Article de méthode

Évaluation des performances de vol et des mouvements oculaires à l’aide d’un simulateur de vol en réalité virtuelle

2K vues

⸱

DOI :

10.3791/65170

⸱

19 mai 2023

 ,  ,  ,  ,  ,  ,  , 
1Psychology Department, School of Social Sciences, Tsinghua University, 2Faculty of Psychology, Beijing Normal University, 3National Key Laboratory of Human Factors Engineering, the China Astronaut Research and Training Center, 4Department of Military Medical Psychology, Air Force Medical University

Dans cet article

Résumé

Un nouveau simulateur de vol en réalité virtuelle a été construit, qui permet une évaluation efficace et peu coûteuse des performances de vol et des mouvements oculaires. Il constitue également un outil de recherche à fort potentiel pour l’ergonomie et d’autres recherches.

Résumé

L’évaluation efficace et économique de la performance des pilotes est devenue essentielle pour l’industrie de l’aviation. Avec le développement de la réalité virtuelle (VR) et la combinaison de la technologie de suivi oculaire, les solutions pour répondre à ces besoins deviennent une réalité. Des études antérieures ont exploré les simulateurs de vol basés sur la réalité virtuelle, en se concentrant principalement sur la validation de la technologie et la formation au vol. L’étude actuelle a développé un nouveau simulateur de vol VR pour évaluer les performances de vol des pilotes en fonction des mouvements oculaires et des indicateurs de vol dans une scène immersive en 3D. Au cours de l’expérience, 46 participants ont été recrutés : 23 pilotes professionnels et 23 étudiants sans expérience de vol. Les résultats de l’expérience ont montré des différences significatives dans les performances de vol entre les participants avec et sans expérience de vol, les premiers étant plus élevés que les seconds. En revanche, ceux qui avaient de l’expérience du vol présentaient des mouvements oculaires plus structurés et plus efficaces. Ces résultats de la différenciation des performances de vol démontrent la validité du simulateur de vol VR actuel en tant que méthode d’évaluation des performances de vol. Les différents modèles de mouvements oculaires avec l’expérience de vol constituent la base de la sélection future du vol. Cependant, ce simulateur de vol basé sur la réalité virtuelle présente des lacunes telles que le retour de mouvement par rapport aux simulateurs de vol traditionnels. Cette plate-forme de simulateur de vol est très flexible, à l’exception de son faible coût apparent. Il peut répondre aux divers besoins des chercheurs (par exemple, mesurer la conscience de la situation, le mal de la RV et la charge de travail en ajoutant des échelles pertinentes).

Introduction

L’Agence européenne de la sécurité aérienne (2012) classe les simulateurs de vol en deux catégories : installations de formation, simulateurs de programmes de vol et de navigation, équipements de formation au pilotage et simulateurs de vol complets1. À ce jour, une gamme de simulateurs de vol est disponible pour la formation, allant des systèmes de table de bas niveau aux simulateurs de vol complets basés sur le mouvement très compliqués2. Le simulateur traditionnel comprend un modèle de dynamique de vol, une simulation de système, un cockpit matériel, une visualisation externe et une simulation de mouvement en option3.

Ces simulateurs de vol traditionnels présentent certains avantages en tant qu’équipement de formation au pilotage efficace. Cependant, leur coût est élevé et peu respectueux de l’environnement, car le moteur de chaque système nécessite une énergie électrique substantielle, en particulier un simulateur de vol complet, qui nécessite une température élevée et une pression de fluide ou d’air à haute pression, consomme beaucoup d’énergie et génère beaucoup de bruit4.

Cependant, un système de simulateur de bureau simple est flexible et peu coûteux, avec une immersion plus faible et moins d’interactions qu’un simulateur de vol complet2. Par conséquent, il est essentiel de développer de nouveaux simulateurs de vol qui combinent les avantages des systèmes de bureau et des simulateurs de vol complets (en d’autres termes, la flexibilité d’une simulation de table et le niveau d’immersion et d’interaction proche d’un simulateur de vol complet).

Avec le développement de la technologie informatique, en particulier de la technologie de réalité virtuelle (VR), un nouveau type de simulateur de vol basé sur la technologie VR émergente devient une réalité. Le simulateur de vol basé sur la réalité virtuelle est flexible, portable, peu coûteux et nécessite moins d’espace que les simulateurs de vol conventionnels5. Les chercheurs ont créé des simulateurs de vol basés sur la technologie VR au cours des 20 dernières années 6,7,8,9,10,11 ; cependant, ces simulateurs de vol VR sont principalement destinés à la formation au vol, et il y en a peu pour la sélection des pilotes. Pourtant, avec la réduction des coûts et l’amélioration de la technologie, les simulateurs basés sur la RV changent et deviennent réalisables pour la sélection personnelle. Certaines études ont utilisé des simulateurs basés sur la RV pour la sélection personnelle dans différents domaines : Schijven et al.12 ont sélectionné des stagiaires en chirurgie à l’aide d’un simulateur de réalité virtuelle. Huang et coll.13 ont mis au point un instrument de sélection psychologique basé sur la technologie de réalité virtuelle pour le recrutement des pilotes de l’armée de l’air. Wojciechowski et Wojtowicz14 ont évalué les capacités d’un candidat en tant que pilote de véhicule aérien sans pilote (UAV) sur la base de la technologie VR. Étant donné que la sélection des pilotes est essentielle pour l’industrie de l’aviation, elle fait pression pour développer un nouveau simulateur de vol basé sur la RV axé sur la sélection des pilotes, car la sélection des pilotes à grande échelle est sensible au coût du simulateur et aux exigences du système de simulateur de portabilité.

