Summary
이 문서에서는 다중 사용자 실험 의사 결정 및 네트워크 컴퓨터 실험실을 사용 하 여 탐색 하는 방법을 설명 합니다.
Abstract
여러 참가자 간의 상호 작용을 조사 하는 것은 결정 과학 및 공간 인식 등 다양 한 분야에서 연구원에 대 한 도전 이다. 로컬 영역 네트워크와 전용된 소프트웨어 플랫폼, 경험 수 효율적으로 동시에 데스크톱 가상 환경에 몰입 하는 참가자의 동작을 모니터링 하 고 수집 된 데이터를 디지털화. 이러한 기능 공간 인식 및 탐색 연구는 것 어려운 것 (불가능)에서 실험 디자인에 대 한 허용을 현실 세계에서 실시. 실험 가능한 유사 대피, 협동과 경쟁 검색 작업 및 응급 군중 행동에 영향을 미칠 수 있는 다른 문맥상 요인 중 스트레스를 포함 합니다. 그러나, 같은 실험실 데이터 수집 제어 설정에 대 한 유지 보수 및 엄격한 프로토콜을 필요합니다. 반면 인간 참가자와 실험실 연구의 외부 타당성 조사 가끔 최근 논문의 번호 실제 및 가상 환경 간의 관계의 측면에서 사회적 행동 공부에 대 한 충분 한 수 있습니다 제안 궤적, 주저, 그리고 공간 결정입니다. 이 문서에서 설명 하는 의사 결정 및 네트워크로 연결 된 데스크톱 가상 현실 설정에서 최대 36 참가자와 탐색에 대 한 실험을 수행 하는 방법 (즉., 결정 과학 실험실 또는 DeSciL). 이 실험 프로토콜 적응 하 고 네트워크로 연결 된 데스크톱 가상 현실 연구실을 설정 하려면 다른 연구자에 의해 적용 될 수 있습니다.
Introduction
공간 인식 및 탐색에 대 한 연구는 일반적으로 공간 의사 결정 연구 (예., 교차로에서 왼쪽 또는 오른쪽 선회)와 실제 및 가상 환경1,2개인의 정신적 표현. 가상 현실 (VR)의 장점의 윤리 및 안전 문제 예방 (예., 위험한 피난3시), 자동 측정 및 공간 데이터4의 분석 및 내부 균형된 조합 및 외부 타당성5,,67. 예를 들어 이즈와 동료 VR 공간 작업 공간 능력8의 객관적인 행동 측정을 제공할 수 있는 시연 함으로써 공간 지식 수집에서 개별 차이 대 한 이전 연구를 확장. 이 연구는 또한 VR에 탐색 행동에 실제 탐색 근접 때문에 가상 환경을 Schinazi와 동료9 에서 사용 하는 대학 캠퍼스를 모델로 했다 제안 했다 (또한 보십시오 Ruddle와 동료의 연구 10). VR는 또한 심리11, 임상 평가12, 소비자 행동13및 수술14,15에 적용 되었습니다. 그러나, 대부분의 VR 시스템 고유 및 오디오 피드백을 존재를 향상 시킬 수 있습니다 부족 하 고 침수16,17,,1819,20 제어 인터페이스와 함께 훈련을 필요로 ,,2122및 부족 사회 신호. 실제로, 현실 세계에서 사람들이 자주 그룹23, 방지 또는 다른 사람들이3,24, 따라 이동한 사회적 맥락25,26에 따라 결정 합니다.
같은 시간에 군중 행동에 대 한 연구는 종종 군중 (예를 들어, 레인 형성, 병목 혼잡) 컴퓨터에서 시뮬레이션 또는 실제 세계에서 관찰의 응급 특성에 집중 한다. 예를 들어 Helbing와 동료 사용 실제 관찰과 컴퓨터 시뮬레이션의 조합 유입 및 유출 물리적 장벽으로 분리 하 고 있는 장애물을 배치 하 여 교차로에 교통 흐름 개선 제안 합니다 27센터. Moussaïd와 동료 군중 재해28동안 고밀도 상황을 공부 하는 추론 기반 모델을 사용. 이 방법은 군중 재해를 피하기 위하여 대량 이벤트에 대 한 환경 설정 개선 제안. 오픈 소스 프레임 워크의 도움 같은 시뮬레이션의 구현이 상대적으로 쉽게 될 수 있습니다. SteerSuite 조 향 알고리즘 및 군중 행동 촉진, 벤치마킹, 및29테스트를 위한 도구를 제공 하 여 쉽게 시뮬레이션을 사용자가 허용 하는 오픈 소스 프레임 워크입니다. 이 프레임 워크는 성공적인 군중 시뮬레이션에 대 한 중요 한 에이전트의 탐색 논리의 핵심을 제공할 수 있습니다. 또한, 싱 및 동료 기술30스티어링의 다양 한 결합 하 여 단일 플랫폼 설명 했다. 연구자는 이러한 시뮬레이션을 사용 하 여 디자인 개입 제안 수, 하는 동안 그들은 거의 제어 환경에서 인간 참가자와 유효성이 검사 됩니다. 제어 실험은 어려운 구성 하 고 참가자 들에 게 위험한 수 있기 때문에 군중 연구에 드물다.
