Summary
Detta dokument beskriver en metod för att genomföra flera användare experiment på beslutsfattande och navigering med hjälp av en nätverksansluten datorlaboratoriet.
Abstract
Undersöka samspel mellan flera deltagare är en utmaning för forskare från olika discipliner, inklusive beslut vetenskaper och spatial kognition. Med ett lokalt nätverk och dedikerad programvaruplattform, kan praktiker effektivt övervaka beteendet hos deltagarna som samtidigt är nedsänkta i en virtuell Skrivbordsmiljö och digitalisera insamlade data. Dessa funktioner kan för experimentell design i spatial kognition och navigering forskning som skulle vara svårt (om inte omöjligt) att genomföra i verkligheten. Möjliga experimentell variationer inkluderar stress under en evakuering, kooperativa och konkurrenskraftiga Sök uppgifter och andra kontextuella faktorer som kan påverka framväxande publiken beteende. Ett sådant laboratorium kräver dock underhåll och strikta protokoll för insamling av data i en kontrollerad miljö. Medan den externa giltigheten av laboratoriestudier med mänskliga deltagare ifrågasätts ibland, föreslår ett antal senaste tidningar att korrespondensen mellan verkliga och virtuella miljöer kan vara tillräcklig för att studera sociala beteende i termer av banor, tveksamheter och rumsliga beslut. I den här artikeln beskriver vi en metod för att utföra experiment på beslutsfattande och navigering med upp till 36 deltagare i en nätverksansluten stationära virtuell verklighet setup (dvs., de beslut Science Laboratory eller DeSciL). Detta experiment protokoll kan anpassas och användas av andra forskare för att inrätta ett nätverk stationära virtuell verklighet laboratorium.
Introduction
Forskning på spatial kognition och navigering vanligtvis studerar rumslig beslutsfattandet (t.ex., vrida vänster eller höger i en korsning) och mentala representation av individer i verkliga och virtuella miljöer1,2. Fördelarna med virtual reality (VR) är förebyggande av etik-och säkerhet (t.ex., under en farlig evakuering3), automatisk mätning och analys av geografiska data4och en balanserad kombination av inre och extern validitet5,6,7. Exempelvis utökat Weisberg och kollegor tidigare forskning om individuella skillnader i rumsliga kunskapsinhämtning genom att påvisa att rumsliga uppgifter i VR kan ge ett objektivt beteende mått på spatial förmåga8. Denna studie föreslog också att beteendet navigering i VR efterliknar verkliga navigering eftersom den virtuella miljön var modellerad efter universitetsområdet används av Schinazi och kollegor9 (se även studiet av Ruddle och kollegor 10). VR har också tillämpats på psykoterapi11, klinisk bedömning12, konsumenternas beteende13och kirurgi14,15. Men de flesta VR system saknar proprioceptiva och audio feedback som kan förbättra närvaro och nedsänkning16,17,18,19, kräver utbildning med styrgränssnittet20 ,21,22, och brist på sociala signaler. Faktiskt, människor i den verkliga världen flyttar ofta i grupper23, undvika eller följa andra personer3,24, och fatta beslut baserat på socialt sammanhang25,26.
Samtidigt, på publiken beteende ofta forskar om emergenta egenskaper hos folkmassorna (t.ex., lane formation, trängsel på flaskhalsar) som simuleras på en dator eller observerats i den verkliga världen. Till exempel Helbing och kollegor använde en kombination av verkliga observationer och datorsimuleringar för att föreslå förbättringar av trafikflödet i en korsning genom att separera inflöde och utflöde med fysiska barriärer och placera ett hinder i den centrera27. Moussaïd och kollegor använde en heuristik-baserad modell för att studera högdensitets situationer under en folkmassa katastrof28. Detta tillvägagångssätt föreslog förbättringar till en miljömässig inställning för massa händelser för att undvika folkmassa katastrofer. Med hjälp av en befintlig öppen källkod ram, kan genomförandet av dessa simuleringar vara relativt lätt. SteerSuite är ett open source ramverk som tillåter användare att simulera styrning algoritmer och publiken beteende enkelt genom att tillhandahålla verktyg för att underlätta, benchmarking och testning29. Denna ram kan ge kärnan i en agents navigering motivering, vilket är avgörande för framgångsrik publiken simulering. Dessutom visat Singh och kollegor en enda plattform som kombinerar en mängd styrning tekniker30. Medan forskare kan föreslå design interventioner med hjälp av dessa simuleringar, valideras de sällan med mänskliga deltagare i en kontrollerad miljö. Kontrollerade experiment är sällsynta i publiken forskning eftersom de kan vara svårt att organisera och farligt till deltagarna.