Les mouvements oculaires fournissent des indices pour la performance d’un pilote. Différentes études ont montré que le mode de balayage oculaire distingue les performances entre les pilotes experts et les pilotes novices. En comparant le modèle de balayage entre les experts et les novices, le comportement efficace et structurel des mouvements oculaires des experts et les méthodes de balayage inadéquates des débutants ont pu être différenciés. Plusieurs études aéronautiques ont montré que la stratégie de balayage oculaire des pilotes est fortement liée au niveau d’expertise 15,16,17,18,19,20,21,22,23,24. Selon Bellenkes et al.25, la durée des fixations des experts est plus courte et la fréquence de leurs fixations sur les instruments est plus élevée que celle des novices. Presque la même conclusion a été tirée par Kasarskis et al.26, qui ont découvert que les pilotes experts ont plus de fixations combinées à des durées plus courtes que les novices, ont suggéré que les pilotes experts ont un meilleur mode visuel que les novices. Dans une autre étude, Lorenz et al.27 ont constaté que les experts passent plus de temps à regarder à l’extérieur du cockpit que les novices. Ces résultats ont une grande valeur pratique dans la sélection des nouveaux arrivants.

L’évaluation des performances de vol est un autre facteur critique pour la sélection des pilotes. Cependant, les problèmes suivants existent dans l’évaluation des performances de vol des pilotes : des opinions d’experts contradictoires, davantage de normes de sélection et une théorie de sélection unifiée. Dans le domaine de la conduite, Horrey et coll.28 ont comparé la valeur absolue de la sortie de voie de l’axe médian dans différentes conditions expérimentales afin d’évaluer les performances de conduite. Pour en revenir au domaine de l’aviation, l’enregistreur d’accès rapide de vol (QAR) enregistre toutes sortes de paramètres de manipulation du pilote, de paramètres de l’avion, d’environnements et d’informations d’avertissement pendant le vol29. Plus précisément, comme les indicateurs QAR, l’angle de tangage est l’angle de rotation autour des axes gauche et droit de l’avion30, et la ligne de référence (ou la ligne de référence centrale) se trouve juste au milieu des lignes rouge et verte28 ; Ces deux paramètres de vol sont utilisés pour évaluer les performances de vol des participants avec ou sans expérience dans la présente étude. Ces données QAR peuvent être utilisées pour évaluer les performances de vol, mais à notre connaissance, elles ont rarement été utilisées pour l’entraînement personnel et la sélection dans la recherche scientifique31,32.

Les mesures des mouvements oculaires peuvent être utilisées pour évaluer et prédire les performances de vol et guider la formation et la sélection des pilotes. Gerathewohl,33 ans, a déclaré que l’œil est l’organe sensoriel le plus important du pilote, traitant 80% des informations de vol. Les pilotes doivent acquérir des informations visuelles à partir des instruments dans le cockpit et les intégrer dans une image cohérente pour gérer le vol22. De plus, un comportement de balayage optimal est essentiel pour obtenir de meilleures performances de vol15. Cependant, aucun simulateur de vol abordable n’intègre actuellement un oculomètre pour faciliter les études quantitatives de la relation entre les mouvements oculaires et les performances de vol.

L’étude actuelle a développé un nouveau simulateur de vol VR pour évaluer si les participants ayant une expérience de vol avaient de meilleures performances de vol que ceux sans expérience de vol. Le simulateur de vol VR intègre le suivi oculaire et un système de dynamique de vol permettant l’analyse des mouvements oculaires et l’évaluation des performances de vol. En particulier, il convient de mentionner que le simulateur de vol VR utilise un eye trackerVR 34, et non un eye tracker en verre ou de bureau, pour analyser le mouvement oculaire basé sur la zone d’intérêt (AOI) sans compter les images fastidieuses.

Enfin, les travaux actuels peuvent conduire à une mesure globale pour la sélection des pilotes à l’avenir, de la trajectoire de balayage oculaire aux données objectives de performance de vol. Avec l’aide du simulateur de vol virtuel, le coût de la sélection des vols sera considérablement réduit et la norme des pilotes pourra être formée sur la base d’une collecte de données approfondie. Le travail comble une lacune entre les simulateurs conventionnels et les simulateurs de bureau pour les besoins de sélection de vol.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

Toutes les méthodes décrites ici ont été approuvées par le Conseil d’examen institutionnel (IRB) de l’Université Tsinghua, et le consentement éclairé a été obtenu de tous les participants. Une fois l’achèvement terminé, tous les participants ont reçu 12 $ (ou un cadeau de valeur égale).