VR 하나 이상의 에이전트를 컴퓨터 시뮬레이션으로 간단 하 고 복잡 한 가상 환경을 사용 하 여 사회적 행동을 조사 하기 위해 고용 되었다. 보드와 동료31,32의 연구에서 참가자는 간단한 가상 환경을 여러 에이전트 중 하향식 관점에서 철수 하 고 출구 선택은 정적 간판 및 동기 부여에 의해 영향을 발견 하도록 요청 했다. 1 인칭 관점에서 좀 더 복잡 한 환경으로 참가자를 제시, Kinateder 및 동료 발견 참가자 중 가상 터널 화재25에서 탈출 한 컴퓨터 시뮬레이션 에이전트를 따라 가능성이 더 컸다. 여러 에이전트와 복잡 한 가상 환경에서 Drury와 동료 참가자 그들은 군중26식별 대피 중 타락 한 에이전트 지원 경향이 발견. 샨 다, 이러한 결과 VR도 컴퓨터 시뮬레이션 에이전트와 사회적 행동을 도출 하는 효과적인 방법 수 것이 좋습니다. 그러나, 일부 군중 행동만 관찰 수 있습니다 현실적인 사회 신호 있을 때 (즉., 참가자는 다른 아바타 사람들이3에 의해 제어 됩니다 인식 하는 때). 이 단점을 해결 하기 위해 현재 프로토콜 네트워크 VR 설치 프로그램에서 여러 사용자와 제어 실험을 실시 하는 방법을 설명 합니다. 이 이렇게 최근 연구에서 Moussaid와 동료에 의해 36 네트워크 참가자3의 피난 행동을 조사 하기 위하여 고용 되었다 있다.
VR 네트워크에 대 한 연구 주제 탐색 전략33,34 에 비관련 및 세컨드 라이프 등 기존 온라인 게임 플랫폼에 의존에 집중 했다. 예를 들어 Molka Danielsen 및 Chabada 출구 선택 및 참가자 모집 세컨드 라이프35의 기존 사용자 들을 사용 하 여 건물의 공간 지식 피난 행동을 조사. 저자는 몇 가지 설명 결과 제공 하는 동안 (예., 궤도의 시각화),이 연구 참가자 모집, 실험 제어, 그리고이 특정 한 경우 넘어 일반화와 함께 어려움을 했다. 더 최근에, Normoyle와 동료는 발견 세컨드 라이프와 실험실에서 참가자의 기존 사용자가 했다 피난 성능 및 출구 선택의 관점에서 비교 하 고 자기 알려 진된 존재와 컨트롤 좌절 다른 인터페이스36. 이러한 두 연구 결과 일부의 과제와 온라인에서 제공 하는 기회를 강조 하 고 실험실 실험. 온라인 연구는 훨씬 크고 동기 인구에서 잠재적인 참가자의 드로잉 할 수 있다. 그러나, 실험실 연구는 물리적 환경 및 잠재적인 주의 산만의 더 실험 제어에 대 한 수 있습니다. 또한, 온라인 연구 데이터 익명성 및 비밀 유지에 관한 몇 가지 윤리적 문제 포즈 수 있습니다.
네트워크로 연결 된 데스크톱 VR 실험실으로 ETH 취리히에 결정 과학 실험실 (DeSciL)는 경제 의사 결정과 전략적 통제 된 환경에서 상호 작용을 공부 하에 주로 사용 됩니다. 하드웨어, 실험실 자동화, 소프트웨어 및 다중 사용자 데스크톱 VR 설치를 지 원하는 소프트웨어는 DeSciL에서 기술 기반에 의하여 이루어져 있다. 마이크로소프트 윈도 10 기업 운영 체제, 제어 인터페이스와 함께 높은 성능을 데스크톱 컴퓨터를 포함 하는 하드웨어 (예., 마우스와 키보드, 조이스틱), 헤드폰, 그리고 눈 추적자 (자료 테이블). 모든 클라이언트 컴퓨터는 대학 네트워크와 동일한 네트워크 파일 공유에 초당 1 기가 비트의 이더넷 연결 됩니다. 거기에 보이는 지연 또는 지연 36 클라이언트가 연결 되어 있는 경우입니다. 초당 프레임 수는 지속적으로 100 이상입니다. 실험은 또한 관리 하 고 제어 실험실 자동화 소프트웨어 마이크로소프트 PowerShell (즉, PowerShell 원하는 상태 구성 및 PowerShell 원격)에 따라. 프로토콜의 모든 관련 된 단계는 PowerShell 스크립트를 Cmdlet 라는 프로그램 된 (예., 시작-컴퓨터, 컴퓨터 정지). 실험 하는 동안 이러한 스크립트를 실행할 수 있습니다 동시에 및 원격으로 모든 클라이언트 컴퓨터에. 실험실 자동화의이 유형은 컴퓨터 클라이언트의 동일한 상태를 보장 하 고 과학적 테스트 하는 동안 잠재적인 오류 및 복잡성 감소 연구원 반복적인 수동 작업을 수행 하는 데 하는 것을 않도록 합니다. 우리 통일 게임 엔진을 사용 하는 탐색 실험에 대 한 (< https://unity3d.com/>) 다중 사용자, 대화형 데스크톱 VR에 대 한 2D 및 3D 환경의 개발을 지원 하기 위해. 36 클라이언트 컴퓨터를 신뢰할 수 있는 서버 아키텍처를 통해 서버에 연결 됩니다. 모든 실험의 시작에 각 클라이언트는 서버에는 인스턴스화 요청을 보냅니다 하 고 서버에 연결 된 컴퓨터의 모든 사용자에 대 한 아바타를 인스턴스화 하 여 응답 합니다. 각 사용자의 아바타는 50도 시야와 함께 카메라를 했다. 실험을 통해 클라이언트에 보낼 사용자 ' 서버로 입력 서버 업데이트 모든 클라이언트의 움직임.
