Eye Tracking tijdens een complexe luchtvaarttaak voor inzicht in informatieverwerking
4 april 2025
Eye tracking is een niet-invasieve methode om informatieverwerking te onderzoeken. In dit artikel wordt beschreven hoe eye-tracking kan worden gebruikt om het blikgedrag te bestuderen tijdens een noodtaak voor vluchtsimulatie bij piloten met weinig tijd (d.w.z. <350 vlieguren).
Ons onderzoek ontwikkelt objectieve psychofysiologische metingen van het situatiebewustzijn van piloten met behulp van eye-tracking om datagestuurde, competentiegerichte training en beoordeling te verbeteren. Vooruitgang in eye-tracking verbetert de luchtvaarttraining door aandachtstoestanden te monitoren, zoals vermoeidheid, cognitieve belasting en afdwalende gedachten, waardoor de prestaties en veiligheid van piloten worden verbeterd. Geïntegreerde eye-tracking in simulatoren, VR en AR maakt een realistische beoordeling van de mentale toestand en het scangedrag van piloten mogelijk, waardoor het onderzoek buiten laboratoria wordt bevorderd naar echte cockpits en high-fidelity simulaties.
Een belangrijke uitdaging is de segmentatie van het interessegebied en de validatie van labels, die arbeidsintensief, maar cruciaal zijn. Ons experiment verkent een automatiseringsmethode in een vroeg stadium die verder ontwikkeld moet worden. Mijn werk ondersteunt eye-tracking in luchtvaarttraining om de informatieverwerking, aandachtstoewijzing, stressmanagement en blikgedrag van piloten te beoordelen die wijzen op risico's die van invloed zijn op de monitoring en veiligheid van vliegtuigen.
Zet om te beginnen de vluchtsimulator en projectorschermen aan. Druk op het instructiescherm op het tabblad Voorinstellingen en controleer of de vereiste voorinstellingen voor positie en/of weer beschikbaar zijn. Zet vervolgens de incassolaptop aan en log in met de inloggegevens.
Wanneer u hierom wordt gevraagd, selecteert u een reeds bestaand profiel, maakt u een nieuw profiel voor een nieuwe deelnemer of selecteert u de optie Gast om de laatste kalibratie te overschrijven. Om de bril te kalibreren, opent u de eyetrackerbehuizing en haalt u de bril eruit. Selecteer vervolgens het neusstuk.
Sluit de USB aan op de Micro-USB-kabel van de laptop naar de bril. Zoek vervolgens de zwarte kalibratiebox in de behuizing van de eyetracker. Plaats de bril in de kalibratiedoos.
Kies op de collectie-laptop in de eye-tracking-hub de optie Extra en vervolgens Apparaatkalibratie. Druk op Start in het pop-upvenster om de kalibratie te starten. Zodra de kalibratie is voltooid, haalt u de bril uit de doos.
Om ervoor te zorgen dat het neusstuk goed past, instrueert u de deelnemer om in de cockpit te gaan zitten en de bril op te zetten. Controleer de pasvorm van uw brillendoos rechtsonder in het scherm. Als de pasvorm als uitstekend is gemarkeerd, gaat u verder met de volgende stap.
Klik anders op het vakje. Instrueer de deelnemer vervolgens om de aanbevelingen voor pasvorm op het scherm op te volgen, het neusstuk aan te passen, ervoor te zorgen dat de bril comfortabel past en recht vooruit te kijken naar de laptop. Knijp nu in het neusstuk in het midden, schuif het uit de bril en schuif er nog een in.
Om de kalibratiemodus met vaste blik voor het onderzoek te volgen, instrueert u de deelnemer om zijn hoofd te bewegen, zodat het vak overlapt met het zwarte vierkant en wordt uitgelijnd. Vraag de deelnemer vervolgens om zijn blik te richten op het dradenkruis in het zwarte vierkant en druk op de spatiebalk. Controleer vervolgens of de headset is aangesloten op de aansluiting aan de linker onderkant van het instrumentenpaneel.