1. Sélection des participants

  1. Recrutez les participants en fonction d’une étude préalable de l’analyse de puissance à l’aide du logiciel G*Power35 (voir le tableau des matériaux) pour vous assurer que le nombre de participants correspond à la taille de l’échantillon attendue donnée par G*Power, qui est égale à 21.
    REMARQUE : La taille d’échantillon attendue donnée par G*Power fait référence au nombre estimé de participants nécessaires à une étude pour atteindre le niveau souhaité de puissance statistique en fonction de la taille d’effet spécifiée, du niveau de signification et du test statistique utilisé. La taille prévue de l’échantillon est un facteur important dans la planification de la recherche. Il aide les chercheurs à déterminer la faisabilité et la rentabilité de leur plan d’étude et garantit que l’étude dispose d’une puissance statistique suffisante pour détecter des effets significatifs.
  2. Assurez-vous qu’aucun participant n’a d’antécédents d’épilepsie, de maladie cardiaque ou cérébrale, de médicaments endocriniens ou psychiatriques récents ou d’allergies cutanées graves.
  3. Utilisez le tableau oculaire de Snellen (utilisez le système métrique 6/6)36 pour confirmer que la vision des participants est normale ou corrigée à la normale et qu’ils ne présentent aucune déficience visuelle comme le daltonisme ou la faiblesse des couleurs.
  4. Assurez-vous qu’aucun des participants n’a consommé d’alcool ou de drogues au cours des 24 dernières heures qui pourraient affecter leur capacité à voler.
  5. Assurez-vous que les participants ont dormi au moins 6 h et qu’ils sont en bonne condition mentale avant l’expérience.

2. Matériel de simulateur de vol

  1. Vérifiez que tout le matériel du simulateur de vol est complet. Selon sa fonction, ce matériel est organisé en trois modules (Tableau 1) (voir Tableau des matériaux).
    REMARQUE : Les chercheurs doivent toucher une tige métallique avant de toucher l’équipement pour éviter le risque posé par l’induction électrostatique.
    1. Vérifiez les composants du module VR, HMD (casque monté) et du module de suivi oculaire à l’aide du tableau 2.
    2. Assurez-vous que tous les composants du module PC du simulateur de vol répondent aux exigences minimales suivantes : processeur 3,6 G Hz, mémoire interne 4G, système d’exploitation 64 bits et carte graphique. Le système prendra en charge tous les contrôleurs de vol.
    3. Vérifiez les composants du module de commande de vol et assurez-vous que la configuration des paramètres de l’appareil est conforme au tableau 3.
  2. Installez le matériel du simulateur de vol selon la disposition de la figure 1. La figure 2 montre comment le matériel est connecté.
    1. Joignez physiquement l’accélérateur et le panneau de commande et traitez-les comme une unité.
    2. Connectez l’accélérateur, le joystick et la pédale au module PC du simulateur de vol via USB.
    3. Connectez le HMD au module PC du simulateur de vol via la boîte de liaison.
    4. Connectez les stations de base et les contrôleurs VR au HMD via le logiciel VR sur le PC.
Visiocasque VR (HMD) et module de suivi oculaire1. Station de base
2. HMD VR
Module PC Flight Simulator3. Simulateur de vol PC
Module de commandes de vol4. Accélérateur de vol
5. Joystick de vol
6. Pédale de vol

Tableau 1 : Composants des trois modules du matériel du simulateur de vol.

Composant principalAccessoires
VR HMDCâble du casque (attaché)
Coussin facial (attaché)
Chiffon de nettoyage
Capuchon de trou pour écouteurs × 2
Boîte de lienAdaptateur
Câble DisplayPort
Câble USB 3.0
Coussin de montage
Manettes (2018) × 2Adaptateurs secteur × 2
Longes × 2
Câbles micro-USB × 2
Station de base 2.0 × 2Adaptateurs secteur × 2
Kit de montage (2 supports, 4 vis et 4 ancrages muraux)

Tableau 2 : Liste des composants du HMD VR et du module de suivi oculaire.

AppareilConfiguration des paramètres
Joystick de volDix-neuf boutons d’action
Un chapeau « point de vue » à 8 voies
Plusieurs capteurs magnétiques 3D
Un système de ressorts hélicoïdaux
Une résolution de 16 bits (valeurs 65536 x 65536).
Panneau de commande de volQuinze boutons d’action
Une roue TRIM
Cinq LED programmables
Accélérateur de volDix-sept boutons d’action
Un chapeau de souris avec un bouton-poussoir
Un chapeau « point de vue » à 8 voies
Plusieurs capteurs magnétiques 3D
Deux résolutions 14 bits
Pédale de volTension entre 2,5 kg et 5 kg
Angle entre 35° et 75°

Tableau 3 : La configuration des paramètres des dispositifs du module de commande de vol.

figure-protocol-1
Figure 1 : La disposition du matériel du simulateur de vol VR. Veuillez cliquer ici pour voir une version agrandie de cette figure.