실제 실험실에서 각 컴퓨터는 3 개의 반 독립적인 객실 (그림 1) 내에서 별도 칸막이에 포함 됩니다. 실험실의 전반적인 크기는 170 m2 (150 m2 실험 룸과 20 m2 에 대 한 제어 실에 대 한)입니다. 이 객실은 오디오 및 비디오 녹음/녹화 장치를 갖추고 있습니다. 별도 인접 한 룸에서 실험 제어 됩니다 (즉., 지침을 제공 하 고 실험적인 프로그램을 시작 하 여). 이 제어 방에서 경험 또한 실제 및 가상 환경에서 참가자를 관찰할 수 있다. 취리히 대학에서 경제학과, 함께 DeSciL는 또한 h 루트37에 따라 구현 하는 연구 참가자, 대학 등록 센터를 유지 합니다.
유사한 시스템 문학38에서 설명 되었습니다는 DeSciL는 첫 번째 기능 실험실 탐색 및 우리의 지식에 군중 행동에 다중 사용자 데스크톱 VR 실험에 적합. 여기, 우리는 DeSciL에서 실험을 실시 하기 위한 프로토콜을 설명, 하나에서 현재 대표적인 결과 사회 탐색 행동에 연구 하 고 잠재력과이 시스템의 한계를 논의.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
여기에 설명 된 모든 방법은 제안 EK 2015-N-37의 일환으로 연구 윤리 위원회의 ETH 취리히 승인 되었습니다 있다.
1. 계획 된 실험 세션에 대 한 참가자를 모집 합니다.
- 특정 제약 조건 내에서 참가자를 샘플 (예., 나이, 성별, 학력) 참가자 모집 시스템을 사용 하 여.
- 채용 시스템에서 제공 하는 연락처 정보를 사용 하 여 무작위로 선택 된 참가자에 게 이메일 초대장을 보냅니다.
- 이 참가자는 온라인 시스템을 통해 등록을 기다립니다. 보다 더 많은 참가자 필요한 있는지 확인 하십시오 (예. 4, 36 명이 세션에 대 한 참가자를 초과 예약) 등록. Overbooked 참가자 수 있도록 보장해 경우 세션은 실행 가능한.
- 확인 이메일이 등록 된 참가자에 게 자동으로 전송 됩니다 확인 하십시오.
2. 실험 세션을 준비 합니다.
- 실험실 환경 준비.
- 채용 시스템에서 참가자 목록을 인쇄 합니다.
- 서버에는 DeSciL의 제어 실에서 조명 설정 하 고 필요한 참가자 수에 따라 테스트 객실 구성.
- 복사 실행 실험 프로그램 및 네트워크 드라이브에 해당 구성 파일. 이 실행 프로그램은 로컬 영역 네트워크를 통해 여러 컴퓨터 간에 클라이언트-서버 통신을 지원 하기 위해 단결 게임 엔진에 기반 하는 사용자 작성 소프트웨어 프레임 워크를 배포 합니다. 탐색 실험에 대 한 프레임 워크는 실험 기간 동안 클라이언트의 동작을 모니터링 하기 위한 새 눈 관찰자 서버 시스템을 제공 합니다.
- Windows 바탕 화면에 열려 PowerShell 통합 스크립팅 환경입니다. PowerShell 콘솔에서 컴퓨터 이름 배열을 지정 (예., $pool = "descil-w01", "descil-w02"...) 클라이언트 풀 개체를 만들려고. 다음 클라이언트 컴퓨터를 시작 하려면 시작-풀 $pool 및 레지스터 풀 $pool 클라이언트 컴퓨터에 서버를 연결할 입력 합니다.
