Method Article

Eksperymenty w wirtualnej rzeczywistości ze środkami fizjologicznymi

DOI:

10.3791/58318

⸱

August 29th, 2018

 ,  ,  ,  ,  ,  , 
1Chair of Cognitive Science, ETH Zürich, 2Geographic Information Visualization and Analysis, University of Zürich, 3Digital Society Initiative, University of Zürich

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Eksperymenty wirtualnej rzeczywistości (VR) mogą być trudne do przeprowadzenia i wymagają skrupulatnego planowania. Protokół ten opisuje metodę projektowania i realizacji eksperymentów VR, które zbierają dane fizjologiczne od uczestników. Framework EVE (Experiments in Virtual Environments) jest wykorzystywany do przyspieszenia tego procesu.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Eksperymenty wirtualnej rzeczywistości (VR) są coraz częściej stosowane ze względu na ich wewnętrzną i zewnętrzną ważność w porównaniu do obserwacji w świecie rzeczywistym i eksperymentów laboratoryjnych. VR jest szczególnie przydatny do wizualizacji geograficznych i badań zachowań przestrzennych. W badaniach zachowań przestrzennych VR stanowi platformę do badania związku między nawigacją a pomiarami fizjologicznymi (np. przewodnictwem skóry, tętnem, ciśnieniem krwi). W szczególności pomiary fizjologiczne pozwalają naukowcom odpowiedzieć na nowe pytania i ograniczyć wcześniejsze teorie zdolności przestrzennych, strategii i wydajności. Na przykład indywidualne różnice w wydajności nawigacji można wytłumaczyć stopniem, w jakim zmiany pobudzenia pośredniczą w skutkach trudności zadania. Jednak złożoność w projektowaniu i realizacji eksperymentów VR może odciągać uwagę eksperymentatorów od ich głównych celów badawczych i wprowadzać nieprawidłowości w gromadzeniu i analizie danych. Aby sprostać tym wyzwaniom, ramy Eksperymentów w Środowiskach Wirtualnych (EVE) obejmują ustandaryzowane moduły, takie jak szkolenie uczestników z interfejsem sterowania, gromadzenie danych za pomocą kwestionariuszy, synchronizacja pomiarów fizjologicznych i przechowywanie danych. EVE zapewnia również niezbędną infrastrukturę do zarządzania, wizualizacji i oceny danych. W niniejszym artykule opisano protokół, który wykorzystuje framework EVE do przeprowadzania eksperymentów nawigacyjnych w VR z czujnikami fizjologicznymi. Protokół wymienia kroki niezbędne do rekrutacji uczestników, dołączenia czujników fizjologicznych, przeprowadzenia eksperymentu za pomocą EVE i oceny zebranych danych za pomocą narzędzi ewaluacyjnych EVE. Ogólnie rzecz biorąc, protokół ten ułatwi przyszłe badania poprzez usprawnienie projektowania i wdrażania eksperymentów VR z czujnikami fizjologicznymi.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Zrozumienie, w jaki sposób ludzie nawigują, ma ważne implikacje dla kilku dziedzin, w tym nauk kognitywnych1,2,3, neuroscience4,5 i informatyki6,7. Nawigacja została zbadana zarówno w środowisku rzeczywistym, jak i wirtualnym. Jedną z zalet eksperymentów w świecie rzeczywistym jest to, że nawigacja nie wymaga pośrednictwa interfejsu sterującego, a zatem może zapewnić bardziej realistyczne zachowanie przestrzenne. Z kolei eksperymenty z rzeczywistością wirtualną (VR) pozwalają na bardziej precyzyjny pomiar danych behawioralnych (np. trajektorie chodzenia) i fizjologicznych (np. tętno), a także na bardziej eksperymentalną kontrolę (tj. trafność wewnętrzną). Z kolei takie podejście może skutkować prostszą interpretacją danych, a tym samym bardziej solidnymi teoriami nawigacji. Ponadto neuronauka może skorzystać z VR, ponieważ naukowcy mogą badać neuronalne korelaty nawigacji, podczas gdy uczestnicy są zaangażowani w środowisko wirtualne, ale nie mogą się fizycznie poruszać. Dla informatyków nawigacja w VR wymaga unikalnych osiągnięć w zakresie mocy obliczeniowej, pamięci i grafiki komputerowej, aby zapewnić wciągające wrażenia. Wyniki eksperymentów VR można również zastosować w architekturze i kartografii, informując o projektowaniu układów budynków 8 i funkcji mapy9, aby ułatwić nawigację w świecie rzeczywistym. W ostatnim czasie postęp w technologii VR w połączeniu z radykalnym spadkiem jej kosztów doprowadził do wzrostu liczby laboratoriów wykorzystujących VR w swoich projektach eksperymentalnych. Ze względu na tę rosnącą popularność naukowcy muszą zastanowić się, jak usprawnić wdrażanie aplikacji VR i ustandaryzować przebieg eksperymentów. Takie podejście pomoże przesunąć zasoby z implementacji do rozwoju teorii i rozszerzyć istniejące możliwości VR.