figure-protocol-2
Figure 2 : Connexion du matériel du simulateur de vol. (A) Module de commandes de vol. L’accélérateur et le panneau de commande sont physiquement assemblés et traités comme une unité. Si le terme « accélérateur » est utilisé dans cette étude, il fait référence à la fois à l’accélérateur et au panneau de commande. (B) Module PC de simulateur de vol. Un ordinateur qui répond aux exigences décrites à l’étape 2.2. (C) HMD et module de suivi oculaire. Les kits de développement logiciel (SDK) pour le suivi oculaire et le moteur 3D sont synchronisés lorsqu’ils sont installés sur le même ordinateur. Par conséquent, les fonctions de suivi oculaire et le système d’exploitation interagissent et fonctionnent ensemble. Veuillez cliquer ici pour voir une version agrandie de cette figure.

3. Logiciel de simulation de vol

  1. Assurez-vous que tous les logiciels (voir la table des matériaux) ont été installés avant le début de l’expérience. Le tableau 4 présente des informations sur tous les logiciels utilisés dans l’expérience.
NomDescription
Logiciel VRUn outil largement utilisé pour découvrir du contenu VR sur le matériel.
Boutique d’applications VRL’App Store pour la réalité virtuelle où les clients peuvent explorer, créer, se connecter et découvrir le contenu qu’ils aiment et dont ils ont besoin.
Logiciel de suivi oculaireLogiciel de suivi oculaire développé par l’équipe de recherche via les SDK de suivi oculaire et de moteur 3D.
FlySimulatorLe programme principal du logiciel de simulation de vol, développé par l’équipe de recherche.
Logiciel d’enregistrement d’écranUn logiciel gratuit et open source pour l’enregistrement vidéo et la diffusion en direct.

Tableau 4 : Informations sur tous les logiciels utilisés dans l’expérience.

4. Préparation avant la mise en route du simulateur de vol

REMARQUE : Si c’est la première fois que vous exécutez le programme de suivi oculaire, effectuez les étapes supplémentaires conformément à la Figure 3. Le programme de suivi oculaire s’activera automatiquement après la première exécution.

figure-protocol-3
Figure 3 : Les étapes supplémentaires lors de la première exécution du programme de suivi oculaire. Veuillez cliquer ici pour voir une version agrandie de cette figure.

  1. Assurez-vous que le casque est allumé et connecté à l’ordinateur.
  2. Placez la station de base en diagonale pour vous assurer que le HMD peut toujours se trouver à l’intérieur de la portée de surveillance de la station de base. Gardez la station de base fixe pour maintenir un environnement VR stable.
  3. Installez une aire de jeu uniquement debout en fonction des invites données par le logiciel VR sur l’ordinateur.
    REMARQUE : L’invite autorise une zone à l’échelle de la pièce ou configure une zone de jeu debout uniquement. Le mode debout uniquement est généralement utilisé pour découvrir des scènes VR qui ne nécessitent pas de marcher et qui peuvent être sélectionnées lorsque l’utilisateur dispose d’un espace limité pour se déplacer. Par conséquent, dans cette expérience, installez une aire de jeu uniquement debout.
  4. Réglez l’étalonnage du suivi oculaire. Le système de suivi oculaire doit être recalibré à chaque changement de participant.
    1. Confirmez que les participants n’utilisent pas de lentilles de contact, ce qui entraîne un dysfonctionnement du suivi oculaire.
    2. Ouvrez le programme d’étalonnage du suivi oculaire à l’aide des contrôleurs VR (voir Tableau des matériaux).
    3. Ajustez la hauteur de l’appareil, la distance interpupillaire (IDP) et le point de regard selon les instructions du système.
    4. Faites en sorte que les yeux du participant éclairent chaque point pendant 2 s dans le sens des aiguilles d’une montre pour vérifier l’efficacité de l’étalonnage de l’oculométrie.
  5. Connectez le module de commande de vol réglé et le grand écran (c’est-à-dire un moniteur d’au moins 27 pouces) au même ordinateur que le HMD VR. L’écran permet à l’expérimentateur de voir simultanément ce qui se passe dans le HMD VR.

5. Procédure expérimentale

REMARQUE : L’expérience est divisée en quatre étapes : « recueillir des informations », « présenter la tâche et l’opération », « s’entraîner avant l’expérience » et « mener une expérience formelle ». Le processus expérimental est résumé à la figure 4.

figure-protocol-4
Figure 4 : L’organigramme de l’expérience. Veuillez cliquer ici pour voir une version agrandie de cette figure.