VR har använts för att undersöka sociala beteende med hjälp av enkla och komplexa virtuella miljöer med en eller flera datorsimulerad agenter. I studien av Bode och kollegor31,32ombads deltagarna att evakuera en enkel virtuell miljö från ett top-down perspektiv bland flera agenter och fann att avsluta val har påverkats av statiska skyltar och motivation. Presentera deltagarna med en mer komplex miljö ur ett första-person perspektiv, fann Kinateder och kollegor att deltagarna var mer benägna att följa datorsimulerad monoterapi under flykten från en virtuell tunnel brand25. I en komplex virtuell miljö med flera agenter fann Drury och kollegor att deltagarna tenderade att bistå en fallna agent under en evakuering när de identifieras med den publik26. Sammantaget tyder dessa fynd att VR kan vara ett effektivt sätt att framkalla sociala beteenden, även med datorsimulerade agenter. Vissa publiken beteenden kan dock endast observeras när det finns en realistisk social signal (dvs., när deltagarna känner att andra avatarer styrs av människor3). För att lösa denna brist, beskriver protokolls en metod för att genomföra kontrollerade experiment med flera användare i en nätverksansluten VR-setup. Detta tillvägagångssätt har varit anställd i en färsk studie av Moussaid och kollegor för att undersöka beteendet evakuering av 36 nätverksanslutna deltagare3.
Forskning på nätverksanslutna VR har fokuserat på ämnen utan samband med navigering strategier33,34 eller förlitat sig på befintliga online gaming plattformar såsom Second Life. Till exempel undersökt Molka-Danielsen och Chabada evakuering beteende när det gäller exit val och rumslig kunskap om byggnaden med deltagarna rekryterats bland befintliga användare av Second Life35. Medan författarna ge några beskrivande resultat (t.ex., visualiseringar av banor), denna studie hade svårigheter med deltagare rekrytering, experimentell kontroll och generalisering bortom detta specifika fall. Mer nyligen, Normoyle och kollegor fann att befintliga användare av Second Life och deltagare i ett laboratorium var jämförbara när det gäller evakuering prestanda och avsluta val och olika vad gäller självrapporterad närvaro och frustration med kontroll gränssnitt36. Resultaten från dessa två studier belysa några av de utmaningar och möjligheter som online och laboratorium experiment. Online studier klarar av ritning från en mycket större och motiverade befolkningen av potentiella deltagare. Laboratoriestudier tillåter dock för mer experimentell kontroll av den fysiska miljön och potentiella distraktioner. Dessutom kan online studier innebära vissa etiska betänkligheter angående data anonymitet och konfidentialitet.
Som en nätverksansluten desktop VR laboratorium används främst de beslut Science Laboratory (DeSciL) vid ETH Zürich att studera ekonomiska beslutsfattande och strategisk interaktion i en kontrollerad miljö. Den tekniska infrastrukturen på DeSciL består av hårdvara, programvara för laboratorieautomation och programvara som stöder flera användare skrivbordet VR setup. Hårdvaran inkluderar högpresterande stationära datorer med operativsystemet Microsoft Windows 10 Enterprise, kontroll gränssnitt (t.ex., mus och tangentbord, joysticks), hörlurar och eye trackers (Tabell för material). Alla klientdatorerna är anslutna med Ethernet en gigabit per sekund till universitetets nätverk och samma nätverksfilresursen. Det finns ingen synlig försening eller fördröjning när det finns 36 klienter som är anslutna. Antalet ramar per sekund är konsekvent över 100. Experimenten också hanteras och kontrolleras med laboratory automationsprogramvara baserat på Microsoft PowerShell (dvsPowerShell Desired State Configuration och PowerShell Remoting). Alla relevanta steg i protokollet är förprogrammerade med PowerShell-skript som kallas Cmdlets (t.ex., Start-dator, Stop-dator). Under experimentet, kan dessa skript köras samtidigt och distans på alla klientdatorer. Denna typ av laboratorieautomation säkerställer en identisk delstaten klienten datorer minskar potentiella fel och komplexitet under vetenskapliga tester och förhindrar forskare från att behöva utföra repetitiva manuella uppgifter. För navigering experiment, vi använder spelmotorn Unity (< https://unity3d.com/>) för att stödja utvecklingen av 2D- och 3D-miljöer för flera användare, interaktiva skrivbordet VR. 36 klientdatorerna är anslutna till en server via en auktoritär serverarkitektur. I början av varje experiment, varje klient skickar en instansiering begäran till servern och servern svarar med att instansiera en avatar för denna användare på alla anslutna maskiner. Varje användares avatar har en kamera med en 50 grader synfält. Hela experimentet, klienterna skickar användaren ' ingång till servern, och servern uppdateras rörligheten för alla klienter.
