Установка сетевых настольных виртуальной реальности решение науки и навигации экспериментов с несколькими участниками
August 26th, 2018
Этот документ описывает метод для проведения экспериментов нескольких пользователей на принятие решений и навигации с помощью сетевой компьютерной лаборатории.
Этот метод может помочь ответить на ключевые вопросы в области науки о принятии решений и пространственного познания, например, как использовать виртуальную реальность рабочего стола для проведения исследований навигации с несколькими участниками. Основное преимущество этой методики заключается в том, что экспериментальный протокол может быть адаптирован и применен другими исследователями для создания сетевой настольной лаборатории виртуальной реальности. Применение этого метода распространяется на поведенческую науку и пространственное познание, потому что экспериментаторы могут эффективно отслеживать поведение участников, которые одновременно погружены в виртуальную среду рабочего стола.
Как правило, люди, плохо знакомые с этим методом, испытывают трудности, потому что такая лаборатория требует технического обслуживания и строгих протоколов для сбора данных в контролируемых условиях. Визуальная демонстрация этого метода имеет решающее значение из-за трудностей, связанных с экспериментами с многопользовательским рабочим столом виртуальной реальности, таких как настройка эксперимента и управление участниками. Демонстрировать эту процедуру будет Альваро Ингольд, техник из нашей лаборатории.
Начните с включения сервера и освещения в диспетчерской в лаборатории. Настройте тестовые комнаты в соответствии с необходимым количеством участников. Скопируйте исполняемую экспериментальную программу и соответствующие ей конфигурационные файлы на сетевой диск.
Затем откройте интегрированную среду сценариев PowerShell на рабочем столе Windows. В консоли PowerShell укажите массив имен компьютеров для создания объекта клиентского пула. Введите Start-Pool pool, чтобы запустить клиентские компьютеры, и Register-Pool pool, чтобы подключить сервер к клиентским компьютерам.
Далее подготовьте компьютеры на стороне клиента перед запуском программы. Введите Invoke-Pool Mount-NetworkShare path}, чтобы указать компьютерам ввести правильный путь к папке. Затем выполните подготовленные функции на сервере, набрав Start-GameServer, и набрав на клиентском компьютере Invoke-Pool Start-GameClient}Укажите IP-адрес сервера в качестве параметра функции.
Дождитесь появления на мониторе сервера сообщения об успешном подключении. Наконец, раздайте бланки согласия и ручки в каждой кабинке. Перетасуйте колоду рассадочных карт, которые указывают на рассадку участников.
За пять минут до официального времени начала начните проверку ID каждого участника, чтобы убедиться, что он соответствует списку зарегистрированных участников. Затем позвольте участникам выбрать карточку, на которой указан номер их места. Пусть участники пройдут в соответствующую кабинку, а также прочитают и подпишут формы согласия.
Возьмите их в руки перед проведением эксперимента. Транслируйте инструкции с помощью микрофона всем участникам. Сообщите им об основных правилах, в том числе не общайтесь с другими участниками и не допускайте использования личных электронных устройств.
Попросите участников поднять руки, если у них возникнут вопросы относительно эксперимента. Начните эксперимент с представления демографического опросника. Разверните сцену обучения, чтобы научить участников маневрировать в виртуальной среде и отслеживать прогресс, просматривая скриншоты со всех компьютеров, пока все участники не закончат сеанс обучения.
После тренировки начните этап тестирования эксперимента. Убедитесь, что перед каждой попыткой предусмотрен короткий период ожидания для загрузки следующей сцены и предоставления участникам возможности прочитать инструкции. Наблюдайте за поведением участников с высоты птичьего полета на серверном компьютере.
После завершения эксперимента закройте серверную и клиентскую программу, введя Stop-GameClient и Stop-GameServer в консоли PowerShell. Затем попросите участников оставаться на своих местах, пока их номер не будет назван в микрофон. Извлеките итоговые баллы участников из файла score.
txt в папке проекта на компьютере сервера, и конвертировать свои баллы в денежный платеж. Скопируйте и сохраните данные эксперимента с сервера на внешний диск для дальнейшего анализа. Затем позвоните по номерам кабинок по одному и встретьтесь с каждым участником на стойке регистрации.
Поблагодарите участника и вынесите ему соответствующую оплату. Наконец, осмотрите пустые кабинки и соберите все оставшиеся ручки или бланки. Здесь максимальное и минимальное время — это время, необходимое самым быстрым и медленным участникам, чтобы добраться до места назначения в каждом испытании.
Эти описательные статистические данные показывают, в какой степени участники ознакомились с окружающей средой в ходе испытаний. Полученные данные также позволяют визуализировать сгенерированные траектории, но виртуальную толпу в Испытании 1 и Испытании 16. Затем пространственная статистика может быть использована для анализа изменений траекторий в ходе испытаний.
Пытаясь выполнить эту процедуру, важно помнить о том, что всегда нужно следовать строгим шагам запланированных экспериментов из-за стоимости, связанной с каждым экспериментальным сеансом.