- 프로그램을 실행 하기 전에 클라이언트 쪽에서 컴퓨터를 준비 합니다. 올바른 폴더 경로를 컴퓨터에 직접 Invoke 풀 {마운트-NetworkShare $path} 을 입력 합니다.
- 준비 기능을 실행 하는 서버에 (즉., 시작-GameServer)와 클라이언트 (즉., Invoke 풀 {시작-GameClient}). 함수의 매개 변수로 서버의 IP 주소를 지정 합니다.
- 성공적인 연결을 나타내는 서버 모니터 메시지를 기다립니다.
- 동의 형태와 각 칸막이에 펜을 배포 합니다. 동의 양식 연구에 대 한 정보가 포함 되어 있습니다 (예., 연구, 잠재적인 위험과 혜택의 실험의 목적), 실험, 및 법적 고 지에 대 한 연락처 정보.
- 셔플 카드 참가자의 좌석 배치를 표시 하는 좌석의 갑판.
- 참가자를 환영 합니다.
- 실험실 밖에 서 기다려야 참가자를 요구 하십시오. 5 분 전에 공식 시작 시간, 그들은 등록 된 참가자의 목록과 일치 되도록 참가자의 신원 문서를 확인 하십시오. 같은 시간에 참가자 들이 그들의 좌석 수를 나타내는 카드를 선택 하자. 참가자 들은 해당 칸막이 고 실험 시작을 기다리는 있다.
- 읽고 동의 양식에 서명 참가자에 대 일 분 정도 기다립니다. 실험을 수행 하기 전에 이러한 형태를 수집 합니다.
3. 실험 실시.
- 방송 실험 지침 마이크와 모든 참가자. 그들의 기본적인 규칙을 알려, 다른 참가자에 게 아무 통신 등 개인 전자 장치가 허용. 그들은 실험에 관한 질문이 있는 경우 그들의 손아귀를 참가자를 요구 하십시오.
- 인구 통계 질문을 제시 하 여 실험을 시작 (예., 성별 및 나이) 각 클라이언트에.
- 배포 참가자는 가상 환경을 통해 기동 하는 방법 가르치는 훈련 장면. 참가자 제어 인터페이스를 사용 하 여 문제가 있는 경우 (예. 마우스, 키보드), 그들을 지원 하기 위해 그들의 칸막이 쪽으로 도보. 모든 클라이언트에서 화면 캡처를 요청 하 여 참가자 들이 진행 모니터링을 계속 (즉., PowerShell 콘솔에 입력 하는 Get-스크린샷 ) 모든 참가자 훈련 세션 완료 될 때까지.
- 훈련 세션 후 실험의 테스트 단계를 시작 합니다. 서버 컴퓨터에 전경 인터페이스에서 참가자의 행동을 관찰 합니다. 그들은 자신의 아바타를 클릭 하 여 비정상적인 뭔가 하는 경우에 프로그램을 통해 참가자 들에 게 경고 메시지를 보냅니다. 그렇지 않으면, 하려고 하지 실험 기간 동안 참가자 들을 방해 합니다.
- 다음 장면을 로드 하 고 참가자 지침을 읽을 수 있도록 각 재판 전에 짧은 대기 기간 인지 확인 합니다.
4. 실험 마무리.
- PowerShell 콘솔에서 중지-GameClient 및 중지-GameServer 를 입력 하 여 서버와 클라이언트 프로그램을 닫습니다.
- 마이크를 통해 자신의 전화 번호를 호출할 때까지 앉아 남아 참가자를 요구 하십시오.
- 서버 컴퓨터에 있는 파일을 프로젝트 폴더에 "Score.txt"에서 참가자 들의 최종 점수를 추출 하 고 화폐 지불으로 그들의 점수를 변환.
- 한 번에 한 자리 숫자를 호출 하 고 리셉션 데스크에서 각 참가자를만 나. 참가자를 감사 하 고 그들에 게 해당 지불.
- 칸막이 검토 하 고 모든 나머지 펜 또는 형태 수집.
- 복사 하 고 향후 분석을 위해 외부 디스크를 서버에서 실험 데이터를 저장 합니다.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
각 시험에서 각 클라이언트에 대 한 실험 데이터는 DeSciL에서 일반적으로 포함 궤도, 타임 스탬프, 및 성능 측정 (예., 참가자는 특정 교차로에서 "올바른" 방향으로 설정 되어 있는지 여부). 대표적인 연구는 간단한 Y 자 모양의 가상 환경에서 (가상 아바타)와 인간 참가자의 군중에 대 한 경로 선택에 간판 복잡성의 효과 조사. 이 실험에서 28 참가자 (12 남녀 16; 나이 의미 = 22.5) 같은 목표 위치를 부여 했다 (즉., 게이트 번호)와 지도 사용 하 여 교차로에서 해당 경로 선택 하도록 요청 했다 ( 그림 2참조).