VR konfiguracje mogą wahać się od bardziej do mniej realistycznych pod względem wyświetlania i sterowania. Bardziej realistyczne konfiguracje VR zwykle wymagają dodatkowej infrastruktury, takiej jak duże przestrzenie śledzenia i wyświetlacze o wysokiej rozdzielczości10. Systemy te często wykorzystują przekierowane algorytmy chodzenia w celu wprowadzenia niezauważalnych obrotów i translacji do wizualnej informacji zwrotnej dostarczanej użytkownikom i skutecznego powiększenia wirtualnego środowiska, przez które uczestnicy mogą się poruszać11,12. Algorytmy te można uogólnić w ten sposób, że nie wymagają znajomości struktury środowiska13 lub predykcyjne w tym, że zakładają określone ścieżki dla user14. Chociaż większość badań nad przekierowanym chodzeniem wykorzystuje wyświetlacze montowane na głowie (HMD), niektórzy badacze stosują wersję tej techniki z chodzeniem w miejscu jako część dużego systemu projekcji (np. CAVEs)15. Podczas gdy gogle mogą być noszone na głowie uczestnika, wyświetlacze CAVE zwykle zapewniają szersze poziome pole widzenia16,17. Jednak dla systemów VR korzystających z wyświetlaczy stacjonarnych potrzeba mniej infrastruktury18,19. W badaniach neurobiologicznych wykorzystano również systemy VR w połączeniu z funkcjonalnym rezonansem magnetycznym (fMRI) podczas skanowania20, w połączeniu z fMRI po skanowaniu21,22, oraz w połączeniu z elektroencefalografią (EEG) podczas nagrywania23,24. Ramy oprogramowania są potrzebne do koordynowania różnorodności wyświetlaczy i elementów sterujących, które są używane do badań nawigacyjnych.

Badania, które obejmują VR i dane fizjologiczne, stawiają dodatkowe wyzwania, takie jak akwizycja i synchronizacja danych. Jednak dane fizjologiczne pozwalają na badanie ukrytych procesów, które mogą pośredniczyć w związku między potencjałem nawigacyjnym a zachowaniem przestrzennym. Rzeczywiście, związek między stresem a nawigacją został zbadany przy użyciu VR na komputery stacjonarne i kombinacji różnych czujników fizjologicznych (tj. tętna, ciśnienia krwi, przewodnictwa skóry, kortyzolu w ślinie i alfa-amylazy)25,26,27,28. Na przykład van Gerven i współpracownicy29 badali wpływ stresu na strategię nawigacji i wydajność, używając wirtualnej wersji zadania w labiryncie wodnym Morrisa i kilku pomiarów fizjologicznych (np. przewodnictwa skóry, tętna, ciśnienia krwi). Ich wyniki ujawniły, że stres przewidywał strategię nawigacji pod względem wykorzystania punktów orientacyjnych (tj. egocentryczny kontra allocentryczny), ale nie był związany z wydajnością nawigacji. Ogólnie rzecz biorąc, wyniki poprzednich badań są nieco niespójne, jeśli chodzi o wpływ stresu na wydajność nawigacji i pamięć przestrzenną. Wzorzec ten można przypisać oddzieleniu stresora (np. procedura cold pressor26, Star Mirror Tracing Task25) od rzeczywistego zadania nawigacyjnego, użyciu prostych środowisk wirtualnych przypominających labirynt (np. wirtualny labirynt wodny Morrisa26, wirtualny labirynt ramienia promieniowego28) oraz różnic w szczegółach metodologicznych (np., rodzaj stresora, rodzaj danych fizjologicznych). Problematyczne dla realizacji i analizy takich badań mogą być również różnice w formacie zbieranych danych fizjologicznych.