I fysiska laboratorium, är varje dator som ingår i ett separat skåp inom tre semi-oberoende rum (figur 1). Den totala storleken på laboratoriet är 170 m2 (150 m2 för experiment rum och 20 m2 för kontrollrummet). Dessa rum är utrustade med ljud och video inspelningsenheter. Experiment styrs från en separat angränsande rum (dvs., genom att ge instruktioner och initiera det experimentellt programmet). Från denna kontrollrummet, kan praktiker också följa deltagarna i både fysiska och virtuella miljöer. Tillsammans med Institutionen för nationalekonomi vid universitetet i Zürich bibehåller DeSciL också stadens universitet registrering för studiedeltagare, som genomfördes baserat på h-root37.
Även om liknande system har beskrivits i litteraturen38, är DeSciL den första funktionella laboratorium som lämpar sig för flera användare desktop VR experiment på navigation och publiken beteende till vår kunskap. Här beskriver vi protokollet för att genomföra ett experiment i DeSciL, nuvarande representativa resultat från en studie om social navigering beteende och diskutera möjligheter och begränsningar av detta system.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Alla metoderna som beskrivs här har godkänts av forskning etiska kommittén av ETH Zürich som en del av förslaget EK 2015-N-37.
1. rekrytera deltagare för den planera experimentella sessionen.
- Prova deltagarna inom särskilda begränsningar (t.ex., ålder, kön, utbildningsbakgrund) använder deltagare rekryteringssystemet.
- Skicka inbjudningar via e-post till slumpmässigt utvalda deltagarna med hjälp av kontaktinformationen genom rekryteringssystemet.
- Vänta tills dessa deltagare att registrera via online-systemet. Kontrollera att fler deltagare än obligatoriska (t.ex., 4 överbokat deltagare för en session som kräver 36 personer) registrera. Överbokade deltagare att säkerställa att en session är livskraftig i händelse av utebliven ankomst.
- Se till att ett bekräftelsemail skickas till registrerade deltagare automatiskt.
2. Förbered den experimentella sessionen.
- Förbereda laboratoriemiljö.
- Skriva ut listan med deltagare från rekryteringssystemet.
- Slå på servern och lamporna i kontrollrummet av DeSciL och organisera tester rummen enligt antalet krävs för deltagare.
- Kopiera körbara experimentera programmet och dess motsvarande konfigurationsfiler på nätverksenheten. Detta körbara program distribuerar en custom skrivna programvara ram baserat på spelmotorn Unity att stödja klient-server-kommunikation mellan olika datorer via ett lokalt nätverk. För navigering experiment ger ramen ett fågel-öga observatör serversystem för övervakning av klientens beteenden under experimentet.
- Öppna PowerShell Integrated Scripting miljön på skrivbordet i Windows. I PowerShell-konsolen anger en matris med datornamn (t.ex., $pool = ”descil-w01”, ”descil-w02”...) att skapa en pool klientobjekt. Nästa, Skriv Start-Pool $pool att starta klientdatorerna och Register-Pool $pool att ansluta servern till klientdatorerna.
- Förbereda datorer på klientsidan innan du startar programmet. Skriv Invoke-Pool {Mount-NetworkShare $path} direkt datorer att ange rätt mappsökvägen.
- Köra de förberedda funktionerna på servern (dvs., Start-GameServer) och på klienter (dvs., Invoke-Pool {Start-GameClient}). Ange IP-adressen till servern som parametern för funktionen.