  1. Recueillir des informations auprès des participants (15 min).
    1. Remplissez le formulaire de détails de paiement avec les informations de paiement des participants.
    2. Informez les participants de lire le document de consentement éclairé et de le signer.
  2. Présentation de la tâche et du fonctionnement du simulateur aux participants (5 min).
    1. Expliquez aux participants le schéma de circulation et la carte (figure 5).
    2. Expliquez aux participants comment utiliser le simulateur de vol VR.
    3. Informez les participants qu’ils peuvent quitter l’expérience s’ils ressentent une gêne lors de la simulation d’un vol.
  3. Demandez aux participants de s’entraîner à l’aide du simulateur de vol VR (15 min).
    1. Adaptez le casque VR aux participants et calibrez les mouvements oculaires. Ajustez la hauteur de l’appareil, la distance interpupillaire (IDP) et le point de regard comme indiqué par le système.
    2. Ouvrez le logiciel d’enregistrement d’écran.
    3. Lancez le programme FlySimulator pour aider les participants à s’entraîner au vol.
    4. Demandez aux participants d’utiliser la pédale de vol, le joystick et la manette des gaz de concert pour diriger l’avion le plus près possible de la ligne de vol de référence (figure 5).
    5. Réinitialisez les boutons de la manette des gaz et du moteur après avoir quitté le programme FlySimulator, et arrêtez d’enregistrer l’écran une fois que le sujet a terminé la pratique.
  4. Effectuer des expériences de vol formelles (20 min).
    1. Mettez le HMD VR pour les participants et exécutez OBS Studio pour commencer à enregistrer l’écran.
    2. Démarrez le programme FlySimulator, choisissez une perspective d’ajustement, démarrez le moteur, relâchez le frein de stationnement et mettez la manette des gaz à fond.
    3. Quittez le programme FlySimulator, puis réinitialisez les boutons de manette des gaz et de changement de moteur . Arrêtez d’enregistrer l’écran.

figure-protocol-5
Figure 5 : Le schéma de trafic pour le simulateur de vol VR. L’angle de tangage est l’angle de rotation autour des axes gauche et droit de l’avion, et la ligne de référence (ou la ligne de référence centrale) se trouve en plein milieu des lignes rouges et vertes. Veuillez cliquer ici pour voir une version agrandie de cette figure.

6. Analyse des données

  1. Analysez les données de mouvements oculaires.
    1. Diviser cinq zones d’intérêt (ZI) dans cette étude ; Pour plus d’informations sur le calcul des zones d’intérêt, voir la figure 6, basée sur le panneau réel du cockpit de vol correspondant à l’instrument du cockpit de vol (figure 7).
    2. Calculez le test de différence AOI en utilisant le pourcentage de temps de séjour dans la zone AOI37, compte tenu de la caractéristique de l’équipement de l’oculomoteur VR utilisé dans cette étude.
      REMARQUE : Le pourcentage moyen de temps de séjour est le pourcentage cumulé passé à regarder dans une zone d’intérêt, divisé par le temps total de fixation et moyenné entre les participants.
  2. Analysez les données de performance de vol à l’aide de scripts de programmation développés sur mesure à l’aide de Python 3.10. L’algorithme de base pour les mesures de performance a été adapté de la méthode d’analyse QAR, inspirée des données QAR de 35 avions BAE-146 fournies par la National Aeronautics and Space Administration (NASA)38.
    REMARQUE : Indicateurs de performance en vol pour cette étude : le temps de vol total (la durée totale du décollage à l’atterrissage pour chaque participant, en secondes), l’angle de tangage 1 s avant l’atterrissage (angle de tangage de l’avion 1 s avant l’atterrissage, obtenu à partir des données brutes, en degrés), la distance moyenne à la ligne de référence (erreur moyenne de la distance spatiale entre l’avion et la ligne de référence pendant le vol, en mètres), et l’écart-type de la distance à la ligne de référence (écart-type de la distance spatiale entre l’avion et la ligne de référence pendant le vol, en mètres).
  3. Effectuer les analyses statistiques.
    1. Utilisez le test de Shapiro-Wilk39 pour confirmer la normalité des données.
    2. Utilisez un logiciel statistique (voir la table des matériaux) pour les statistiques descriptives, le test U de Mann-Whitney et le test t de Student.
    3. Représenter les graphiques du violon pour mieux indiquer la forme de la distribution des données40.
      REMARQUE : L’explication de l’ampleur de l’effet mesurée à l’aide du d de Cohen est la suivante : 0,1 est très petit, 0,2 est petit, 0,5 est moyen, 0,8 est grand, 1,2 est très grand et 2,0 est énorme41,42. Le niveau de signification a été fixé à p < 0,05.

figure-protocol-6
Figure 6 : Processus de prétraitement et de calcul de l’écoulement de l’AOI. Les sections 1 à 4 décrivent comment la présente étude a traité les données sur les mouvements oculaires des pilotes jusqu’au test t sur échantillon indépendant. Veuillez cliquer ici pour voir une version agrandie de cette figure.

figure-protocol-7
Figure 7 : Schéma de principe de la division AOI de l’instrument de vol. La fonction des instruments : (A) L’anémomètre indique la vitesse de l’avion par rapport à l’air. (B) L’indicateur d’altitude indique l’altitude de tangage et de roulis de l’avion. (C) L’indicateur de vitesse verticale indique la vitesse de montée ou de descente de l’aéronef. (D) L’indicateur d’altitude indique l’altitude barométrique de l’aéronef. (E) L’indicateur de régime moteur indique le régime du moteur de l’avion. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

Pour l’expérience actuelle, 23 experts ayant une expérience de vol et 23 novices sans expérience de vol ont été choisis. Les participants étaient âgés de 25 à 58 ans (experts : M = 32,52 ans, ET = 7,28 ans ; novices : M = 29,57 ans, ET = 5,74 ans). Le sexe de tous les participants était masculin. Tous les novices ont été recrutés à l’Université Tsinghua (étudiants ou professeurs), et tous les experts provenaient de China Eastern Airlines.