Ramy Eksperymentów w Wirtualnych Eksperymentach (EVE) ułatwiają projektowanie, realizację i analizę eksperymentów VR, szczególnie tych z dodatkowymi urządzeniami peryferyjnymi (np. trackerami oczu, urządzeniami fizjologicznymi)30. Framework EVE jest dostępny bezpłatnie jako projekt open-source na GitHub (https://cog-ethz.github.io/EVE/). Framework ten oparty jest na popularnym silniku gry Unity 3D (https://unity3d.com/) oraz systemie zarządzania bazą danych MySQL (https://www.mysql.com/). Badacze mogą korzystać z ram EVE w celu przygotowania różnych etapów eksperymentu VR, w tym kwestionariuszy przed i po badaniu, pomiarów bazowych dla dowolnych danych fizjologicznych, treningu z interfejsem sterowania, głównego zadania nawigacyjnego oraz testów pamięci przestrzennej środowiska, po którym się porusza (np. oceny względnego kierunku). Eksperymentatorzy mogą również kontrolować synchronizację danych z różnych źródeł i na różnych poziomach agregacji (np. między próbami, blokami lub sesjami). Źródła danych mogą być fizyczne (tj. połączone z użytkownikiem; patrz Spis materiałów) lub wirtualne (tj. zależne od interakcji między awatarem uczestnika a środowiskiem wirtualnym). Na przykład eksperyment może wymagać zarejestrowania tętna i pozycji/orientacji uczestnika, gdy awatar tego uczestnika porusza się w określonym obszarze środowiska wirtualnego. Wszystkie te dane są automatycznie przechowywane w bazie danych MySQL i oceniane za pomocą funkcji odtwarzania i pakietu R evertools (https://github.com/cog-ethz/evertools/). Evertools zapewnia funkcje eksportu, podstawowe statystyki opisowe i narzędzia diagnostyczne do dystrybucji danych.

Framework EVE może być wdrażany z różnymi infrastrukturami fizycznymi i systemami VR. W niniejszym protokole opisujemy jedną konkretną implementację w NeuroLab na Politechnice Federalnej w Zurychu (Rysunek 1). NeuroLab to pomieszczenie o wymiarach 12 m na 6 m, w którym znajduje się izolowana komora do przeprowadzania eksperymentów EEG, kabina z systemem VR (2,6 m x 2,0 m) oraz zasłonięta strefa do mocowania czujników fizjologicznych. System VR składa się z 55-calowego wyświetlacza telewizyjnego o ultrawysokiej rozdzielczości, wysokiej klasy komputera do gier, interfejsu sterowania joystickiem i kilku czujników fizjologicznych (patrz tabela materiałów). W kolejnych rozdziałach opisujemy protokół przeprowadzenia eksperymentu nawigacyjnego w NeuroLab z wykorzystaniem ramy EVE i czujników fizjologicznych, przedstawiamy reprezentatywne wyniki jednego badania dotyczącego stresu i nawigacji oraz omawiamy możliwości i wyzwania związane z tym systemem.

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Poniższy protokół został przeprowadzony zgodnie z wytycznymi zatwierdzonymi przez Komisję Etyki ETH Zürich jako część propozycji EK 2013-N-73.

1. Rekrutacja i przygotowanie uczestników

  1. Wybierz uczestników o określonych cechach demograficznych (np. wiek, płeć, wykształcenie) za pomocą systemu rekrutacji uczestników lub listy mailingowej (np. UAST; http://www.uast.uzh.ch/).
  2. Skontaktuj się z wybranymi uczestnikami drogą mailową. W tym e-mailu przypomnij uczestnikom o czasie sesji i wymaganiach. Poinformuj uczestników, że muszą nosić luźny top (do monitorowania ciśnienia krwi), powstrzymać się od alkoholu przez 12 godzin przed eksperymentem i powstrzymać się od kilku innych czynności (tj. kofeiny, palenia, jedzenia i ćwiczeń) przez 3 godziny przed eksperymentem.

