Summary
Dette papir beskriver en metode til at gennemføre multi-user eksperimenter på beslutningsprocessen og navigation ved hjælp af en netværksforbundet computer laboratorium.
Abstract
Undersøge interaktioner blandt flere deltagere er en udfordring for forskere fra forskellige discipliner, herunder beslutning videnskaber og fysisk erkendelse. Med en lokal område netværk og dedikerede softwareplatform, kan eksperimentatorer effektivt overvåge funktionen af de deltagere, der samtidig er nedsænket i et virtuelt miljø, desktop og digital de indsamlede data. Disse funktioner muliggør eksperimentelle design i rumlige kognition og navigation forskning, det ville være vanskeligt (hvis ikke umuligt) at gennemføre i den virkelige verden. Muligt experimental variationer omfatter stress under en evakuering, samarbejdsvillig og konkurrencedygtige Søg opgaver og andre kontekstuelle faktorer, der kan påvirke emergent crowd adfærd. Men sådan et laboratorium kræver vedligeholdelse og strenge protokoller for dataindsamling i kontrollerede omgivelser. Mens den eksterne validitet af laboratorieforsøg med menneskelige deltagere er undertiden udspurgt, tyder en række nyere artikler på, at korrespondancen mellem real og virtuelle miljøer kan være tilstrækkeligt til at studere social adfærd i baner, tøven og rumlige beslutninger. I denne artikel vil vi beskrive en metode til at gennemføre eksperimenter på beslutningsprocessen og navigation med op til 36 deltagere i en netværksforbundet desktop virtual reality setup (dvs., beslutning videnskab laboratorium eller DeSciL). Protokollens eksperimentet kan tilpasses og anvendes af andre forskere for at oprette et netværksbaseret desktop virtual reality-laboratorium.
Introduction
Forskning på rumlige kognition og navigation typisk studerer den rumlige beslutningstagning (fx., dreje til venstre eller højre i et vejkryds) og mental repræsentation af enkeltpersoner i virkelige og virtuelle miljøer1,2. Fordelene ved virtual reality (VR) omfatter forebyggelse af etiske og sikkerhedsspørgsmål (fx., under en farlig evakuering3), automatisk måling og analyse af geodata4og en afbalanceret kombination af interne og eksterne validitet5,6,7. For eksempel udvidet Weisberg og kolleger tidligere forskning på individuelle forskelle i geografisk viden erhvervelse ved at demonstrere at rumlige opgaver i VR kan give et objektivt adfærdsmæssige mål af rumlige evne8. Denne undersøgelse foreslog også, at navigation adfærd i VR tilnærmer virkelige verden navigation, fordi det virtuelle miljø var modelleret efter universitetscampus bruges af Schinazi og kolleger9 (Se også undersøgelse af Ruddle og kolleger 10). VR er også blevet anvendt til psykoterapi11, klinisk vurdering12, forbrugernes adfærd13og kirurgi14,15. Men de fleste VR systemer mangler proprioceptive og audio feedback, der kan forbedre tilstedeværelse og fordybelse16,17,18,19, kræver uddannelse med kontrol interface20 ,21,22, og mangel på sociale stikord. Faktisk folk i den virkelige verden ofte flytter i grupper23, undgå eller følge andre mennesker3,24, og træffe beslutninger baseret på social kontekst25,26.
På samme tid, forskning på crowd adfærd ofte fokuserer på emergente egenskaber af skarer (fx, lane dannelse, trængsel på flaskehalse), der simuleres på en computer eller observeret i den virkelige verden. For eksempel Helbing og kolleger anvendes en kombination af virkelige observationer og computer-simuleringer for at foreslå forbedringer til trafikafvikling i et vejkryds ved at adskille tilstrømning og udstrømning med fysiske barrierer og placere en hindring i den centrere27. Moussaïd og kolleger bruges en heuristik-baseret model til at studere high-density situationer under en crowd katastrofe28. Denne tilgang foreslås forbedringer til et miljø indstilling for masse begivenheder for at undgå crowd katastrofer. Ved hjælp af en eksisterende open source rammer, kunne gennemførelsen af sådanne simuleringer være forholdsvis let. SteerSuite er et open source rammer, der tillader brugere at simulere styretøjets algoritmer og publikum opførsel nemt ved at levere værktøjer til at lette, benchmarking og afprøvning29. Denne ramme kan give kernen i en agent navigation rationale, som er afgørende for en vellykket crowd simulering. Derudover viste Singh og kolleger en enkelt platform, der kombinerer en række styretøj teknikker30. Mens forskere kan foreslå design indgreb ved hjælp af sådanne simuleringer, er de sjældent valideret menneskelige deltagere i kontrollerede omgivelser. Kontrollerede eksperimenter er sjældne i publikum forskning, fordi de kan være svært at organisere og farligt for deltagerne.