지도 복잡성 다양 이상 16 시험, 그리고 가설 이었죠 그 결정 하 고 정확도 더 복잡 한 지도 위해 더 높을 것 이다. 전반적으로 상대적으로 높은 것으로 결정 정확도 예상 하 고, 동안 참가자의 궤적 현실적인 사회적 신호를 전달 하는 에이전트의 도보 경로 정의 하 미래 실험에 사용할 수 있습니다 (즉., 믿을 움직임). 총 실험 시간 약 1 시간, 참가자 환영 (제어 인터페이스)에 대 한 훈련을 실시 하 고 Y 자 모양의 복도에서 테스트를 포함 하 여 이었다. 취득된 데이터는 표 1에 요약 되어 있습니다.
그림 3 은 각 시험에 대 한 최소 및 최대 완료 시간을 나타냅니다. 이러한 기술 통계는 재판 중 정체를 간접적으로 측정을 제공합니다. 취득된 데이터는 또한 가상 군중에 의해 생성 된 궤적의 시각화에 대 한 수 있습니다 ( 그림 4참조). 공간 통계는 다음 재판에 궤적에 변화를 분석 하 사용할 수 있습니다. 예를 들어 연구원은 참가자가 서로 따라 하는 얼마나 밀접 하 게 또는 얼마나 매끄럽게 참가자 특정 제어 인터페이스와 책략에 관심이 있을 수 있습니다.
그림 1: DeSciL 실험실의 사진. (a)는 컨트롤 룸 36 클라이언트 컴퓨터에서 트래픽을 수신 하 고 그들의 칸막이에 참가자를 모니터링 하는 서버를 포함 합니다. 이 룸 사운드 및 비전 테스트 룸에서 격리 될 수 있습니다. 참가자 들에 게 통신 마이크와 스피커 시스템을 통해 제공 됩니다. (b) 3 테스트 객실 36 칸막이 포함. (c) 각 칸막이는 데스크톱 컴퓨터, 모니터, 마우스 및 키보드 인터페이스, 헤드폰, 그리고 눈 추적 포함 되어 있습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
그림 2: Y 자 모양의 가상 환경의. (a) 서버에서에서 연구원은 교차로 쪽으로 이동 하는 참가자를 확인할 수 있습니다. (b)는 클라이언트에서 참가자 운동 하는 동안 가상 환경 및 다른 아바타 1 인칭 관점에서 볼 수 있습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
그림 3: 대표 16 실험 실험에서 결과. 최대 및 최소 시간은 각 재판에 목적지에 도달 하는 빠르고 느린 참가자에 필요한 시간입니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
그림 4: (a) 시험 1과 (b) 시험 16에서 참가자 궤적. x-축과 y 축을 나타냅니다 군중에서 아바타의 위치를. 시간을 나타내는 막대 색 재판 중 경과. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
| 시험 번호 | MapType | Accuracy(%) | 평균 시간/s |
| 1 | 간단한 | 100 | 42.01 |
| 2 | 복잡 한 | 96.4 | 40.51 |
| 3 | 간단한 | 100 | 39.15 |
| 4 | 복잡 한 | 100 | 38.66 |
| 5 | 복잡 한 | 100 | 38.52 |
| 6 | 복잡 한 | 100 | 38.87 |
| 7 | 간단한 | 100 | 38.43 |
| 8 | 복잡 한 | 100 | 38.26 |
| 9 | 간단한 | 100 | 37.43 |
| 10 | 간단한 | 100 | 38.44 |
| 11 | 복잡 한 | 100 | 37.08 |
| 12 | 복잡 한 | 100 | 36.8 |
| 13 | 간단한 | 100 | 37.67 |
| 14 | 복잡 한 | 100 | 36.52 |
| 15 | 간단한 | 100 | 36.83 |
| 16 | 간단한 | 100 | 37.88 |
표 1: 16 실험 실험에서 결과 대표. 결정 정확도 올바른 선택의 비율을 나타냅니다 (즉. 올바른 게이트 쪽으로 돌고,) 모든 참가자에. 결정 시간을 의미 하는 목적지에 도달 하는 데 필요한 평균 시간 (여부 또는 하지 수정) 모든 시험에.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
이 문서에서는, 우리까지 있는 다중 사용자 데스크톱 가상 현실 연구소를 설명 36 참가자 상호 작용 하 고 동시에 다양 한 가상 환경을 탐색할 수 있습니다. 실험 프로토콜 단계 연구의이 유형을 위한 필요 하 고 독특한 다중 사용자 시나리오를 자세히 설명합니다. 이러한 시나리오에 특정 한 고려 사항 포함 렌더링 및 제어 인터페이스 및 데이터와 함께 교육 용량 (두 서버 및 클라이언트 쪽), 네트워킹 출석, 겉보기 작은 실험 오류의 비용에서에서 참가자의 수 보안입니다. 참가자 overbooking 실험 세션에서 참가자의 정확한 수를 보장 하기 위해 필요 하다. 너무 몇 참가자 참석 하는 경우, 실패 한 실험 세션의 비용은 상대적으로 높다. 마찬가지로, 실험 오류 때 참가자의 데이터는 오류가 발생 했습니다, 또는 실험을 실시 하 여 소프트웨어 또는 하드웨어 오류 때문에 수 없습니다 하기 전에 오염 했다 실패 한 세션 발생할 수 있습니다. 예를 들어 네트워크를 통해 너무 많은 정보를 배포 하는 경우 다음 전체 시스템의 다시 시작 해야 합니다. 이것은 실험은 이미 시작 된 경우에 특히 문제 이다. 또한, 가상 탐색 실험에서 참가자 경험 및 필요 제어 인터페이스와 훈련 때문에 컨트롤이21 걷기 보다 덜 직관적인 컨트롤 상호 작용을 방해할 수 있습니다 공간 메모리 작업20. 책임 데이터 관리는 또한 많은 양의 데이터 세션 당 주어진 특히 중요 한 된다.