2. Przygotowanie eksperymentu i urządzeń fizjologicznych za pomocą EVE

  1. Przed każdą sesją eksperymentalną uruchom komputer, monitor eksperymentatora i monitor testowania.
  2. Upewnij się, że wentylator pokojowy, termometr i monitor wilgotności są włączone.
  3. Włączyć urządzenie mierzące aktywność elektrodermalną (EDA) i elektrokardiografię (EKG; np. PowerLab firmy ADInstruments). Zobacz tabelę materiałów.
  4. Otwórz oprogramowanie EDA/EKG (EVE obsługuje obecnie Labchart od ADInstruments) i utwórz nowy plik ustawień. Wybierz częstotliwość próbkowania 1,000 Hz i odpowiednią liczbę kanałów (np. jeden dla EDA i jeden dla EKG). Zapisz ten plik ustawień i ponownie zapisz wersję o innej nazwie dla każdej sesji eksperymentalnej.
  5. W przypadku elektrod EDA należy wykonać zero w obwodzie otwartym (tj. bez elektrod przymocowanych do czegokolwiek), aby uzyskać podstawową miarę przewodności układu.
  6. Upewnij się, że interfejs sterowania (np. joystick) jest podłączony do komputera.
  7. Na monitorze eksperymentatora otwórz plik wykonywalny aparatu Unity dla eksperymentu.
    1. Otwórz menu "Ustawienia eksperymentu" w EVE i wprowadź parametry eksperymentu (np. numer identyfikacyjny uczestnika, plik pomiaru fizjologicznego, warunki eksperymentu, temperaturę i wilgotność w pomieszczeniu).
    2. Kliknij "Rozpocznij eksperyment".