- Vänta tills ett meddelande på serverns monitor som anger en lyckad anslutning.
- Distribuera samtycke former och pennor i varje skåp. Samtycke former innehåller information om studien (t.ex., syftet med studien, potentiella risker och fördelar av experiment), kontaktinformation för försöksledaren, och en friskrivningsklausul.
- Blanda kortleken om sittplatser kort som indikerar sittplatserna av deltagarna.
- Välkommen deltagarna.
- Be deltagarna att vänta utanför laboratoriet. 5 min innan officiellt starttid, kontrollera deltagarnas identitetshandlingar så att de överensstämmer i listan över registrerade deltagare. Samtidigt, låt deltagarna plocka ett kort som anger deras stolsnummer. Har deltagarna gå till den motsvarande elskåpet och vänta för experimentet att börja.
- Vänta några minuter för deltagarna att Läs och signera formulären samtycke. Samla dessa former innan du utför experimentet.
3. genomföra experimentet.
- Sänder instruktionerna experiment med mikrofonen till alla deltagare. Informera dem om de grundläggande reglerna, inklusive ingen kommunikation till andra deltagare och inga personliga elektroniska apparater tillåtna. Be deltagarna att höja sina händer om de har några frågor angående experimentet.
- Påbörja experimentet genom att presentera demografiska frågeformuläret (t.ex., kön och ålder) på varje klient.
- Distribuera utbildning scenen för att lära deltagarna att manövrera genom den virtuella miljön. Om deltagarna har problem i kontroll-gränssnittet (t.ex., mus och tangentbord), gå mot sina skåp för att hjälpa dem. Hålla övervaka deltagarnas framsteg genom att begära skärmdumpar från alla klienter (dvs., skriver Get-skärmdumpar på PowerShell-konsolen) tills alla deltagare har avslutat träningspasset.
- Efter träningspasset, börja testfasen av experimentet. Observera deltagarnas beteenden från fågelperspektiv gränssnittet på serverdatorn. Skicka varningsmeddelanden till deltagarna via programmet om de gör något onormalt genom att klicka på sin avatar. Annars, inte försöka störa deltagarna under experimentet.
- Se till att det finns en kort väntetid innan varje rättegång för lastning nästa scen och tillåter deltagarna att läsa instruktionerna.
4. slutföra experimentet.
- Stäng programmet server och klient genom att skriva Stopp-GameClient och Stop-GameServer i PowerShell-konsolen.
- Be deltagarna att förbli sittande tills deras antal kallas över mikrofonen.
- Extrahera deltagarnas slutliga poängen från filen ”Score.txt” i projektmappen på serverdatorn och omvandla sina poäng till en monetär betalning.
- Ring cubicle siffrorna en i taget och möta varje deltagare i receptionen. Tackar deltagarna och ge dem en motsvarande betalning.
- Undersöka bås och samla alla återstående pennor eller former.
- Kopiera och spara experiment data från servern till en extern disk för framtida analys.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
För varje klient för varje försök, experiment data från DeSciL vanligtvis inkluderar banor, tidsstämplar och mått av prestanda (t.ex., om deltagaren i ”rätt” riktning i en viss korsning). En representativ studie undersöktes effekterna av skyltning komplexitet på vägvalet för en publik av mänskliga deltagare (med virtuella avatarer) i en enkel Y-formad virtuell miljö. I detta experiment, 28 deltagare (12 kvinnor och 16 män; medelålder = 22,5) gavs samma mål plats (dvs., gate nummer) och ombads att välja alternativet motsvarande rutt vid korsningen med hjälp av en karta (se figur 2).
Karta komplexiteten varierade över 16 prövningar, och hypotesen var att de beslutstid och noggrannhet skulle vara högre för kartor som är mer komplexa. Vi förväntar oss beslut noggrannhet vara relativt hög övergripande, deltagarnas banor kan användas i framtida experiment för att definiera promenadvägar av agenter som förmedla en realistisk social signal (dvs., trovärdig rörelser). Den totala experiment tid var cirka 1 h, inklusive välkomnande deltagarna, bedriva träningspasset (för styrgränssnittet) och provning i Y-formad korridor. De erhållna uppgifterna sammanfattas i tabell 1.
