329-335 (2007).
  27. Klopp, C., Garcia, C., Schulman, A. H., Ward, C. P., Tartar, J. L. Acute social stress increases biochemical and self report markers of stress without altering spatial learning in humans. Neuro endocrinology letters. 33 (4), 425-430 (2012).
  28. Guenzel, F. M., Wolf, O. T., Schwabe, L. Sex differences in stress effects on response and spatial memory formation. Neurobiology of Learning and Memory. 109, 46-55 (2014).
  29. van Gerven, D. J. H., Ferguson, T., Skelton, R. W. Acute stress switches spatial navigation strategy from egocentric to allocentric in a virtual Morris water maze. Neurobiology of Learning and Memory. 132, 29-39 (2016).
  30. Grübel, J., Weibel, R., Jiang, M. H., Hölscher, C., Hackman, D. A., Schinazi, V. R. EVE: A Framework for Experiments in Virtual Environments. Spatial Cognition X: Lecture Notes in Artificial Intelligence. , 159-176 (2017).
  31. Hegarty, M., Richardson, A. E., Montello, D. R., Lovelace, K., Subbiah, I. Development of a self-report measure of environmental spatial ability. Intelligence. 30, 425-447 (2002).
  32. Ziegler, M. G. Psychological Stress and the Autonomic Nervous System. Primer on the Autonomic Nervous System. , 189-190 (2004).
  33. Michaelis, J. R., Rupp, M. A., Montalvo, F., McConnell, D. S., Smither, J. A. The Effect of Vigil Length on Stress and Cognitive Fatigue. Proceedings of the Human Factors and Ergonomics Society Annual Meeting. 59 (1), 916-920 (2015).
  34. Helton, W. S. Validation of a Short Stress State Questionnaire. Proceedings of the Human Factors and Ergonomics Society Annual Meeting. 48 (11), 1238-1242 (2004).
  35. Wolbers, T., Hegarty, M. What determines our navigational abilities. Trends in Cognitive Sciences. 14 (3), 138-146 (2010).
  36. Moussaïd, M., et al. Crowd behaviour during high-stress evacuations in an immersive virtual environment. Journal of The Royal Society Interface. 13 (122), (2016).
  37. . Lead positioning Available from: https://lifeinthefastlane.com/ecg-library/basics/lead-positioning/ (2017)
  38. Wilder, J. The law of initial value in neurology and psychiatry. The Journal of Nervous and Mental Disease. 125 (1), 73-86 (1957).
  39. Loomis, J., Knapp, J. Visual Perception of Egocentric Distance in Real and Virtual Environments. Virtual and Adaptive Environments. , 21-46 (2003).
  40. Richardson, A. R., Waller, D. The effect of feedback training on distance estimation in virtual environments. Applied Cognitive Psychology. 19 (8), 1089-1108 (2005).
  41. Klatzky, R. L., Loomis, J. M., Beall, A. C., Chance, S. S., Golledge, R. G. Spatial updating of self-position and orientation during real, imagined, and virtual locomotion. Psychological Science. 9, 293-298 (1998).
  42. Bakker, N. H., Werkhoven, P. J., Passenier, P. O. Calibrating Visual Path Integration in VEs. Presence: Teleoperators and Virtual Environments. 10 (2), 216-224 (2001).
  43. Thrash, T., et al. Evaluation of control interfaces for desktop virtual environments. Presence. 24 (4), (2015).
  44. Kinateder, M., Warren, W. H. Social Influence on Evacuation Behavior in Real and Virtual Environments. Frontiers in Robotics and AI. 3, 43 (2016).
  45. Loomis, J. M., Blascovich, J. J., Beall, A. C. Immersive virtual environment technology as basic research tool in psychology. Behavior Research Methods, Instruments & Computers. 31 (4), 557-564 (1999).

Play Video

記事を引用
Weibel, R. P., Grübel, J., Zhao, H., Thrash, T., Meloni, D., Hölscher, C., Schinazi, V. R. Virtual Reality Experiments with Physiological Measures. J. Vis. Exp. (138), e58318, doi:10.3791/58318 (2018).

View Video