3. Procedura eksperymentalna

  1. Procedura wprowadzenia i zgody
    1. Odbierz uczestnika w umówionym miejscu spotkania i zaprowadź go do laboratorium.
    2. Wskaż, że sesja potrwa około 90 minut i poproś uczestnika o przechowywanie zegarka i/lub telefonu komórkowego.
    3. Poproś uczestnika, aby usiadł na krześle eksperymentalnym i wyjaśnił procedurę eksperymentalną zgodnie z przygotowanym skryptem słownym.
    4. Poproś uczestnika o przeczytanie karty informacyjnej i podpisanie formularza świadomej zgody.
  2. Podłączenie czujników EDA i EKG
    1. Oczyść palec wskazujący i serdeczny ręki niedominującej wilgotną chusteczką bez mydła. Upewnij się, że są suche i połącz dwie elektrody EDA z paliczkami przyśrodkowymi.
    2. Oczyść skórę na klatce piersiowej, w której zostaną umieszczone elektrody EKG, wilgotną szmatką.
    3. Umieść białe, czarne i czerwone elektrody na ciele uczestnika między żebrami zgodnie z Rysunek 2. Umieść białą elektrodę na prawym górnym brzuchu (UR), a czarną elektrodę na lewym górnym brzuchu (UL). Umieść czerwoną elektrodę na lewym dolnym brzuchu (LL). Upewnij się, że trzy elektrody nie znajdują się bezpośrednio nad żebrem.
    4. Podłącz trzy oznaczone kolorami przewody EKG do odpowiednich elektrod przymocowanych do ciała uczestnika.
  3. Kwestionariusze przed eksperymentem
    1. Zapewnij uczestnikowi klawiaturę i myszkę, które będą używane do udzielania odpowiedzi na kwestionariusze (np. pytania demograficzne, pierwsza część Kwestionariusza Krótkiego Stanu Stresu, Skala Poczucia Kierunku Santa Barbara) i poinformuj go, że zostanie mu zadana seria pytań na komputerze.
    2. Poinformuj uczestników, że w każdej chwili mogą zadać eksperymentatorowi pytania dotyczące kwestionariuszy.
    3. Zamknij dwie boczne ściany kabiny, podczas gdy uczestnik wypełnia kwestionariusze.
  4. Preparaty do pomiaru fizjologicznego. Kroki te można przeprowadzić w trakcie wypełniania kwestionariuszy przez uczestnika.
    1. Poinformuj uczestnika, że eksperymentator przygotuje teraz urządzenia fizjologiczne.
    2. Sprawdź, czy elektrody są przymocowane we właściwych miejscach.
    3. Przymocuj mankiet do pomiaru ciśnienia krwi do ramienia niedominującego.
    4. Przekaż uczestnikowi instrukcje dotyczące dokładnego pomiaru ciśnienia krwi. Powiedz uczestnikowi, aby zminimalizował ruchy ramion i ciała, trzymał mankiet do pomiaru ciśnienia krwi na poziomie serca i utrzymywał wyprostowaną postawę ze stopami płasko na podłodze.
    5. Podłącz dwa przewody EDA do elektrod na palcach.
    6. Wyłącz światło nad monitorem i przyciemnij wszystkie inne światła górne do najniższego ustawienia.
    7. Przekaż joystick uczestnikowi i upewnij się, że mysz znajduje się poza ekranem monitora testowego.
    8. Wyzeruj kanał EDA, aby uzyskać pomiar początkowego poziomu przewodnictwa skórnego danej osoby.
    9. W oprogramowaniu EDA/EKG otwórz okno dialogowe "Bio Amp". Wybierz zakres sygnału, w którym sygnał bicia serca obejmuje około jednej trzeciej okna podglądu (w większości przypadków 5 mV).
    10. Rozpocznij nagrywanie za pomocą oprogramowania EDA/EKG i sprawdź, czy sygnał jest widoczny w oknie oprogramowania EDA/EKG na monitorze eksperymentatora.
    11. Rozpocznij pomiar ciśnienia krwi, naciskając odpowiedni przycisk w ciśnieniomierzu.
    12. Przełącz się na otwarty program Unity i naciśnij "Rozpocznij pomiary". Powinien pojawić się krzyż fiksacji.
  5. Szkolenie z joysticka i film bazowy
    1. Poproś uczestnika, aby obejrzał i obejrzał film szkoleniowy, który instruuje go, jak korzystać z joysticka.
    2. Poproś uczestników, aby ukończyli labirynt treningowy, aby poćwiczyć korzystanie z joysticka. W tym labiryncie szkoleniowym uczestnicy są instruowani, aby podążać za strzałkami wskazującymi trasę i zbierać unoszące się klejnoty.
    3. Jeśli eksperyment obejmuje dźwięk, umieść słuchawki na głowie uczestnika.
    4. Poproś uczestnika, aby obejrzał podstawowy film przyrodniczy bez poruszania się. Ten film służy do uwzględnienia podstawowego pomiaru danych fizjologicznych uczestnika podczas późniejszej analizy.
  6. Zadanie nawigacji
    1. Upewnij się, że uczestnicy przeczytali instrukcje dotyczące zadania nawigacyjnego do wykonania. Zapytaj, czy uczestnik ma jakieś pytania przed rozpoczęciem zadania nawigacji. Powiedz uczestnikowi, że nie powinien zadawać pytań podczas zadania nawigacyjnego.
    2. Poproś uczestnika, aby nacisnął spust na joysticku, gdy będzie gotowy do rozpoczęcia zadania nawigacyjnego.
  7. Końcowe pomiary fizjologiczne i odłączenie czujników fizjologicznych
    1. Poczekaj, aż system zakończy ostatni pomiar ciśnienia krwi.
    2. Zatrzymaj nagrywanie EDA i EKG, naciskając przycisk stop w oprogramowaniu EDA/EKG.
    3. Zdejmij mankiet do pomiaru ciśnienia krwi.
    4. Usuń elektrody EDA z uczestnika.
    5. Poproś uczestników, aby nie usuwali elektrod EKG do końca eksperymentu.
    6. Wyjmij joystick i słuchawki.
  8. Kwestionariusze po eksperymencie
    1. Zapewnij uczestnikowi klawiaturę i mysz do wypełniania kwestionariuszy po eksperymencie (np. Druga część Kwestionariusza Krótkiego Stanu Stresu, Manekin Samooceny, Kwestionariusz Choroby Symulatora).
    2. Poinformuj uczestników, że zostaną im zadane kolejne pytania na komputerze i że w razie potrzeby mogą zadawać pytania.
  9. Koniec sesji eksperymentalnej
    1. Poinformuj uczestnika, że część eksperymentalna została zakończona. Podziękuj mu za udział w eksperymencie.
    2. Powiedz uczestnikowi, że może teraz usunąć elektrody EKG.
    3. Wypłać uczestnikom i poproś ich o podpisanie wydrukowanego paragonu.
    4. Zapytaj, czy uczestnik ma jakiekolwiek pytania dotyczące celu eksperymentu i wyprowadź go na zewnątrz sali eksperymentalnej.