VR har været ansat til at undersøge social adfærd ved hjælp af simple og komplekse virtuelle miljøer med én eller flere computer-simuleret agenter. I studiet af Bode og kolleger31,32, blev deltagerne bedt om at evakuere en simpel virtuelt miljø fra en top-down perspektiv blandt flere agenter og fundet, at exit valg var påvirket af statiske skiltning og motivation. Præsenterer deltagerne med et mere komplekst miljø fra en første-persons perspektiv, fandt Kinateder og kolleger, at deltagerne var mere tilbøjelige til at følge en enkelt computer-simuleret agent under flugt fra en virtuel tunnel brand25. I en kompliceret virtuelle miljø med flere agenter fundet Drury og kolleger, at deltagerne havde tendens til at hjælpe en falden agent under en evakuering, når de identificeres med publikum26. Kollektivt, tyder disse resultater på, at VR kan være en effektiv måde at fremkalde social adfærd, selv med computer-simuleret agenter. Men nogle crowd adfærd kun kan ses når der er en realistisk sociale signal (dvs., når deltagerne er klar over, at andre avatarer er kontrolleret af personer3). For at udbedre denne mangel, beskriver denne protokol en metode til at gennemføre kontrollerede eksperimenter med flere brugere i et netværksbaseret VR setup. Denne tilgang har været ansat i en nylig undersøgelse af Moussaid og kolleger for at undersøge funktionen evakuering af 36 netværksbaseret deltagere3.
Forskning på netværksbaserede VR har fokuseret på emner relateret til navigation strategier33,34 og/eller påberåbt eksisterende online gaming platforme såsom Second Life. For eksempel undersøgt Molka-Danielsen og Chabada evakuering adfærd med hensyn til exit valg og rumlige kendskab til bygningen ved hjælp af deltagere rekrutteres blandt eksisterende brugere af Second Life35. Mens forfatterne giver nogle beskrivende resultater (fx., visualiseringer af baner), denne undersøgelse havde problemer med deltager rekruttering, eksperimentelle kontrol og generalisering ud over denne specifikke sag. For nylig, Normoyle og kolleger fandt, at eksisterende brugere af Second Life og deltagerne i et laboratorium, der var sammenlignelige med hensyn til evakuering ydeevne og Afslut valg og forskellige selvrapporterede tilstedeværelse og frustration med kontrol interface36. Resultaterne fra disse to undersøgelser fremhæver nogle af de udfordringer og muligheder af online og laboratorie eksperimenter. Online undersøgelser er i stand til at tegningen fra et meget større og motiverede population af potentielle deltagere. Dog laboratorieundersøgelser giver mulighed for mere eksperimenterende kontrol af det fysiske miljø og potentielle distraktioner. Online undersøgelser kan derudover udgøre nogle etiske bekymringer med hensyn til data anonymitet og fortrolighed.
Som en netværksbaserede stationære VR laboratorium bruges beslutning Science Laboratory (DeSciL) ved ETH Zürich primært til at studere økonomisk beslutningstagning og strategiske interaktioner i et kontrolleret miljø. Den tekniske infrastruktur på DeSciL består af hardware, software til laboratoriet automatisering og software, der understøtter multi-bruger desktop VR setup. Hardwaren omfatter højtydende stationære computere med Microsoft Windows 10 Enterprise operativsystem, kontrol grænseflader (fx., mus og tastatur, joystick), hovedtelefoner, og øjet bane (Tabel af materialer). Alle klientcomputerne er forbundet med Ethernet af én gigabit pr. sekund til universitetets netværk og den samme netværksfilshare. Der er ingen synlig forsinkelse eller lag når der er 36 klienter tilsluttet. Antallet af frames per sekund er konsekvent over 100. Forsøgene er også forvaltes og kontrolleres med laboratoriet automation software baseret på Microsoft PowerShell (dvs., PowerShell ønskede tilstand konfiguration og PowerShell Remoting). Alle relevante trin i protokollen er forudprogrammeret med PowerShell-scripts, der kaldes Cmdlets (fx., Start-Computer, Stop-Computer). Under eksperimentet, kan disse scripts udføres samtidigt og fjernt på alle klientcomputere. Denne form for laboratorium automation sikrer en identisk tilstand af klient computere, reducerer potentielle fejl og kompleksiteten under videnskabelige forsøg og forhindrer forskere fra at skulle udføre gentagne manuelle opgaver. For navigation eksperimenter, vi bruger enhed spilmotoren (< https://unity3d.com/>) for at støtte udviklingen af 2D- og 3D-miljøer til flere brugere, interaktive skrivebord VR. 36 klientcomputerne er forbundet til en server via en autoritativ styreenhed arkitektur. I starten af hvert eksperiment, hver klient sender en instantiering anmodning til serveren, og serveren svarer af instantiere en avatar for denne bruger på alle de tilsluttede maskiner. Hver bruger avatar har et kamera med en 50 graders synsfelt. Hele forsøget, at klienter sende brugeren ' indgang til serveren, og serveren opdateres flytning af alle kunderne.