Mouvement o...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

L’étude actuelle a évalué si les participants ayant une expérience de vol avaient de meilleures performances de vol que ceux sans expérience de vol dans un simulateur de vol basé sur la RV. Plus important encore, il a évalué si un modèle de mouvement oculaire plus optimisé pouvait être trouvé chez ces participants ayant de meilleures performances de vol. Les résultats présentent des différences significatives entre les participants avec et sans expérience de vol pour trois indicateurs QAR clés : l’angle de tangage 1 s av...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

Les auteurs n’ont déclaré aucune divulgation financière ni conflit d’intérêts.

Remerciements

Les auteurs sont incroyablement reconnaissants à M. Li Yan pour son aide dans le recrutement des participants au projet pilote et remercient Mme Bu Lingyun pour son travail sur le dessin. La recherche a été soutenue par la Fondation nationale des sciences naturelles de Chine (numéro de subvention T2192931, 72071185), le National Brain Project (numéro de subvention STI2030-Major Projects2022ZD0208500), le National Key Laboratory Project of Human Factors Engineering (numéro de subvention SYFD062003), le National Key Laboratory Project of Human Factors Engineering (numéro de subvention 6142222210201), et l’année 2022 Grands projets de recherche logistique militaire Grant and Key Project of Air Force Equipment Comprehensive Recherche (numéro de subvention KJ2022A000415).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
SDK de moteur 3DEpic GamesUnreal Engine 4
GameAnalytics Unreal SDK		Ce SDK est un outil d’analyse gratuit à la fois puissant et flexible conçu pour les jeux.
ProcesseurIntelIntelCore i9L’un des processeurs les plus puissants du marché grand public.
SDKTobiiTobii XR SDKCe SDK fournit un accès indépendant de l’appareil aux données de suivi oculaire pour permettre le développement de casques de nombreux fournisseurs de matériel différents et n’est pas limité aux appareils utilisant le matériel Tobii Eye Tracking.
Logiciel de suivi oculaireDéveloppé par l’équipeUn programme qui suit le mouvement des yeux d’une personne pendant qu’elle utilise un casque de réalité virtuelle.
Programme FlySimulatorDéveloppé par l’équipeUn logiciel qui simule des expériences de vol dans un environnement virtuel, à l’aide d’un HMD VR et de contrôleurs portables.
Carte graphiqueNVIDIAGeForce RTX 3090
10496 NVIDIA CUDA Cores
1.70 GHz Boost Clock  ;   ;
24 Go Taille de mémoire
GDDR6X Type		L’une des cartes graphiques les plus puissantes du marché grand public.
Système d’exploitation (OS)MicrosoftWindows XPUn système d’exploitation (OS) développé et distribué exclusivement par Microsoft Corporation
Panneau de configurationTHRUSTMASTERAvion d’attaque A-10C de l’U.S. Air Force Joystick HOTAS
ReplicaTHRUSTMASTER2960720Avion d’attaque A-10C de l’U.S. Air Force HOTAS
Replica pédaleTHRUSTMASTERTPR gouvernail pendulaire
Réplique de la manette des gazTHRUSTMASTERU.S. Air Force A-10C Avion d’attaque HOTAS
Écran connecté au PCRedmiRMMNT27NF, 27 pouces, 1920 X 1080 rapport de résolutionL’écran permet à l’expérimentateur de voir simultanément ce qui se passe dans le HMD VR Logiciel d’enregistrement d’écran
OBS ProjectOBS Studio Version 28.0Un logiciel gratuit et open source pour l’enregistrement vidéo et la diffusion en direct
Logiciel d’analyse de puissance statistiqueOpen-SourceG*power Version 3.1.9.6Un outil gratuit et convivial pour estimer la puissance statistique et la taille de l’échantillon.
Logiciel statistiqueIBMSPSS Version 24.0Une puissante plate-forme logicielle statistique
Outil statistique polyvalentLogiciel GraphPad GraphPadPrism Version 9.4.0Un outil statistique polyvalent spécialement conçu pour les scientifiques et non les statisticiens
Magasin d’applications VRHTC CorporationVIVE Software 2.0.17.6 / 2.1.17.6Un magasin d’applications pour la réalité virtuelle où les clients peuvent explorer, créer, se connecter et découvrir le contenu qu’ils aiment et dont ils ont besoin.
Visiocasque VR (HMD)HTC CorporationVIVE Pro EyeUn casque VR avec suivi oculaire de précision
Logiciel VRSteamSteam VR Version 1.23Un outil pour découvrir du contenu VR sur le matériel
de recherche de recherche 2960720 2971004 2962072 2960748 2960769