Navigeer voorafgaand aan de oogbolkalibratie naar het vak Parameter in de oogvolghub. Controleer de kalibratiemodus en selecteer ether Vaste blik of Vaste kop, afhankelijk van het geval voor het onderzoek. Zorg ervoor dat de kalibratiepunten worden weergegeven als een raster van drie bij drie met in totaal negen punten.
Controleer of de validatiemodus overeenkomt met de kalibratiemodus. Onderzoek vervolgens de eye-tracking-outputs en zorg ervoor dat alle vereiste parameters voor het onderzoek worden gecontroleerd met behulp van de selectievakjes. Klik in de hub voor oogtracking op Bestand, Instellingen en Oogtracking.
Controleer of de bemonsteringsfrequentie is ingesteld op 250 hertz. Druk op het vakje Uw instellingen valideren en controleer of de gemiddelde absolute fout minder dan één graad is en sla de kalibratie vervolgens op in het profiel. Geef de deelnemer voor het verzamelen van gegevens duidelijke instructies over de proef- of vliegroute, inclusief hoe de instellingen op het instrumentenpaneel kunnen worden aangepast voordat de simulatie begint.
Druk op het instructiescherm op de oranje knop Gestopt om het verzamelen van gegevens te starten. Controleer of de kleur verandert in groen en de tekst wordt bijgewerkt naar Vliegen. Druk op de collectielaptop op Start Recording om de eyetrackergegevens te synchroniseren met de vluchtsimulatorgegevens.
Wanneer de deelnemer zijn circuit heeft voltooid en is geland, wacht dan tot het vliegtuig volledig tot stilstand is gekomen. Druk op het instructiescherm op de groene Flying-knop om het verzamelen van gegevens te stoppen. Controleer of de kleur weer oranje wordt en dat de tekst wordt bijgewerkt naar Gestopt.
Voer een batchscript voor het bijhouden van ogen uit om handmatig interessegebieden (AOI's) te definiëren voor het in kaart brengen van de blik. Het script opent een nieuw venster voor het selecteren van het keyframe. Blader door de video en kies een frame dat duidelijk alle belangrijke AOI's laat zien die moeten worden geanalyseerd.
Volg de instructies op het scherm om een rechthoek te tekenen over een gebied van het frame dat gedurende de hele video zichtbaar is, uniek is en stabiel blijft. Teken vervolgens één voor één een rechthoek voor elke AOI in het frame. Geef elke rechthoek een overeenkomstige naam.
Gebruik de knop Meer toevoegen om nieuwe AOI's toe te voegen en druk op Gereed bij de laatste. Start het script om de AOI's te verwerken en fixatiegegevens te genereren, die een plot genereren met de saccades en fixaties over de video. Noodtaakomstandigheden verminderden het slagingspercentage van landingen aanzienlijk in vergelijking met basisomstandigheden.
De doorlooptijd was significant korter in noodproeven in vergelijking met basisproeven. De landingsfout was ook significant hoger in noodproeven in vergelijking met basisproeven. De subjectieve situatiebewustzijnsscore was significant lager tijdens noodtaken in vergelijking met basistaken.
De vraag en het aanbod van situatiebewustzijn namen toe van de basis- naar de noodproeven, en het begrip van situatiebewustzijn nam af van de basis- naar de noodproeven. Blikstatistieken toonden een significante vermindering van de verblijftijd op belangrijke instrumenten zoals de hoogtemeter en houdingsindicatoren in noodsituaties. De knippersnelheid nam aanzienlijk toe onder noodsituaties in vergelijking met basisomstandigheden.
Geavanceerde blikmetingen, zoals SGE en GTE, werden aanzienlijk verminderd in noodsituaties.
Bekijk het volledige transcript en krijg toegang tot duizenden wetenschappelijke video's
Overzicht
Dit artikel onderzoekt het gebruik van eye tracking als een niet-invasieve methode om het kijkgedrag van piloten met weinig vliegervaring te bestuderen tijdens een noodsituatie in een vluchtsimulatie. Het benadrukt het belang van het monitoren van aandachtstoestanden om de pilotenopleiding en veiligheid te verbeteren.
Belangrijke studieonderdelen
Wetenschapsgebied
- Neurowetenschappen
- Luchtvaartpsychologie
- Menselijke factoren
Achtergrond
- Eye tracking biedt objectieve metingen van de situatiebewustheid van piloten.