I den fysisk laboratorium, er hver computer indeholdt i en separat aflukke inden for tre semi-uafhængige værelser (figur 1). Den samlede størrelse af laboratoriet er 170 m2 (150 m2 for eksperiment værelse og 20 m2 til kontrolrummet). Hver af disse værelser er udstyret med audio og video optagelse enheder. Eksperimenter der styres fra en separat tilstødende rum (dvs., ved at give instrukser og indlede den eksperimentelle program). Fra denne kontrolrummet, kan eksperimentatorer også observere deltagerne i både fysiske og virtuelle miljøer. Sammen med Institut ved universitetet Zürich bevarer DeSciL også registrering Universitetscenter for undersøgelsens deltagere, som blev implementeret baseret på h-root37.
Selv om lignende systemer er blevet beskrevet i litteraturen38, er DeSciL den første funktionelle laboratorium, der er egnet til multi-bruger desktop VR eksperimenter på navigation og crowd adfærd til vores viden. Her, vi beskriver protokol til at foretage et eksperiment i DeSciL, nuværende repræsentative resultater fra en undersøgelse om social navigation adfærd og diskuterer de muligheder og begrænsninger af dette system.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Alle metoder beskrevet her er blevet godkendt af forskning etiske udvalg af ETH Zürich som en del af forslaget EK 2015-N-37.
1. rekruttere deltagere til planlagte eksperimentelle sessionen.
- Prøve deltagere inden for særlige begrænsninger (fx., alder, køn, uddannelsesbaggrund) ved hjælp af deltager rekrutteringssystem.
- Send invitationer via e-mail til de tilfældigt udvalgte deltagere, som ved hjælp af rekrutteringssystem kontakt oplysninger.
- Vente på disse deltagere til at registrere via online-system. Sørg for, at flere deltagere end kræves (fx., 4 overbooket deltagere for en session, der kræver 36 mennesker) registrere. Overbooket deltagerne til at sikre, at en session er levedygtige i tilfælde af udeblivelser.
- For at en bekræftelses e-mail sendes til registrerede deltagere automatisk.
2. klargør den eksperimentelle Session.
- Forberede laboratoriemiljø.
- Udskrive deltagerlisten fra rekrutteringssystem.
- Drej på serveren og lys i kontrolrummet af DeSciL og organisere test værelserne efter det nødvendige antal deltagere.
- Kopier eksekverbare eksperimentere program og dens tilsvarende konfigurationsfiler på netværksdrevet. Denne eksekverbare program installerer brugerdefinerede-skrevet software rammer baseret på enhed spillets motor til støtte for klient-server kommunikation mellem forskellige computere gennem et LAN-netværk. For navigation eksperimenter indeholder rammerne en fugl-øje observatør server system til overvågning af klientens adfærd under eksperimentet.
- Åbent PowerShell integreret Scripting miljø på skrivebordet i Windows. I PowerShell-konsol, angiver et array af computernavne (fx., $pool = "descil-w01", "descil-w02"...) til at oprette en klient pool objekt. Næste, skrive Start-Pool $pool at starte klientcomputerne og Registrere-Pool $pool til at tilslutte serveren til klientcomputerne.
- Forberede computere på klientsiden inden lanceringen af programmet. Skriv Invoke-Pool {Mount-NetworkShare $path} til direkte computere til at angive stien til den rigtige mappe.
- Udføre de rede funktioner på serveren (dvs., Start-GameServer) og på klienterne (dvs., Invoke-Pool {Start-GameClient}). Angiv IP-adressen på serveren som parameter af funktionen.