DeSciL에서 제공 하는 많은 기회가 있다, 적어도 3 개의 제한 남아 있다. 첫째, 현재 시스템은 최대 36 동시 참가자에 대 한 설정입니다. 큰 가상 군중에 실험 컴퓨터 제어 에이전트, 여러 이전 세션에서 인간 참가자의 흔적 또는 온라인 참가자를 포함 하 여의 기능을 필요할 수 있습니다. 둘째, 미래의 하드웨어 업그레이드 (예., 더 나은 그래픽 카드 및 더 나은 프로세서) 전통적인, 단일 사용자 시스템에 대 한 보다 훨씬 더 비싼 될 것입니다. 셋째, 더 유사한 제어 인터페이스와 다중 사용자 데스크톱 가상 현실 연구를 실시 수 없습니다 아직 진짜 걷는. 따라서, 운동에 대 한 연구와 참가자 간의 실제 상호 작용을 제한 됩니다.
이러한 제한에도 불구 하 고는 DeSciL 실제 연구, 단일 사용자 실험실 연구, 그리고 다중 사용자 온라인 연구의 몇 가지 이점을 제공합니다. 소프트웨어 자동화 연구팀은 그들의 필요에 관하여 실험 프로토콜에 맞게 능력을 제공 합니다. 현실 세계와 온라인 연구에 비해는 DeSciL 더 실험 제어에 대 한 수 있습니다. 예를 들어는 DeSciL에 실험 환경의 체계적인 변이 사용 하 고 가상 및 물리적 세계에 있는 참가자의 직접 관찰을 제공 수 있습니다. 컴퓨터 제어 에이전트와 단일 사용자 데스크톱 가상 현실 연구에 비해, 참가자에서 서로 상호 작용 수 실시간, 가상 군중의 긴급 행동은 실험의 편견에 덜 의존 하 고. VR에서 에이전트 컴퓨터 제어는 종종 스크립트 작업에 의존 하 고 실시간으로 사용자의 움직임에 적응 하지 않습니다. 반면, 네트워크로 연결 된 데스크톱 VR 어떤 인간 제어 아바타 영향에 더 많은 생태 컨텍스트를 제공 합니다 (그리고 영향을 받는) 각각 다른 움직임. 또한,이 방법은 이동 매개 변수를 알릴 수 있습니다 (예., 걷는 속도 hesitations) 군중 연구에서 미래의 에이전트 기반 모델 (예., 피난 시나리오39). 일반적으로, 다중 사용자 데스크톱 가상 현실 연구 공간 행동의 더 정확한 측정 및 이전에 간과 되었을 수 있습니다 패턴의 검출에 대 한 수 있습니다.
최근에 DeSciL는 성공적으로 고용 의사40,41 및 탐색 연구3,21의 시리즈에서. 예를 들어 Moussaid와 동료는 피난3동안 군중 행동에 스트레스의 효과 연구 하기 위해 다중 사용자 데스크톱 VR 설치 사용. 이 연구에서 "올바른" 출구 다양 재판에서 재판 하 고 참가자의 비율만 올바른 출구의 통보 했다. 결과 표시는 스트레스 참가자 보다 효율적인 피난, 아니라이 찾는 충돌 구현 했다 하는 방식에 기인 될 수 있습니다. 또한, 참가자 스트레스, 다른 아바타를 따라 직접 물리적 상호 작용의 부족에도 불구 하 고 참가자 중 사회적 신호 전달 했다 제안 있었습니다. 이러한 결과 컴퓨터 제어 에이전트와 단일 사용자 VR에 비해 다중 사용자 VR의 장점을 강조. 미래 연구는 인수 중 온라인 또는 실험실, 더 복잡 한 환경 변화와 눈 추적자 등 주변 장치 또는 생리 적 장치를 추가 하는 다중 사용자 데이터의 비교를 포함 됩니다. 이러한 발전의 복잡 한 행동 데이터42종류의 컬렉션에 대 한 수 있습니다. 예를 들어, 낮은-비용 눈 추적자 참가자의 관심을 모니터링 하거나 덜 화면에 대 한 관심의 영역을 찾아내는 통합할 수 있습니다.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
저자는 공개 없다.