4. Po każdej sesji eksperymentalnej

  1. Otwórz menu "Ocena" w EVE, aby przeprowadzić diagnostykę eksperymentu (np. odtworzyć trajektorie) i zapisać pliki pomiarów fizjologicznych w oprogramowaniu EDA/EKG.
  2. W menu "Ocena" w EVE naciśnij przycisk "Dodaj znacznik zdarzenia", aby oznaczyć zdarzenia w plikach pomiarów fizjologicznych. Ten etap ma kluczowe znaczenie dla analizy danych fizjologicznych w odniesieniu do poszczególnych faz eksperymentalnych.
  3. Zapisz plik EDA/EKG w pliku pomiaru fizjologicznego w oprogramowaniu EDA/EKG.
  4. Wyeksportuj dane eksperymentalne do kopii zapasowej za pomocą pakietu evertools.
  5. Wyłączyć aparat EDA/EKG i wyczyść elektrody EDA wacikami nasączonymi alkoholem.
  6. Oznacz, że uczestnik pojawił się w systemie rekrutacji uczestników.

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Od każdego uczestnika w NeuroLab zazwyczaj zbieramy dane fizjologiczne (np. EKG), dane z kwestionariusza (np. Skala Poczucia Kierunku Santa Barbara lub SBSOD31) oraz dane nawigacyjne (np. ścieżki w środowisku wirtualnym). Na przykład zmiany częstości akcji serca (pochodzące z danych EKG) zostały powiązane ze zmianami stanów stresu w połączeniu z innymi parametrami fizjologicznymi32 i self-report measures

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

W niniejszym artykule opisano protokół prowadzenia eksperymentów w VR z urządzeniami fizjologicznymi z wykorzystaniem frameworka EVE. Tego typu eksperymenty są wyjątkowe ze względu na dodatkowe względy sprzętowe (np. urządzenia fizjologiczne i inne urządzenia peryferyjne), etapy przygotowawcze do zbierania danych fizjologicznych za pomocą VR oraz wymagania dotyczące zarządzania danymi. Obecny protokół zapewnia niezbędne kroki dla eksperymentatorów, którzy zamierzają zbierać dane z wielu urządzeń peryferyjnych je...

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Autorzy nie mają nic do ujawnienia.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Wirtualne środowisko zostało uprzejmie udostępnione przez VIS Games (http://www.vis-games.de) w celu przeprowadzenia badań w wirtualnej rzeczywistości.

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
Alienware Area 51 — podstawafirmy Dell Obliczenia 210-ADHC
138 cm Telewizor LED 4K Ultra-HDWyświetlaczSamsungUE55JU6470U
SureSigns VS2+Philips Healthcare863278Ciśnienie krwi
PowerLab 8/35AD InstrumentsPL3508Przewodność skórna
PowerLab 26T (LTS)AD InstrumentsML4856Tętno
Extreme 3D Pro JoystickLogitech963290-0403HID