- Vent på en besked på skærmen den server, der angiver en vellykket forbindelse.
- Distribuere samtykke former og penne i hvert aflukke. Samtykke former indeholder oplysninger om undersøgelsen (fx., formålet med undersøgelsen, potentielle risici og fordele ved eksperimentet), kontaktoplysninger for eksperimentatoren, og en juridisk ansvarsfraskrivelse.
- Shuffle dækket af siddepladser kort, der angiver siddepladser arrangement af deltagerne.
- Velkommen til deltagerne.
- Spørge deltagerne til at vente uden for laboratoriet. 5 min før officielt starttidspunkt, kontrollere deltagernes identitetsdokumenter til at sikre, at de svarer til listen over registrerede deltagere. På samme tid, lad deltagerne vælge en kort, der angiver deres sædenummer. Har deltagerne gå til tilsvarende kontormiljøet og vente på eksperiment at begynde.
- Vent et par minutter for deltagerne til at læse og underskrive samtykke former. Indsamle disse former inden gennemførelse af forsøget.
3. gennemføre forsøget.
- Broadcast instruktionerne eksperiment med mikrofonen til alle deltagerne. Informere dem om de grundlæggende regler, herunder ingen meddelelse til andre deltagere og ingen personlige elektroniske enheder tilladt. Spørge deltagerne til at hæve deres hænder, hvis de har spørgsmål vedrørende eksperimentet.
- Begynder eksperimentet ved at præsentere den demografiske spørgeskema (f.eks. køn og alder) på hver klient.
- Implementere uddannelse scene for at lære deltagerne at manøvrere gennem det virtuelle miljø. Hvis deltagerne har problemer med at bruge kontrol interface (fx., mus og tastatur), gå mod deres aflukke for at hjælpe dem. Holde overvåge deltagernes fremskridt ved at anmode om screenshots fra alle kunderne (dvs., Skriv Komme-ScreenShots på PowerShell-konsol) indtil alle deltagere er færdig med træningen.
- Efter træning, begynde testfasen af eksperimentet. Observere deltagernes adfærd fra fugleperspektiv interface på servercomputeren. Sende advarselsmeddelelser til deltagerne gennem programmet, hvis de gør noget unormalt ved at klikke på deres avatar. Ellers Prøv ikke at blande sig med deltagerne under eksperimentet.
- Sikre, at der er en kort ventetid før hvert forsøg for loading den næste scene og så deltagerne hen til læse instruks.
4. færdiggøre eksperimentet.
- Luk programmet server og klient ved at skrive Stop-GameClient og Stop-GameServer i PowerShell-konsollen.
- Spørge deltagerne til at blive siddende, indtil deres antal kaldes over mikrofonen.
- Uddrag af deltagernes endelige score fra filen "Score.txt" i projektet mappe på servercomputeren og konvertere deres noder i en monetær betaling.
- Ringe aflukke numre, en ad gangen og mødes hver deltager i receptionen. Tak til deltagerne og give dem den tilsvarende betaling.
- Undersøge sengebåse og indsamle eventuelle resterende kuglepenne eller formularer.
- Kopier og Gem eksperimentdata fra serveren til en ekstern disk til senere analyse.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
For hver klient på hvert forsøg, eksperimentdata fra DeSciL typisk omfatter baner, tidsstempler og foranstaltninger af ydeevne (fx., uanset om deltageren slået i den "rigtige" retning ved en bestemt vejkryds). En repræsentant undersøgelse undersøgt virkningerne af skiltning kompleksitet på rutevalg for en skare af menneskelige deltagere (med virtuelle avatarer) i en enkel Y-formet virtuelt miljø. I dette eksperiment, 28 deltagere (12 kvinder og 16 mænd; betyder alder = 22,5) fik samme mål placering (dvs., gate antallet) og blev bedt om at vælge indstillingen rute i krydset ved hjælp af et kort (Se figur 2).
Kort kompleksitet varierede over 16 forsøg, og hypotesen var, at beslutningen om tid og nøjagtighed ville være højere for kort, der er mere kompleks. Mens vi forventer beslutning nøjagtighed at være relativt høj samlet, deltagernes baner kan bruges i fremtidige eksperimenter til at definere vandrestier af agenser, formidle en realistisk sociale signal (dvs., troværdig bevægelser). Den samlede eksperiment tid var ca. 1 h, herunder indbydende deltagerne, udførelse af træningspasset (til kontrol interface) og test i den Y-formede korridor. De opnåede data er sammenfattet i tabel 1.
