論文の概要: Mazed and Confused: A Dataset of Cybersickness, Working Memory, Mental Load, Physical Load, and Attention During a Real Walking Task in VR

• arxiv url: http://arxiv.org/abs/2409.06898v1
• Date: Tue, 10 Sep 2024 22:41:14 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-12 16:16:15.039202
• Title: Mazed and Confused: A Dataset of Cybersickness, Working Memory, Mental Load, Physical Load, and Attention During a Real Walking Task in VR
• Title（参考訳）: Mazed and Confused:VRにおける実際の歩行中のサイバーシック、作業記憶、精神的負荷、身体的負荷、注意のデータセット
• Authors: Jyotirmay Nag Setu, Joshua M Le, Ripan Kumar Kundu, Barry Giesbrecht, Tobias Höllerer, Khaza Anuarul Hoque, Kevin Desai, John Quarles,
• Abstract要約: 認知活動、身体活動、およびサイバーシックネスの親しみやすい感情との関係はよく理解されていない。 頭部の向き,頭部の位置,視線追跡,画像,外部センサーからの生理的読影,自己報告されたサイバーシック度,身体負荷,心的負荷をVRで収集した。
• 参考スコア（独自算出の注目度）: 11.021668923244803
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 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.
• Abstract（参考訳）: バーチャルリアリティ(VR)は、トレーニング、教育、医療、エンターテイメントなど様々な産業で急速に定着しており、ユーザーは複数の複雑な認知的および身体的活動を行う必要がある。 しかし、認知活動、身体活動、およびサイバーシックネスの慣れ親しんだ感情との関係はよく理解されておらず、開発者にとって予測不可能である。 研究者は以前、ユーザーが静止している間にサイバーシックネスを予測するためのラベル付きデータセットを提供してきたが、ユーザーが物理的に歩いている間、サイバーシックネスに関するラベル付きデータセットはほとんどなかった。 そこで、39名の被験者から、頭部方向、頭部位置、視線追跡、画像、外部センサーからの生理的読影、自己報告されたサイバーシック度、身体負荷、およびVRにおける精神負荷を収集した。 データ収集全体を通じて、参加者は実際の歩行を通して迷路をナビゲートし、注意と作業記憶に挑戦するタスクを実行した。 このデータセットの有用性を実証するために,サイバーシック度重度分類の95%の精度を達成したトレーニング分類器のケーススタディを行った。 簡単な分類器の性能は、このデータセットを将来の研究者がサイバーシック検出と縮小モデルを開発するのに理想的なものにしている。 分類に役立った特徴をよりよく理解するため, SHAP(SHapley Additive exPlanations)分析を行い, 視線追跡の重要性と歩行時のサイバーシックネス予測の生理的指標を強調した。 このオープンデータセットにより、将来の研究者はサイバーシックネスと認知的負荷の関係を研究し、予測モデルを開発することができる。 このデータセットは、認知負荷管理の改善とサイバーシックネスの最小化によって、将来のVR開発者が効率的で効果的な仮想環境を設計できるようにする。

関連論文リスト

• Exploring Eye Tracking to Detect Cognitive Load in Complex Virtual Reality Training [11.83314968015781]
  視線追跡に基づく機械学習手法を用いて、ユーザの認知負荷を検出するための研究が進行中である。 寒冷噴霧のためのVRトレーニングシステムを開発し,22名の被験者を対象に実験を行った。 予備分析は、複雑なVR体験における認知負荷を検出するためにアイトラッキングを使用することの可能性を示している。
  論文  参考訳（メタデータ） (2024-11-18T16:44:19Z)
• Cybersickness Detection through Head Movement Patterns: A Promising Approach [1.1562071835482226]
  本研究では,サイバーシック検出のための新しい生理指標としての頭部運動パターンについて検討する。 頭部の動きは、あらゆる商用VRヘッドセットに埋め込まれたセンサーを通して簡単に捉えられる、連続的で非侵襲的な測定手段を提供する。
  論文  参考訳（メタデータ） (2024-02-05T04:49:59Z)
• Neural feels with neural fields: Visuo-tactile perception for in-hand manipulation [57.60490773016364]
  マルチフィンガーハンドの視覚と触覚を組み合わせることで,手動操作時の物体の姿勢と形状を推定する。 提案手法であるNeuralFeelsは,ニューラルネットワークをオンラインで学習することでオブジェクトの形状を符号化し,ポーズグラフ問題を最適化して共同で追跡する。 私たちの結果は、タッチが少なくとも、洗練され、そして最も最良のものは、手動操作中に視覚的推定を曖昧にすることを示しています。
  論文  参考訳（メタデータ） (2023-12-20T22:36:37Z)
• TruVR: Trustworthy Cybersickness Detection using Explainable Machine Learning [1.9642496463491053]
  サイバーシックネスは、バーチャルリアリティ(VR)システムを使用する際に、吐き気、めまい、頭痛、目の緊張、その他の不快感によって特徴づけられる。 以前報告された機械学習(ML)とディープラーニング(DL)アルゴリズムは、ブラックボックスモデルを使用してVRサイバーシックの検出(分類)と予測(回帰)を行う。 サイバーシックを検知し,予測するための3つの説明可能な機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2022-09-12T13:55:13Z)
• The world seems different in a social context: a neural network analysis of human experimental data [57.729312306803955]
  本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。 トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
  論文  参考訳（メタデータ） (2022-03-03T17:19:12Z)
• Predicting the Future from First Person (Egocentric) Vision: A Survey [18.07516837332113]
  この調査は、自我中心のビジョンから将来の予測の文脈における研究の進化を要約する。 アプリケーション、デバイス、既存の問題、一般的に使用されるデータセット、モデル、入力モダリティの概要を説明している。 我々の分析は、自我中心の視覚から将来の予測方法が、様々なアプリケーションに重大な影響を与えることを強調している。
  論文  参考訳（メタデータ） (2021-07-28T14:58:13Z)
• Physion: Evaluating Physical Prediction from Vision in Humans and Machines [46.19008633309041]
  我々は、この能力を正確に測定する視覚的および身体的予測ベンチマークを示す。 我々は、様々な物理予測を行う能力について、アルゴリズムの配列を比較した。 物理的な状態にアクセス可能なグラフニューラルネットワークは、人間の振る舞いを最もよく捉えている。
  論文  参考訳（メタデータ） (2021-06-15T16:13:39Z)
• Cognitive architecture aided by working-memory for self-supervised multi-modal humans recognition [54.749127627191655]
  人間パートナーを認識する能力は、パーソナライズされた長期的な人間とロボットの相互作用を構築するための重要な社会的スキルです。 ディープラーニングネットワークは最先端の結果を達成し,そのような課題に対処するための適切なツールであることが実証された。 1つの解決策は、ロボットに自己スーパービジョンで直接の感覚データから学習させることである。
  論文  参考訳（メタデータ） (2021-03-16T13:50:24Z)
• Task-relevant Representation Learning for Networked Robotic Perception [74.0215744125845]
  本稿では,事前学習されたロボット知覚モデルの最終的な目的と協調して設計された感覚データのタスク関連表現を学習するアルゴリズムを提案する。 本アルゴリズムは,ロボットの知覚データを競合する手法の最大11倍まで積極的に圧縮する。
  論文  参考訳（メタデータ） (2020-11-06T07:39:08Z)
• Continuous Emotion Recognition via Deep Convolutional Autoencoder and Support Vector Regressor [70.2226417364135]
  マシンはユーザの感情状態を高い精度で認識できることが不可欠である。 ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。 表情認識に基づく連続的感情認識のための新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-01-31T17:47:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。