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Gallistel, C. R. The Organization of Learning. , MIT Press. Cambridge, MA. (1990).
  2. Waller, D., Nadel, L. Handbook of Spatial Cognition. , American Psychological Association. Washington D.C. (2013).
  3. Denis, M. Space and Spatial Cognition: A Multidisciplinary Perspective. , Routledge. Abingdon, Oxon. (2017).
  4. Epstein, R. A., Patai, E. Z., Julian, J. B., Spiers, H. J. The cognitive map in humans: spatial navigation and beyond. Nature Neuroscience. 20, 1504(2017).
  5. O'Keefe, J., Nadel, L. The Hippocampus as a Cognitive Map. , Clarendon Press. Oxford. (1978).
  6. Kuipers, B. J. Modelling spatial knowledge. Cognitive Science. 2, 129-153 (1978).
  7. Heppenstall, A. J., Crooks, A. T., See, L. M., Batty, M. Agent-Based Models of Geographical Systems. , Springer. Netherlands. Dordrecht. (2012).
  8. Kuliga, S. F., Thrash, T., Dalton, R. C., Hölscher, C. Virtual reality as an empirical research tool - Exploring user experience in a real building and a corresponding virtual model. Computers, Environment and Urban Systems. 54, 363-375 (2015).
  9. Credé, S., Fabrikant, S. I. Let's Put the Skyscrapers on the Display-Decoupling Spatial Learning from Working Memory. Proceedings of Workshops and Posters at the 13th International Conference on Spatial Information Theory (COSIT 2017). , 163-170 (2018).
  10. Hodgson, E., Bachmann, E. R., Vincent, D., Zmuda, M., Waller, D., Calusdian, J. WeaVR: a self-contained and wearable immersive virtual environment simulation system). Behavior Research Methods. 47 (1), 296-307 (2015).
  11. Nilsson, N., et al. 15 Years of Research on Redirected Walking in Immersive Virtual Environments. IEEE Computer Graphics and Applications. , 1-19 (2018).
  12. Razzaque, S., Kohn, Z., Whitton, M. C. Redirected walking. Proceedings of EUROGRAPHICS. , 105-106 (2001).
  13. Hodgson, E., Bachmann, E. Comparing Four Approaches to Generalized Redirected Walking: Simulation and Live User Data. IEEE Transactions on Visualization and Computer Graphics. 19 (4), 634-643 (2013).
  14. Nescher, T., Huang, Y. -Y., Kunz, A. Planning redirection techniques for optimal free walking experience using model predictive control. 2014 IEEE Symposium on 3D User Interfaces (3DUI). , 111-118 (2014).
  15. Razzaque, S., Swapp, D., Slater, M., Whitton, M. C., Steed, A. Redirected walking in place. Eurographics workshop on virtual environments. , 123-130 (2002).
  16. Meilinger, T., Knauff, M., Bulthoff, H. Working Memory in Wayfinding-A Dual Task Experiment in a Virtual City. Cognitive Science: A Multidisciplinary Journal. 32 (4), 755-770 (2008).
  17. 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), 0184682(2017).
  18. 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. , (2014).
  19. Wiener, J. M., Hölscher, C., Büchner, S., Konieczny, L. Gaze behaviour during space perception and spatial decision making. Psychological research. 76 (6), 713-729 (2012).
  20. Hassabis, D., Chu, C., Rees, G., Weiskopf, N., Molyneux, P. D., Maguire, E. A. Decoding Neuronal Ensembles in the Human Hippocampus. Current Biology. 19 (7), 546-554 (2009).
  21. Maguire, E. A., Nannery, R., Spiers, H. J. Navigation around London by a taxi driver with bilateral hippocampal lesions. Brain. 129, 2894-2907 (2006).
  22. Marchette, S. A., Vass, L. K., Ryan, J., Epstein, R. A. Anchoring the neural compass: coding of local spatial reference frames in human medial parietal lobe. Nature neuroscience. 17 (11), 1598-1606 (2014).
  23. Vass, L. K., et al. Oscillations Go the Distance: Low-Frequency Human Hippocampal Oscillations Code Spatial Distance in the Absence of Sensory Cues during Teleportation. Neuron. 89 (6), 1180-1186 (2016).
  24. Sharma, G., Gramann, K., Chandra, S., Singh, V., Mittal, A. P. Brain connectivity during encoding and retrieval of spatial information: individual differences in navigation skills. Brain Informatics. 4 (3), (2017).