Figur 3 viser de minimum- og maksimumværdierne afslutning gange for hvert forsøg. Disse beskrivende statistik giver et indirekte mål for overbelastning under retssagen. De opnåede data giver også mulighed for visualisering af baner genereret ved den virtuelle crowd (Se figur 4). Rumlig statistik kan derefter bruges til at analysere ændringer i baner over forsøg. For eksempel, kan forskerne være interesseret i hvordan deltagerne fulgt hinanden eller hvor glat deltagerne manøvrere med særlig kontrol grænseflader.
Figur 1: fotografier af DeSciL laboratorium. a kontrolrummet indeholder den server, der modtager trafik fra 36-klientcomputere og overvåger deltagerne i deres sengebåse. Dette værelse kan isoleres fra de test værelser i form af lyd og vision. Meddelelse til deltagere tilbydes via mikrofon og højttaler system. (b) de tre teste værelser indeholder 36 sengebåse. c hvert aflukke indeholder en stationær computer, en skærm, en mus og et tastatur interface, hovedtelefoner og et øje tracker. Venligst klik her for at se en større version af dette tal.
Figur 2: udsigt over det Y-formet virtuelle miljø. (a) fra serveren, kan forskerne konstatere deltagerne på vej mod krydset. (b) fra klienter, kan deltagerne se det virtuelle miljø og andre avatarer fra en første-persons perspektiv under bevægelse. Venligst klik her for at se en større version af dette tal.
Figur 3: repræsentant resultat af 16 eksperimentelle forsøg. De maksimale og minimale gange er tidspunkter kræves af de hurtigste og langsomste deltagere at nå destinationen i hvert forsøg. Venligst klik her for at se en større version af dette tal.
Figur 4: deltagere baner fra a retssag 1 og b retssag 16. X - og y - akserne repræsenterer placeringen af avatarer i mængden. Farve bar repræsenterer tid gået under retssagen. Venligst klik her for at se en større version af dette tal.
| Retssag nummer | MapType | Accuracy(%) | Gennemsnitlig tid/s |
| 1 | Enkel | 100 | 42.01 |
| 2 | Kompleks | 96.4 | 40.51 |
| 3 | Enkel | 100 | 39.15 |
| 4 | Kompleks | 100 | 38.66 |
| 5 | Kompleks | 100 | 38.52 |
| 6 | Kompleks | 100 | 38.87 |
| 7 | Enkel | 100 | 38.43 |
| 8 | Kompleks | 100 | 38.26 |
| 9 | Enkel | 100 | 37,43 |
| 10 | Enkel | 100 | 38,44 |
| 11 | Kompleks | 100 | 37.08 |
| 12 | Kompleks | 100 | 36,8 |
| 13 | Enkel | 100 | 37.67 |
| 14 | Kompleks | 100 | 36.52 |
| 15 | Enkel | 100 | 36.83 |
| 16 | Enkel | 100 | 37.88 |
Tabel 1: repræsentant resultat af 16 eksperimentelle forsøg. Beslutning nøjagtighed repræsenterer procentdelen af korrekte valg (dvs., drejning mod den korrekte port) over alle deltagere. Betyde beslutning er den gennemsnitlige tid kræves for at nå destinationen (om korrekt eller ej) over alle forsøg.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
I denne artikel, beskrev vi en multi-bruger desktop virtual reality laboratorium, hvor op til 36 deltagere kan interagere og samtidig navigere gennem forskellige virtuelle miljøer. Den forsøgsplan detaljer skridt nødvendige for denne type forskning og unikke multi-bruger scenarier. Overvejelser bestemte til disse scenarier omfatter antallet af deltagere i deltagelse, omkostningerne ved tilsyneladende små eksperimentatoren fejl, rendering og netværk kapacitet (både server - og klientsiden), uddannelse med kontrol interface, og data sikkerhed. Overbooking deltagere er nødvendige for at sikre en præcis antal deltagere i en eksperimentel session. Hvis for få deltagere deltage, så er omkostningerne ved en mislykket eksperimentelle session relativt høj. På samme måde, eksperimentelle fejl kan føre til en mislykket session når enten deltagernes data blev forurenet inden fejlen blev opdaget, eller forsøget ikke gennemføres på grund af software eller hardware fejl. For eksempel, hvis for meget information distribueres via nettet, kan derefter en relancering af hele systemet være nødvendige. Dette er især problematisk, hvis eksperimentet er allerede begyndt. Desuden kræver deltagere i virtuelle navigation eksperimenter erfaring og/eller uddannelse med kontrol interface fordi kontrollen er mindre intuitivt end reel gå21 og interaktion med kontrollen kan interferere med rumlige hukommelse opgaver20. Ansvarlig dataforvaltning også bliver især vigtigt i betragtning af den store mængde af data indhentet pr. session.
