使用虚拟现实飞行模拟器评估飞行性能和眼球运动模式
2023年5月19日
构建了一种新的虚拟现实飞行模拟器，可以高效、低成本地评估飞行性能和眼球运动模式。它还为人体工程学和其他研究提供了一个高潜力的研究工具。
目前的研究开发了一种新的VR飞行模拟器，以在3D沉浸式场景中根据眼球运动和飞行表演者指标评估飞行员表演者。飞行模拟器平台除了成本低外，还具有高度的灵活性。它可以满足研究人员的多样化需求。
除了飞行员之外，该方法也可用于选择宇航员。首先安装飞行模拟器。将节流控制面板连接在一起，将它们视为一个单元。
通过 USB 将油门、操纵杆和踏板连接到飞行模拟器 PC 模块。然后，通过串流盒将头戴式显示器或头戴式显示器连接到飞行模拟器 PC 模块。通过 VR 软件将基站和虚拟现实或 VR 控制器连接到 HMD，PC.To 设置 VR 的仅站立游戏区，确保 HMD 已打开并连接到计算机。
将基站对角线放置，使头戴式显示器始终位于基站监控范围内，同时保持固定，以保持稳定的VR环境。然后根据电脑上VR软件提供的提示，设置一个仅限站立的游玩区。将调谐后的飞行控制模块和大屏幕显示器连接到与VR HMD相同的计算机上。
通过讲解交通模式和地图，并指导参与者如何使用VR飞行模拟器，向参与者介绍任务和模拟器操作。为每个参与者配备 VR 头戴式显示器，校准他们的眼球运动并调整设备高度、瞳距和注视点。接下来，打开屏幕录制软件并启动飞行模拟器进行飞行训练。
指导参与者如何使用他们的飞行踏板、操纵杆和油门尽可能接近飞行参考线。完成后，重置飞行油门和发动机开关按钮。然后停止录制。
要进行正式的飞行实验，请为参与者戴上 VR 头戴式显示器，然后启动 OBS 工作室开始录制屏幕。仪器AOI、空速、垂直速度、高度和发动机转速指示器的眼动数据显示，与新手相比，专家在空速指示器、高度指示器、垂直速度指示器和姿态指示器的眼动数据在平均值附近分布更均匀。专家飞行性能数据主要围绕总飞行时间、距参考线的平均距离、着陆前一秒的俯仰角以及与新手相比与参考线距离的标准差的平均值为中心。
校准每个参与者的眼力矩，并相应地调整设备高度、瞳距和注视点。
查看完整文字稿并访问数千部科学视频
概述
本研究介绍了一种新的虚拟现实飞行模拟器，旨在通过眼动和飞行指标在3D沉浸式环境中评估飞行员表现。该模拟器成本效益高且适应性强，可满足各种研究需求。
关键研究组成部分
科学领域
- 神经科学
- 人因工程学
- 虚拟现实技术
背景
- 现有的飞行模拟器可能昂贵且不灵活。
- 眼动模式对于评估飞行员表现至关重要。
- 虚拟现实提供的沉浸式体验可以增强培训和评估。
- 本研究旨在解决传统模拟器的局限性。
研究目的
- 开发低成本的VR飞行模拟器。
- 根据眼动和飞行指标评估飞行员表现。
- 为各个领域的研究人员提供多功能工具。
使用的方法
- 开发VR飞行模拟器平台。
- 集成眼动追踪技术。
- 实施3D沉浸式场景进行测试。
- 具有适应不同研究需求的灵活性。
主要结果
- 该模拟器有效评估飞行员表现。
- 眼动数据提供了飞行行为的洞察。
- 适用于研究应用的成本效益解决方案。
- 可能用于宇航员选拔过程。
结论
- VR飞行模拟器是一个有价值的研究工具。
- 它满足飞行员培训和评估的多样化需求。
- 未来应用可能扩展到航空领域之外的其他领域。
常见问题
Executive Industry Relevance
Quantitative evaluation of operator performance using VR-based simulators with integrated eye-tracking offers scalable, cost-effective solutions for high-stakes selection and training workflows. The ability to differentiate expertise through objective flight and gaze metrics supports predictive confidence in candidate assessment and protocol optimization. This approach enables data-driven decision-making at critical inflection points in talent selection and operational readiness pipelines.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Supports hypothesis-driven evaluation of cognitive and motor performance in complex simulated environments.
- Enables mechanistic de-risking by correlating behavioral outputs with physiological or neurological readouts.
- Facilitates objective differentiation of expertise, informing selection criteria for translational research models.
Screening & Assay Development
- Provides standardized, reproducible platforms for assessing operator-dependent variables in human factors research.
- Generates quantitative eye movement and performance data suitable for downstream analytics and benchmarking.
- Enables scalable screening of candidate populations for cognitive or psychomotor traits relevant to biopharma device usability studies.
Translational & Preclinical Research
- Aligns with translational biomarker strategies by linking behavioral metrics to underlying neurocognitive processes.
- Supports continuity from early discovery through preclinical validation in human-machine interface research.
- Reduces risk in advancing candidate technologies by providing predictive, quantitative endpoints.
Pipeline & Workflow Integration
This VR-based evaluation platform fits within early discovery and screening phases, supporting both hypothesis testing and quantitative assessment of operator performance for translational research and device development.
- Discovery Biology: Enables controlled testing of cognitive and behavioral hypotheses in immersive, reproducible settings.
- Screening: Delivers standardized, quantitative outputs for cross-population comparison and candidate triage.
- Analytics: Provides high-resolution eye movement and performance data for statistical analysis and decision support.
- Translational Research: Bridges discovery and preclinical validation by linking behavioral outputs to functional endpoints.
- Enterprise Reuse: Offers a flexible, low-cost platform adaptable to diverse research and development needs.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence in operator selection and protocol optimization.
- Operational Value: Enhances standardization, reproducibility, and scalability of human performance assessments.
- Strategic Value: Improves go/no-go decisions and reduces late-stage risk in device and protocol development.
- Portfolio Impact: Enables risk-adjusted prioritization of candidate technologies and workflows.
Implementation Considerations
- Requires expertise in VR system setup, eye-tracking calibration, and behavioral data analysis.
- Demands robust instrumentation and analytical infrastructure for high-fidelity data capture and processing.
- Necessitates cross-team standardization of protocols and data interpretation frameworks.
- May require adaptation for specific model systems or research populations.
- Limitations include reduced motion feedback compared to traditional simulators, as noted in the source.