  25. Richardson, A. E., VanderKaay Tomasulo, M. M. Influence of acute stress on spatial tasks in humans. Physiology & Behavior. 103 (5), 459-466 (2011).
  26. Duncko, R., Cornwell, B., Cui, L., Merikangas, K. R., Grillon, C. Acute exposure to stress improves performance in trace eyeblink conditioning and spatial learning tasks in healthy men. Learning & memory (Cold Spring Harbor, N.Y.). 14 (5), 329-335 (2007).
  27. Klopp, C., Garcia, C., Schulman, A. H., Ward, C. P., Tartar, J. L. Acute social stress increases biochemical and self report markers of stress without altering spatial learning in humans. Neuro endocrinology letters. 33 (4), 425-430 (2012).
  28. Guenzel, F. M., Wolf, O. T., Schwabe, L. Sex differences in stress effects on response and spatial memory formation. Neurobiology of Learning and Memory. 109, 46-55 (2014).
  29. van Gerven, D. J. H., Ferguson, T., Skelton, R. W. Acute stress switches spatial navigation strategy from egocentric to allocentric in a virtual Morris water maze. Neurobiology of Learning and Memory. 132, 29-39 (2016).
  30. 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).
  31. Hegarty, M., Richardson, A. E., Montello, D. R., Lovelace, K., Subbiah, I. Development of a self-report measure of environmental spatial ability. Intelligence. 30, 425-447 (2002).
  32. Ziegler, M. G. Psychological Stress and the Autonomic Nervous System. Primer on the Autonomic Nervous System. , 189-190 (2004).
  33. Michaelis, J. R., Rupp, M. A., Montalvo, F., McConnell, D. S., Smither, J. A. The Effect of Vigil Length on Stress and Cognitive Fatigue. Proceedings of the Human Factors and Ergonomics Society Annual Meeting. 59 (1), 916-920 (2015).
  34. Helton, W. S. Validation of a Short Stress State Questionnaire. Proceedings of the Human Factors and Ergonomics Society Annual Meeting. 48 (11), 1238-1242 (2004).
  35. Wolbers, T., Hegarty, M. What determines our navigational abilities. Trends in Cognitive Sciences. 14 (3), 138-146 (2010).
  36. Moussaïd, M., et al. Crowd behaviour during high-stress evacuations in an immersive virtual environment. Journal of The Royal Society Interface. 13 (122), (2016).
  37. Cadogan, M. Lead positioning. , Available from: https://lifeinthefastlane.com/ecg-library/basics/lead-positioning/ (2017).
  38. Wilder, J. The law of initial value in neurology and psychiatry. The Journal of Nervous and Mental Disease. 125 (1), 73-86 (1957).
  39. Loomis, J., Knapp, J. Visual Perception of Egocentric Distance in Real and Virtual Environments. Virtual and Adaptive Environments. , 21-46 (2003).
  40. Richardson, A. R., Waller, D. The effect of feedback training on distance estimation in virtual environments. Applied Cognitive Psychology. 19 (8), 1089-1108 (2005).
  41. Klatzky, R. L., Loomis, J. M., Beall, A. C., Chance, S. S., Golledge, R. G. Spatial updating of self-position and orientation during real, imagined, and virtual locomotion. Psychological Science. 9, 293-298 (1998).
  42. Bakker, N. H., Werkhoven, P. J., Passenier, P. O. Calibrating Visual Path Integration in VEs. Presence: Teleoperators and Virtual Environments. 10 (2), 216-224 (2001).
  43. Thrash, T., et al. Evaluation of control interfaces for desktop virtual environments. Presence. 24 (4), (2015).
  44. Kinateder, M., Warren, W. H. Social Influence on Evacuation Behavior in Real and Virtual Environments. Frontiers in Robotics and AI. 3, 43(2016).
  45. Loomis, J. M., Blascovich, J. J., Beall, A. C. Immersive virtual environment technology as basic research tool in psychology. Behavior Research Methods, Instruments & Computers. 31 (4), 557-564 (1999).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Virtual Reality ExperimentsPhysiological MeasuresNavigation BehaviorEVE FrameworkSkin ConductanceHeart RateBlood PressureData CollectionParticipant TrainingEquipment Setup

Related Articles