Références

  1. Oberhauser, M., Dreyer, D., Braunstingl, R., Koglbauer, I. What's real about virtual reality flight simulation. Aviation Psychology and Applied Human Factors. 8 (1), 22-34 (2018).
  2. Oberhauser, M., Dreyer, D. A virtual reality flight simulator for human factors engineering. Cognition, Technology & Work. 19 (2-3), 263-277 (2017).
  3. Rolfe, J. M., Staples, K. J. Flight Simulation. , Cambridge University Press. Cambridge, New York. (1986).
  4. Robinson, A., Mania, K., Perey, P. Flight simulation: Research challenges and user assessments of fidelity. Proceedings of the 2004 ACM SIGGRAPH International Conference on Virtual Reality Continuum and its Applications in Industry. , 261-268 (2004).
  5. Moroney, W. F., Moreney, B. W. Flight Simulation. Handbook of Aviation Human Factors. , Lawrence Erlbaum Associates. Mahwah, New Jersey. 261-268 (1999).
  6. McCarty, W. D., Sheasby, S., Amburn, P., Stytz, M. R., Switzer, C. A virtual cockpit for a distributed interactive simulation. IEEE Computer Graphics and Applications. 14 (1), 49-54 (1994).
  7. Dorr, K. U., Schiefel, J., Kubbat, I. Virtual cockpit simulation for pilot training. In . The Hague, The Netherlands. What is Essential for Virtual Reality Systems to Meet Military Human Performance Goals? RTO human factors and medicine panel (HEM) workshop. , The Hague. The Netherlands. (2001).
  8. Bauer, M., Klingauf, U. Virtual-reality as a future training medium for civilian flight procedure training. AIAA Modeling and Simulation Technologies Conference and Exhibit. , Honolulu, Hawaii. 18-21 (2008).
  9. Yavrucuk, I., Kubali, E., Tarimci, O. A low cost flight simulator using virtual reality tools. IEEE Aerospace and Electronic Systems Magazine. 26 (4), 10-14 (2011).
  10. Aslandere, T., Dreyer, D., Pankratz, F., Schubotz, R. A generic virtual reality flight simulator. Virtuelle und Erweiterte Realität, 11. Workshop der GI-Fachgruppe VR/AR. , Shaker Verlag. Aachen. 1-13 (2014).
  11. Joyce, R. D., Robinson, S. K. The rapidly reconfigurable research cockpit. AIAA Modeling and Simulation Technologies Conference. , Dallas, Texas. 22-26 (2015).
  12. Schijven, M. P., Jakimowicz, J. J., Carter, F. J. How to select aspirant laparoscopic surgical trainees: Establishing concurrent validity comparing Xitact LS500 index performance scores with standardized psychomotor aptitude test battery scores. The Journal of Surgical Research. 121 (1), 112-119 (2004).
  13. Huang, P., Zhu, X., Liu, X., Xiao, W., Wu, S. Psychology selecting device for air force pilot recruitment based on virtual reality technology, has industrial personal computer connected with memory, where industrial control computer is connected with image display device. , CN111920428-A (2020).
  14. Wojciechowski, P., Wojtowicz, K. Simulator sickness and cybersickness as significant indicators in a primary selection of candidates for FPV drone piloting. 2022 IEEE 9th International Workshop on Metrology for AeroSpace (MetroAeroSpace). , Pisa, Italy. (2022).
  15. Ziv, G. Gaze behavior and visual attention: A review of eye tracking studies in aviation. The International Journal of Aviation Psychology. 26 (3-4), 75-104 (2016).
  16. Lai, M. L., et al. A review of using eye-tracking technology in exploring learning from 2000 to 2012. Educational Research Review. 10, 90-115 (2013).
  17. Robinski, M., Stein, M. Tracking visual scanning techniques in training simulation for helicopter landing. Journal of Eye Movement Research. 6 (2), 1-17 (2013).
  18. Yang, J. H., Kennedy, Q., Sullivan, J., Fricker, R. D. Pilot performance: Assessing how scan patterns & navigational assessments vary by flight expertise. Aviation Space and Environmental Medecine. 84 (2), 116-124 (2013).
  19. Yu, C. S., Wang, E. M. Y., Li, W. C., Braithwaite, G., Greaves, M. Pilots' visual scan patterns and attention distribution during the pursuit of a dynamic target. Aerospace Medicine and Human Performance. 87 (1), 40-47 (2016).
  20. Haslbeck, A., Zhang, B. I spy with my little eye: Analysis of airline pilots' gaze patterns in a manual instrument flight scenario. Applied Ergonomics. 63, 62-71 (2017).
  21. Brams, S., et al. Does effective gaze behavior lead to enhanced performance in a complex error-detection cockpit task. PLoS One. 13 (11), e0207439(2018).
  22. Peißl, S., Wickens, C. D., Baruah, R. Eye-tracking measures in aviation: A selective literature review. The International Journal of Aerospace Psychology. 28 (3-4), 98-112 (2018).
  23. Jin, H., et al. Study on how expert and novice pilots can distribute their visual attention to improve flight performance. IEEE Access. 9, 44757-44769 (2021).