Figur 3 anger lägsta och högsta avslutad tider för varje prövning. Dessa beskrivande statistik ger ett indirekt mått på trafikstockningar under rättegången. De erhållna uppgifterna också möjliggör visualisering av banor som genereras av den virtuella publiken (se figur 4). Geografisk statistik kan sedan användas för att analysera förändringar i banor över prövningar. Forskarna kan exempelvis vara intresserad av hur nära deltagarna följt varandra eller hur smidigt deltagarna manövrera med viss kontroll gränssnitt.
Figur 1: fotografier av laboratoriet som DeSciL. (a) kontrollrummet innehåller servern som tar emot trafik från 36 klientdatorerna och övervakar deltagarna i deras bås. Detta rum kan isoleras från testning rum när det gäller ljud och bild. Meddelande till deltagare tillhandahålls via mikrofon och högtalare system. (b) tre tester rummen innehåller 36 bås. (c) varje skåp innehåller en stationär dator, bildskärm, en mus och ett tangentbord gränssnitt, hörlurar och en eye-tracker. Klicka här för att se en större version av denna siffra.
Figur 2: utsikt över den Y-formade virtuella miljön. (a) från servern, kan forskarna följa deltagarna rör sig mot korsningen. (b) från klienterna, kan deltagarna Visa den virtuella miljön och andra avatarer från en första-person perspektiv under rörelse. Klicka här för att se en större version av denna siffra.
Figur 3: representativa resultat från 16 experimentella prövningar. De högsta och lägsta tiderna är de tider som krävs av snabbast och långsammast deltagarna att nå destinationen för varje försök. Klicka här för att se en större version av denna siffra.
Figur 4: deltagare banor från a prov 1 och (b) rättegång 16. De x - och y - axeln representerar platser av avatarer i publiken. Färgen bar representerar tid förflutit under rättegången. Klicka här för att se en större version av denna siffra.
| Prov nummer | MapType | Accuracy(%) | Genomsnittlig tid/s |
| 1 | Enkla | 100 | 42.01 |
| 2 | Komplex | 96,4 | 40.51 |
| 3 | Enkla | 100 | 39,15 |
| 4 | Komplex | 100 | 38.66 |
| 5 | Komplex | 100 | 38.52 |
| 6 | Komplex | 100 | 38,87 |
| 7 | Enkla | 100 | 38.43 |
| 8 | Komplex | 100 | 38,26 |
| 9 | Enkla | 100 | 37,43 |
| 10 | Enkla | 100 | 38.44 |
| 11 | Komplex | 100 | 37.08 |
| 12 | Komplex | 100 | 36,8 |
| 13 | Enkla | 100 | 37.67 |
| 14 | Komplex | 100 | 36,52 |
| 15 | Enkla | 100 | 36.83 |
| 16 | Enkla | 100 | 37.88 |
Tabell 1: representativa resultat från 16 experimentella prövningar. Beslut noggrannhet representerar procentandelen av rätt val (dvs., slå mot rätt grinden) över alla deltagare. Menar att beslutet är den genomsnittliga tid krävs för att nå destinationen (om rätta eller inte) över alla prövningar.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
I den här artikeln beskrev vi ett fleranvändarsystem stationära virtuell verklighet laboratorium där upp till 36 deltagare kan interagera och samtidigt gå igenom olika virtuella miljöer. Det experimentellt protokollet Detaljer stegen krävs för denna typ av forskning och unika fleranvändarsystem scenarier. Överväganden som är specifika till dessa scenarier omfattar antalet deltagare i närvaro, kostnaden för till synes små försöksledaren fel, rendering och nätverk kapacitet (både server - och klientsidan), utbildning med kontroll gränssnitt och data säkerhet. Överbokning deltagare är nödvändigt för att säkerställa ett exakt antal deltagare i en experimentell session. Om för få deltagare delta, då är kostnaden för en misslyckad experimentella session relativt hög. Likaså kan experimentella fel leda till en misslyckad session när antingen deltagarnas data var förorenade innan felet upptäcktes eller experimentet inte kan genomföras på grund av mjukvara eller hårdvara misslyckanden. Till exempel om för mycket information distribueras via nätverket, kan då en nystart av hela systemet vara nödvändiga. Detta är särskilt problematiskt om experimentet har redan börjat. Dessutom kräver deltagarna i virtuella navigering experiment erfarenhet eller utbildning med styrgränssnittet eftersom kontrollerna är mindre intuitivt än verklig promenader21 och samspelet med kontrollerna kan störa rumsliga minne uppgifter20. Ansvarig datahantering också blir särskilt viktigt med tanke på den stora mängden data som erhållits per session.
