VRWalking

VRWalking数据集由德克萨斯大学圣安东尼奥分校创建，旨在研究虚拟现实（VR）环境中用户在进行真实行走任务时的晕动症、工作记忆、心理负荷、生理负荷和注意力。数据集包含36名参与者在VR环境中导航迷宫时的头部方向、头部位置、眼动追踪、图像、生理传感器读数以及自我报告的晕动症严重程度、生理负荷和心理负荷。数据集的创建过程涉及参与者在真实环境中行走以进行虚拟环境导航，并执行挑战注意力和工作记忆的任务。该数据集的应用领域包括开发晕动症检测和减轻模型，以及研究晕动症与认知负荷之间的关系，旨在解决VR开发中认知负荷管理和晕动症最小化的问题。The VRWalking Dataset was developed by The University of Texas at San Antonio for research on motion sickness, working memory, mental workload, physiological workload, and attention among users performing real walking tasks within virtual reality (VR) environments. This dataset contains head orientation, head position, eye-tracking data, captured images, physiological sensor readings, as well as self-reported severity of motion sickness, physiological workload and mental workload from 36 participants during their maze navigation tasks in a VR environment. The dataset was constructed by having participants walk in a physical environment to navigate a virtual counterpart, while completing tasks that impose challenges on their attention and working memory. Potential applications of this dataset include the development of motion sickness detection and mitigation models, as well as research into the correlation between motion sickness and cognitive load, with the goal of addressing challenges related to cognitive load management and motion sickness minimization in VR development.

搜集汇总

数据集介绍

构建方式

VRWalking数据集的构建，涉及招募了39名参与者，他们被要求在虚拟环境中通过真实行走进行迷宫导航，同时执行多项认知任务。参与者佩戴HTC-Vive Pro Eye头戴式设备，并连接生理监测设备，以收集眼动追踪、头部追踪、心率、皮肤电反应、自我报告的虚拟现实中的恶心程度、物理负荷和精神负荷等数据。在数据收集过程中，参与者需要完成迷宫导航任务、注意力任务和问答环节。数据集涵盖了15分钟内的时间戳数据，包括多模态生理指标和VR图像。

特点

VRWalking数据集的特点在于它综合了虚拟现实中的多个关键指标，包括虚拟现实图像、眼动追踪、头部追踪、心率、皮肤电反应、恶心程度、精神负荷、物理负荷、工作记忆和注意力等。这些数据是在参与者通过真实行走进行迷宫导航时收集的，为研究虚拟现实中的认知负荷提供了宝贵的资源。此外，数据集还提供了参与者对恶心程度的自我报告，以及精神负荷和物理负荷的评估，为研究人员提供了更全面的视角。

使用方法

VRWalking数据集的使用方法包括多个方面。首先，研究人员可以利用该数据集来评估和预测虚拟现实中的恶心程度、工作记忆、精神负荷、物理负荷和注意力。其次，数据集可以用于开发深度学习模型，以更准确地预测虚拟现实中的恶心程度。此外，研究人员还可以使用数据集中的生理指标来研究虚拟现实对认知负荷的影响。最后，数据集还可以用于开发可解释的人工智能模型，以更好地理解虚拟现实中的认知过程。

背景与挑战

背景概述

虚拟现实（VR）技术正迅速应用于多个行业，如培训、教育、医疗和娱乐。用户在VR中频繁进行复杂的认知和物理活动，然而，认知活动、物理活动与虚拟现实中的常见不适感——虚拟现实病（cybersickness）之间的关系尚未被充分理解，这对开发者来说具有不可预测性。以往的研究为预测用户在静止状态下出现的虚拟现实病提供了标记数据集，但关于用户在行走时出现的虚拟现实病的数据集却寥寥无几。此外，尽管房间规模的交互在许多VR游戏中很常见，但目前尚不清楚在虚拟现实病状态下行走如何影响认知负荷。为此，研究人员收集了39名参与者的头部方向、头部位置、眼动追踪、外部传感器的生理读数以及自我报告的虚拟现实病严重程度、物理负荷和认知负荷等数据。在整个数据收集过程中，参与者通过真实行走进行迷宫导航，并执行挑战其注意力和工作记忆的任务。为了展示数据集的实用性，研究人员进行了一个案例研究，在分类虚拟现实病严重程度方面实现了95%的准确率。简单分类器的出色表现使得该数据集成为未来研究人员开发虚拟现实病检测和减少模型的理想选择。为了更好地理解有助于分类的特征，研究人员进行了SHAP（SHapley Additive exPlanations）分析，突出了眼动追踪和生理指标在预测行走时的虚拟现实病的重要性。这个开放数据集可以允许未来的研究人员研究虚拟现实病与认知负荷之间的联系，并开发预测模型。该数据集将为未来的VR开发者提供支持，通过改进认知负荷管理和最小化虚拟现实病来设计高效且有效的虚拟环境。

当前挑战

该数据集面临的挑战包括：1)解决领域问题：虚拟现实病预测，特别是在用户行走时的预测；2)构建过程中遇到的挑战：收集连续真实行走运动中的虚拟现实病和认知数据，以及在数据收集过程中保持生理数据的稳定性和准确性。

常用场景

经典使用场景

在虚拟现实（VR）技术的广泛应用中，如教育培训、医疗保健和娱乐等领域，用户常常需要进行复杂的认知和身体活动。然而，认知活动、身体活动与常见的虚拟现实眩晕感之间的关系尚未被充分理解，这对开发者来说可能难以预测。VRWalking数据集通过收集参与者在VR环境中真实行走时的头部方向、头部位置、眼睛跟踪、生理读数以及自我报告的虚拟现实眩晕感严重程度、身体负荷和心理负荷等数据，为研究虚拟现实眩晕感与其他认知负荷之间的关系提供了宝贵资源。该数据集的经典使用场景包括虚拟现实眩晕感的预测和减少模型的开发，以及对认知负荷管理进行改进以设计高效且有效的虚拟环境。

实际应用

VRWalking数据集的实际应用场景包括虚拟现实眩晕感的预测和减少模型的开发，以及对认知负荷管理进行改进以设计高效且有效的虚拟环境。通过使用该数据集，研究人员可以开发出更准确的虚拟现实眩晕感预测模型，从而帮助开发者设计出更舒适、更安全的虚拟现实体验。此外，该数据集还可以用于改进认知负荷管理，从而帮助开发者设计出更高效、更个性化的虚拟现实应用。

衍生相关工作

VRWalking数据集的衍生相关工作包括虚拟现实眩晕感的预测和减少模型的开发，以及对认知负荷管理进行改进以设计高效且有效的虚拟环境。通过使用该数据集，研究人员可以开发出更准确的虚拟现实眩晕感预测模型，从而帮助开发者设计出更舒适、更安全的虚拟现实体验。此外，该数据集还可以用于改进认知负荷管理，从而帮助开发者设计出更高效、更个性化的虚拟现实应用。