Acknowledgments
대표적인 연구 그랜트 "Wayfinding에서 사회 환경" (No. 100014_162428)의 일환으로 스위스 국립 과학 재단에 의해 투자 되었다. 통찰력이 토론 M. Moussaid 감사 하겠습니다. 우리는 또한 소프트웨어 개발 하는 동안 그들의 작품에 대 한 C. 빌헬름, F. 탈 러, H. Abdelrahman, S. Madjiheurem, A. 인골드, 그리고 A. Grossrieder를 감사 드립니다.
Materials
| Name | Company | Catalog Number | Comments |
| PC | Lenovo | IdeaCentre AIO 700 | 24’’ screen, 16 GB RAM, and SSDs. CPU: Intel core i7. GPU:NVidia GeForce GTX 950A |
| Keyboard | Lenovo | LXH-EKB-10YA | |
| Mouse | Lenovo | SM-8825 | |
| Eye tracker | Tobii Technology | Tobii EyeX | Data rate: 60 Hz. Tracking screen size: Up to 27″ |
| Communication audio system | Biamp Systems | Networked paging station - 1 | Ethernet:100BaseTX |
References
- Waller, D., Nadel, L. Handbook of Spatial Cognition. , American Psychological Association. Washington D.C. (2013).
- Denis, M. Space and Spatial Cognition: A Multidisciplinary Perspective. , Routledge. Abingdon, Oxon. (2017).
- Moussaïd, M., Kapadia, M., Thrash, T., Sumner, R. W., Gross, M., Helbing, D., Hölscher, C. Crowd behaviour during high-stress evacuations in an immersive virtual environment. Journal of the Royal Society Interface. 13 (122), 20160414 (2016).
- 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).
- Loomis, J. M., Blascovich, J. J., Beall, A. C. Immersive virtual environment technology as a basic research tool in psychology. Behavior Research Methods, Instruments, & Computers. 31 (4), 557-564 (1999).
- Brooks, F. P. What's Real About Virtual Reality? Proceedings IEEE Virtual Reality. , Cat. No. 99CB36316 (1999).
- Moorthy, K., Munz, Y., Jiwanji, M., Bann, S., Chang, A., Darzi, A. Validity and reliability of a virtual reality upper gastrointestinal simulator and cross validation using structured assessment of individual performance with video playback. Surgical Endoscopy and Other Interventional Techniques. 18 (2), 328-333 (2004).
- 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. 40 (3), 669-682 (2014).
- Schinazi, V. R., Nardi, D., Newcombe, N. S., Shipley, T. F., Epstein, R. A. Hippocampal size predicts rapid learning of a cognitive map in humans. Hippocampus. 23 (6), 515-528 (2013).
- Ruddle, R. A., Payne, S. J., Jones, D. M. Navigating Large-Scale "Desk- Top" Virtual Buildings: Effects of orientation aids and familiarity. Presence. 7 (2), 179-192 (1998).
- Riva, G.
- Ruse, S. A., et al. Development of a Virtual Reality Assessment of Everyday Living Skills. Journal of Visualized Experiments. (86), 1-8 (2014).
- Ploydanai, K., van den Puttelaar, J., van Herpen, E., van Trijp, H. Using a Virtual Store As a Research Tool to Investigate Consumer In-store Behavior. Journal of Visualized Experiments. (125), 1-15 (2017).
- Satava, R. M. Virtual reality surgical simulator - The first steps. Surgical Endoscopy. 7 (3), 203-205 (1993).
- Stanney, K. M., Hale, K. S. Handbook of virtual environments: Design, implementation, and applications. , CRC Press. 811-834 (2014).
- Ryu, J., Kim, G. J. Using a vibro-tactile display for enhanced collision perception and presence. Proceedings of the ACM symposium on Virtual reality software and technology VRST 04. , 89 (2004).
- Louison, C., Ferlay, F., Mestre, D. R. Spatialized vibrotactile feedback contributes to goal-directed movements in cluttered virtual environments. 2017 IEEE Symposium on 3D User Interfaces (3DUI). , 99-102 (2017).
- Knierim, P., et al. Tactile Drones - Providing Immersive Tactile Feedback in Virtual Reality through Quadcopters. Proceedings of the 2017 CHI Conference Extended Abstracts on Human Factors in Computing Systems - CHI EA '17. , 433-436 (2017).