View the full transcript and gain access to thousands of scientific videos
Обзор
В данной работе описан метод проведения мультипользовательских экспериментов по принятию решений и навигации с использованием сетевой компьютерной лаборатории. Эта методика позволяет исследователям эффективно наблюдать за участниками, погруженными в настольную виртуальную среду.
Ключевые компоненты исследования
Область науки
- Наука о принятии решений
- Пространственное познание
- Поведенческая наука
Фон
- Эксперименты с мультипользовательской настольной виртуальной реальностью представляют собой уникальные задачи.
- Соблюдение строгих протоколов важно для сбора данных.
- Визуальные демонстрации критически важны для понимания метода.
- Участников можно одновременно наблюдать в контролируемой среде.
Цель исследования
- Разработать протокол проведения исследований ориентации с участием нескольких участников.
- Адаптировать экспериментальную установку для использования другими исследователями.
- Исследовать последствия для поведенческой науки и пространственного познания.
Используемые методы
- Сетевая установка компьютерной лаборатории.
- Настольная виртуальная реальность для иммерсивных впечатлений.
- Мониторинг поведения участников во время экспериментов.
- Визуальные демонстрации для улучшения понимания метода.
Основные результаты
- Успешная адаптация экспериментального протокола для многопользовательских настроек.
- Улучшенное понимание процессов принятия решений и навигации.
- Определение сложностей в управлении участниками в виртуальных средах.
- Демонстрация применимости метода в поведенческих исследованиях.
Выводы
- Метод предоставляет ценный инструмент для исследователей в области науки о принятии решений.
- Он облегчает изучение пространственного познания в контролируемой среде.
- Будущие исследования могут опираться на этот протокол для различных приложений.
Часто задаваемые вопросы
Executive Industry Relevance
Multi-user virtual reality platforms enable controlled investigation of emergent decision-making and spatial navigation behaviors under standardized conditions. This approach supports mechanistic de-risking in early discovery by quantifying how contextual variables influence collective behavior in disease-relevant systems. The method provides predictive value for target validation through reproducible, high-throughput behavioral phenotyping.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of therapeutic hypotheses through standardized measurement of navigation and decision trajectories in multi-agent systems.
- Operational Value: Supports biological de-risking by isolating independent variables such as stress or cooperative incentives in controlled virtual environments.
- Predictive Value: Generates quantitative dependent variables (e.g., traversal time, path deviation) that correlate with cognitive load and inform target confidence.
Screening & Assay Development
- Assay Readiness: Prepares validated biological surrogates (human decision-making networks) for compound screening by establishing baseline behavioral outputs.
- Reproducibility: Ensures standardized data collection across sessions via strict protocols, enabling reliable compound evaluation in phenotypic screening.
- Scalability: Accommodates up to 36 simultaneous participants, supporting platform reuse for dose-response or genetic variant screening.
Translational & Preclinical Research
- Translational Continuity: Bridges discovery and preclinical work by aligning virtual navigation metrics with real-world spatial cognition endpoints.
- Risk-Adjusted Advancement: Provides trajectory and hesitation data to inform go/no-go decisions based on behavioral consistency across trials.
- Biomarker Alignment: Enables extraction of spatial statistics (e.g., path entropy, dwell time) as translational biomarkers for neuropsychiatric target validation.
Pipeline & Workflow Integration
The method integrates into the discovery continuum from hypothesis generation through lead identification by providing quantifiable behavioral readouts that support mechanistic de-risking.
- Discovery Biology: Facilitates pathway clarification by monitoring how environmental manipulations alter group decision patterns in real time.
- Screening: Delivers assay-ready outputs including final scores and trajectory visualizations for compound effect comparison.
- Analytics: Yields descriptive statistics (min/max completion times) and spatial analytics to quantify learning curves and behavioral adaptation.
- Translational Research: Connects to preclinical validation through transferable navigation metrics that reflect hippocampal-dependent spatial processing.
- Enterprise Reuse: Functions as a reusable capability for longitudinal behavioral monitoring across multiple experimental campaigns.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence in target validation by reducing ambiguity in social decision-making mechanisms.
- Operational Value: Ensures reproducibility through standardized setup, PowerShell-driven orchestration, and centralized data extraction.
- Strategic Value: Improves capital efficiency by enabling high-n behavioral assays without field-based logistics.
- Portfolio Impact: Supports risk-adjusted prioritization via objective thresholds (e.g., time-to-target, path consistency) for go/no-go decisions.
Implementation Considerations
- Requires expertise in network configuration, virtual environment scripting, and behavioral experiment design.
- Depends on Windows-based infrastructure, PowerShell automation, and synchronized client-server communication.
- Necessitates cross-team standardization of consent procedures, seating protocols, and instruction delivery to minimize confounding.
- Involves adaptation considerations when transferring scenarios (e.g., evacuation, search tasks) to disease-model contexts.
- Limited by the need for controlled laboratory settings and strict adherence to temporal protocols to ensure data integrity.