Mens der er mange muligheder ved DeSciL, forblive mindst tre begrænsninger. Først, det nuværende system er setup nemlig op til 36 samtidige deltagere. Eksperimenter på større virtuelle skarer kan kræve computerstyrede agenter, spor af menneskelig deltagere fra flere tidligere sessioner, eller mulighed for herunder online deltagere. Andet, fremtidige hardwareopgraderinger (fx., for bedre grafikkort og bedre processorer) vil være meget dyrere end de traditionelle, enkelt-bruger system. Tredje, multi-bruger desktop virtual reality forskning ikke kan endnu være udført med kontrol grænseflader, der mere ligner ægte omvandrende. Forskning i bevægelse og fysiske interaktionerne mellem deltagerne er således begrænset.
På trods af disse begrænsninger tilbyder DeSciL flere fordele i forhold til virkelige undersøgelser, enkeltbruger-laboratorieundersøgelser og flerbruger online undersøgelser. Software automation giver forskerne evner til at tilpasse forsøgsplan med hensyn til deres behov. I forhold til både virkelige verden og online undersøgelser, at DeSciL giver mulighed for mere eksperimenterende kontrol. For eksempel kan eksperimenter i DeSciL anvender systematiske variationer af miljøet og giver direkte observation af deltagerne i både virtuelle og fysiske verdener. I forhold til enkeltbruger desktop virtual reality undersøgelser med computer-kontrollerede agenter, deltagerne kan interagere med hinanden i realtid, og emergent opførsel af den virtuelle crowd er mindre afhængige af de eksperimentatoren forudfattede meninger. Computer-kontrollerede agenter i VR ofte afhængige scripted handlinger og tilpasse sig ikke til brugernes bevægelser i realtid. Derimod netværksbaserede stationære VR giver en mere økologisk sammenhæng som menneske-kontrollerede avatarer berører i (og påvirkes af) hinandens bevægelser. Derudover denne tilgang kan informere bevægelse parametre (fx., walking hastighed og tøven) af fremtidige agent-baserede modeller i publikum forskning (fx., for evakuering scenarier39). I almindelighed, multi-bruger desktop virtual reality undersøgelser giver mulighed for mere præcis måling af rumlig adfærd og påvisning af mønstre, der tidligere kan have været overset.
For nylig, DeSciL har været med succes ansat i en serie af beslutningsprocessen40,41 og navigation undersøgelser3,21. For eksempel, anvendte Moussaid og kolleger multi-bruger desktop VR setup for at studere effekten af stress på publikum opførsel under en evakuering3. I denne undersøgelse, den "rigtige" udgang varierede fra prøveversion til rettergang, og kun en del af deltagerne blev underrettet om den rigtige udgang. Resultaterne viste at deltagerne under stress ført til en mere effektiv evakuering, men denne konstatering kan henføres til den måde, hvorpå kollisioner blev gennemført. Desuden deltagere en tendens til at følge andre avatarer under stress, tyder på, at et socialt signal blev overbragt blandt deltagerne på trods af manglen direkte fysiske interaktion. Disse resultater understreger fordelene ved multi-user VR sammenlignet med single-bruger VR med computer-kontrollerede agenter. Fremtidige studier vil omfatte en sammenligning af multi-user data erhvervet enten online eller i laboratoriet, mere komplekse miljømæssige variationer og tilføjelse af eksterne enheder såsom øje bane eller fysiologiske enheder. Disse fremskridt vil give mulighed for samling af forskellige typer af komplekse adfærdsmæssige data42. For eksempel, kan billig øje trackers indarbejdes for at overvåge deltagernes opmærksomhed eller opdager groft områder af interesse på skærmen.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Forfatterne har ikke noget at oplyse.
Acknowledgments
Den repræsentative undersøgelse blev finansieret af den schweiziske National Science Foundation som en del af grant "Wayfinding i sociale miljøer" (nr. 100014_162428). Vi vil gerne takke M. Moussaid for indsigtsfulde diskussioner. Vi vil også gerne takke C. Wilhelm, F. Thaler, H. Benedicte, S. Madjiheurem, A. Ingold og A. Grossrieder for deres arbejde under softwareudvikling.
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).