- Serafin, S., Nordahl, R., De Götzen, A., Erkut, C., Geronazzo, M., Avanzini, F. Sonic interaction in virtual environments. 2015 IEEE 2nd VR Workshop on Sonic Interactions for Virtual Environments (SIVE). , 1-2 (2015).
- 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), (2017).
- Thrash, T., Kapadia, M., Moussaid, M., Wilhelm, C., Helbing, D., Sumner, R. W., Hölscher, C. Evaluation of control interfaces for desktop virtual environments. Presence. 24 (4), (2015).
- Ruddle, R. A., Volkova, E., Bülthoff, H. H. Learning to walk in virtual reality. ACM Transactions on Applied Perception. 10 (2), 1-17 (2013).
- Moussaïd, M., Perozo, N., Garnier, S., Helbing, D., Theraulaz, G. The walking behaviour of pedestrian social groups and its Impact on crowd dynamics. PLoS One. 5 (4), e10047 (2010).
- Bode, N. W. F., Franks, D. W., Wood, A. J., Piercy, J. J. B., Croft, D. P., Codling, E. A. Distinguishing Social from Nonsocial Navigation in Moving Animal Groups. The American Naturalist. 179 (5), 621-632 (2012).
- Kinateder, M., et al. Social influence on route choice in a virtual reality tunnel fire. Transportation Research Part F: Traffic Psychology and Behaviour. 26, 116-125 (2014).
- Drury, J., et al. Cooperation versus competition in a mass emergency evacuation: A new laboratory simulation and a new theoretical model. Behavior Research Methods. 41 (3), 957-970 (2009).
- Helbing, D., Buzna, L., Johansson, A., Werner, T. Self-Organized Pedestrian Crowd Dynamics: Experiments, Simulations, and Design Solutions. Transportation Science. 39 (1), 1-24 (2005).
- Moussaïd, M., Helbing, D., Theraulaz, G. How simple rules determine pedestrian behavior and crowd disasters. Proceedings of the National Academy of Sciences of the United States of America. 108 (17), 6884-6888 (2011).
- Singh, S., Kapadia, M., Faloutsos, P., Reinman, G. An open framework for developing, evaluating, and sharing steering algorithms. International Workshop on Motion in Games. , Springer. Berlin, Heidelberg. 158-169 (2009).
- Singh, S., Kapadia, M., Hewlett, B., Reinman, G., Faloutsos, P. A modular framework for adaptive agent-based steering. Symposium on Interactive 3D Graphics and Games. , ACM. (2011).
- Bode, N., Codling, E. Human exit route choice in virtual crowd evacuations. Animal Behaviour. 86, 347-358 (2013).
- Bode, N. W. F., Kemloh Wagoum, A. U., Codling, E. A. Human responses to multiple sources of directional information in virtual crowd evacuations. Journal of the Royal Society Interface. 11 (91), 20130904 (2014).
- Pandzic, I. S., Capin, T., Lee, E., Thalmann, N. M., Thalmann, D. A flexible architecture for virtual humans in networked collaborative virtual environments. Computer Graphics Forum. 16, Blackwell Publishers Ltd. (1997).
- Joslin, C., Pandzic, I. S., Thalmann, N. M. Trends in networked collaborative virtual environments. Computer Communications. 26 (5), 430-437 (2003).
- Molka-Danielsen, J., Chabada, M. Application of the 3D multi user virtual environment of Second Life to emergency evacuation simulation. System Sciences (HICSS), 2010 43rd Hawaii International Conference. , IEEE. 1-9 (2010).
- Normoyle, A., Drake, J., Safonova, A. Egress online: Towards leveraging massively, multiplayer environments for evacuation studies. , Tech Reports No MS-CIS-12-15 (2012).
- Bock, O., Baetge, I., Nicklisch, A. hroot: Hamburg registration and organization online tool. European Economic Review. 71, 117-120 (2014).
- Tanvir Ahmed, D., Shirmohammadi, S., Oliveira, J., Bonney, J. Supporting large-scale networked virtual environments. Virtual Environments, Human-Computer Interfaces and Measurement Systems, 2007. IEEE Symposium. , 150-154 (2007).
- Cipresso, P., Bessi, A., Colombo, D., Pedroli, E., Riva, G. Computational psychometrics for modeling system dynamics during stressful disasters. Frontiers in Psychology. 8, 1-6 (2017).
- Bernold, E., Gsottbauer, E., Ackermann, K., Murphy, R. Social framing and cooperation: The roles and interaction of preferences and beliefs. , 1-26 (2015).
- Balietti, S., Goldstone, R. L., Helbing, D. Peer review and competition in the Art Exhibition Game. Proceedings of the National Academy of Sciences of the United States of America. 113 (30), 8414-8419 (2016).
- Gomez-Marin, A., Paton, J. J., Kampff, A. R., Costa, R. M., Mainen, Z. F. Big behavioral data: Psychology, ethology and the foundations of neuroscience. Nature Neuroscience. 17 (11), 1455-1462 (2014).