- Technologische vooruitgang maakt het mogelijk om cognitieve toestanden zoals vermoeidheid en cognitieve belasting te monitoren.
- Integratie van eye tracking in simulatoren en VR verbetert de realistische training.
- Uitdagingen omvatten de arbeidsintensieve segmentatie van interessegebieden en labelvalidatie.
Doel van het onderzoek
- Om de informatieverwerking en aandachtsallocatie van piloten te beoordelen.
- Om trainings- en beoordelingsmethoden in de luchtvaart te verbeteren.
- Om automatiseringsmethoden voor eye tracking-analyse te verkennen.
Gebruikte methoden
- Eye tracking-technologie geïntegreerd in vluchtsimulatoren.
- Monitoring van aandachtstoestanden tijdens noodtaken.
- Gegevensverzameling over kijkgedrag en cognitieve belasting.
- Verkenning van automatisering in segmentatie van interessegebieden.
Belangrijkste resultaten
- Eye tracking bewaakt effectief de mentale toestand van piloten.
- Gezichtsgedrag geïdentificeerd dat risico's in vliegtuigmonitoring aangeeft.
- Beter begrip van cognitieve belasting en aandachtsallocatie.
- Preliminaire bevindingen ondersteunen verdere ontwikkeling van automatiseringsmethoden.
Conclusies
- Eye tracking is een waardevol hulpmiddel voor het verbeteren van de luchtvaarttraining.
- Het biedt inzicht in de cognitieve processen en risico's van piloten.
- Er is verder onderzoek nodig om automatiseringstechnieken te verfijnen.
Veelgestelde vragen
Executive Industry Relevance
Objective eye tracking in high-fidelity simulation environments enables quantifiable assessment of information processing, attention allocation, and cognitive load during complex operational tasks. For biopharma R&D, such methodologies inform the design and validation of translational models that require robust measurement of human performance and cognitive state. These capabilities support predictive confidence in early-stage target validation and mechanistic de-risking for neurocognitive and human factors research portfolios.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables objective quantification of cognitive and perceptual responses to defined stimuli.
- Supports mechanistic de-risking by linking gaze metrics to information processing efficiency.
- Facilitates functional validation of neurocognitive targets in translational research settings.
Screening & Assay Development
- Provides validated behavioral endpoints for screening interventions affecting attention or cognitive load.
- Standardizes measurement of gaze allocation and dwell time as reproducible quantitative outputs.
- Enables assay development for compounds or devices targeting cognitive performance.
Translational & Preclinical Research
- Aligns human behavioral metrics with disease-relevant endpoints for translational continuity.
- Supports risk-adjusted advancement of neurocognitive interventions based on objective readouts.
- Facilitates cross-species or cross-model comparison of attention and information processing metrics.
Pipeline & Workflow Integration
Wearable eye tracking and AOI-based gaze analysis integrate into the discovery-to-preclinical continuum for neurocognitive and behavioral research.
- Discovery Biology: Quantifies attention allocation and cognitive load as mechanistic endpoints for hypothesis testing.
- Screening: Delivers reproducible, quantitative gaze metrics for evaluating intervention effects.
- Analytics: Provides statistical outputs such as dwell time, gaze dispersion, and blink rate for condition comparison.
- Translational Research: Bridges human simulation data with preclinical models for biomarker alignment.
- Enterprise Reuse: Establishes a scalable, reusable platform for cognitive and behavioral assessment across programs.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces ambiguity in neurocognitive target validation.
- Operational Value: Standardizes behavioral measurement and enhances reproducibility across studies.
- Strategic Value: Informs go/no-go decisions and portfolio triage based on objective cognitive endpoints.
- Portfolio Impact: Supports risk-adjusted prioritization of neurocognitive and behavioral intervention programs.
Implementation Considerations
- Requires expertise in psychophysiological measurement and behavioral analytics.
- Demands high-fidelity simulation infrastructure and validated eye tracking instrumentation.
- Necessitates rigorous AOI segmentation and label validation for reproducibility.
- Must address adaptation of gaze mapping algorithms across different simulation or model systems.
- Current automation of AOI labeling is early-stage and may require manual validation.