Medan det finns många möjligheter som DeSciL, kvar minst tre begränsningar. Först, det nuvarande systemet är setup för upp till 36 samtidiga deltagare. Experiment på större virtuella folkmassorna kräva datorstyrda ombud, spår av mänskliga deltagare från flera tidigare sessioner, eller kapacitet inklusive online deltagare. Andra, framtida maskinvaruuppgraderingar (t.ex., för bättre grafikkort och bättre processorer) kommer att bli mycket dyrare än för traditionella, fristående system. Tredje, flera användare desktop virtuell verklighet forskningen ännu inte kan genomföras med kontroll gränssnitt som mer liknar riktiga promenader. Forskning om förflyttning och de fysiska interaktioner bland deltagarna är således begränsad.
Trots dessa begränsningar erbjuder DeSciL flera fördelar jämfört med verkliga studier, enkel-förbrukaren laboratoriestudier och flera användare online studier. Programvara automatisering ger forskarna förmåga att anpassa det experimentellt protokollet med avseende på deras behov. Jämfört med både verkliga och online studier, möjliggör DeSciL mer experimentell kontroll. Till exempel behöva experiment i DeSciL anställa systematiska variationer av miljön och ge direkt observation av deltagarna i både virtuella och fysiska världar. Jämfört med fristående stationär virtuell verklighet studier med datorstyrda agenter, deltagarna kan interagera med varandra i realtid, och den virtuella publiken emergent beteende är mindre beroende av de experimenter's förutfattade meningar. Datorstyrda agenter i VR ofta lita på skript åtgärder och anpassar sig inte till användarnas rörelser i realtid. Däremot nätverksanslutna desktop VR ger ett mer ekologiska sammanhang i vilka användarkontrollerade avatarer påverkar (och påverkas av) varandras rörelser. Dessutom detta tillvägagångssätt kan informera rörelse parametrarna (t.ex., walking hastighet och tveksamheter) framtida agentbaserade modeller i publiken forskning (t.ex., för evakuering scenarier39). I allmänhet tillåter flera användare desktop virtuell verklighet studier för mer exakt mätning av rumsliga beteende och upptäckt av mönster som tidigare kan ha förbisetts.
Nyligen, DeSciL har lyckat använts i en rad beslutsfattande40,41 och navigering studier3,21. Exempelvis används Moussaid och kollegor flera användare desktop VR installationen för att studera effekten av stress på publiken beteende under en evakuering3. I denna studie, ”rätt” utgång varierade från rättegång till rättegången, och endast en del av deltagarna informerades om rätt utgång. Resultaten visade att deltagarna under stress ledde till en mer effektiv evakuering, men detta fynd kan hänföras till det sätt på vilket kollisioner var genomfört. Dessutom tenderade deltagarna att följa andra avatarer under stress, vilket tyder på att en social signal förmedlas bland deltagarna trots avsaknaden av direkt fysisk interaktion. Dessa resultat understryker fördelarna med flera användare VR jämfört med fristående VR med datorstyrda agenter. Framtida studier kommer att omfatta jämförelse av flera användare data förvärvas antingen online eller i laboratoriet, mer komplexa miljömässiga variationer och tillägg av kringutrustning som eye trackers eller fysiologiska enheter. Dessa framsteg kommer att möjliggöra insamling av olika typer av komplexa beteendedata42. Till exempel kan låg kostnad eye trackers införlivas för att övervaka deltagarnas uppmärksamhet eller upptäcka grovt intresseområden på skärmen.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Författarna har något att avslöja.
Acknowledgments
Representativa studien har finansierats av schweiziska National Science Foundation som del av bidraget ”vägvisare i sociala miljöer” (No. 100014_162428). Vi vill tacka M. Moussaid för insiktsfulla diskussioner. Vi vill också tacka C. Wilhelm, F. Thaler, H. Tussilagos, S. Madjiheurem, A. Ingold och A. Grossrieder för deras arbete under programvaruutvecklingen.
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).