  24. Lounis, C., Peysakhovich, V., Causse, M. Visual scanning strategies in the cockpit are modulated by pilots' expertise: A flight simulator study. PLoS One. 16 (2), e0247061(2021).
  25. Bellenkes, A. H., Wickens, C. D., Kramer, A. F. Visual scanning and pilot expertise: The role of attentional flexibility and mental model development. Aviation Space and Environmental. 68 (7), 569-579 (1997).
  26. Kasarskis, P., Stehwien, J., Hickox, J., Aretz, A., Wickens, C. Comparison of expert and novice scan behaviors during VFR flight. Proceedings of the 11th International Symposium on Aviation Psychology. , Columbus, Ohio. (2001).
  27. Lorenz, B., et al. Performance, situation awareness, and visual scanning of pilots receiving onboard taxi navigation support during simulated airport surface operation. Human Factors and Aerospace Safety. 6 (2), 135-154 (2006).
  28. Horrey, W. J., Alexander, A. L., Wickens, C. D. Does workload modulate the effects of in-vehicle display location on concurrent driving and side task performance. Driving Simulator Conference North America Proceedings. , Dearborn, Michigan. October 8-10 (2013).
  29. Wang, L., Ren, Y., Sun, H., Dong, C. A landing operation performance evaluation method and device based on flight data. In Engineering Psychology and Cognitive Ergonomics: Cognition and Design. , Springer International Publishing. Vancouver, British Columbia, Canada. 297-305 (2017).
  30. Wang, L., Ren, Y., Wu, C. Effects of flare operation on landing safety: A study based on ANOVA of real flight data. Safety Science. 102, 14-25 (2018).
  31. Huang, R., Sun, H., Wu, C., Wang, C., Lu, B. Estimating eddy dissipation rate with QAR flight big data. Applied Sciences. 9 (23), 5192(2019).
  32. Wang, L., Zhang, J., Dong, C., Sun, H., Ren, Y. A method of applying flight data to evaluate landing operation performance. Ergonomics. 62 (2), 171-180 (2019).
  33. Gerathewohl, S. J. Leitfaden der Militärischen Flugpsychologie. Verlag für Wehrwissenschaften. , (1987).
  34. Ugwitz, P., Kvarda, O., Juříková, Z., Šašinka, Č, Tamm, S. Eye-tracking in interactive virtual environments: implementation and evaluation. Applied Sciences. 12 (3), 1027(2022).
  35. Faul, F., Erdfelder, E., Lang, A. -G., Buchner, A. G*Power 3: A flexible statistical power analysis program for the social, behavioral, and biomedical sciences. Behavior Research Methods. 39 (2), 175-191 (2007).
  36. Boslaugh, S. E. Snellen Chart. , (2018).
  37. He, J., Becic, E., Lee, Y. -C., McCarley, J. S. Mind wandering behind the wheel. Human Factors: The Journal of the Human Factors and Ergonomics Society. 53 (1), 13-21 (2011).
  38. Tanveer Alam, GitHub - tanvcodes/qar_analytics: Scripts for working with publicly available Quick Access Recorder (QAR) data from a fleet of 35 BAE-146 aircraft. GitHub. , Retrieved on December 20,2022 from https://github.com/tanvcodes/qar_analytics (2022).
  39. Shapiro, S. S., Wilk, M. B. An analysis of variance test for normality (complete samples). Biometrika. 52 (3-4), 591-611 (1965).
  40. Hintze, J. L., Nelson, R. D. Violin plots: A box plot-density trace synergism. The American Statistician. 52 (2), 181-184 (1998).
  41. Cohen, J. Statistical Power Analysis for the Behavioral Sciences (2nd ed.). , Erlbaum, Hillsdale, NJ. (1988).
  42. Sawilowsky, S. S. New effect size rules of thumb. Journal of Modern Applied Statistical Methods. 8 (2), 26(2009).
  43. Bateman, T. S., Crant, J. M. The proactive component of organizational behavior: A measure and correlates. Journal of Organizational Behavior. 14 (2), 103-118 (1993).
  44. Endsley, M. R. Measurement of situation awareness in dynamic systems. Human Factors. 37 (1), 65-84 (1995).
  45. Hunter, D. R. Measuring general aviation pilot judgment using a situational judgment technique. The International Journal of Aviation Psychology. 13 (4), 373-386 (2003).
  46. Kim, H. K., Park, J., Choi, Y., Choe, M. Virtual reality sickness questionnaire (VRSQ): Motion sickness measurement index in a virtual reality environment. Applied Ergonomics. 69, 66-73 (2018).
  47. Hart, S. G. NASA Task Load Index (TLX). , (1986).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

Demander l’autorisation de réutiliser le texte ou les figures de cet article JoVE

Demander une autorisation

Mots-clés

valuation des performances de volvaluation du piloteTechnologie d oculom trieComparaison de l exp rience de volSimulation immersive 3DModule de commande de volMesure de la conscience situationnellevaluation de la cin tose li e la VR

Articles connexes