Summary
Этот документ описывает метод для проведения экспериментов нескольких пользователей на принятие решений и навигации с помощью сетевой компьютерной лаборатории.
Abstract
Исследование взаимодействия между несколькими участниками является задачей для исследователей из различных дисциплин, включая решение наук и пространственной познания. С локальной вычислительной сети и программное обеспечение платформы экспериментаторов можно эффективно контролировать поведение участников, которые одновременно погружаются в виртуальной среде и оцифровывать собранных данных. Эти возможности позволяют экспериментальных образцов в пространственной познания и навигации исследований, что будет трудно (если не невозможно) проводить в реальном мире. Возможные экспериментальные варианты включают стресс во время эвакуации, кооперативные и конкурентоспособной Поиск задач и других контекстуальных факторов, которые могут повлиять на поведение эмерджентных толпы. Однако такая лаборатория требует обслуживания и строгих протоколов для сбора данных в контролируемых условиях. Хотя внешняя действительность лабораторных исследований с участием человека иногда ставится под сомнение, ряд недавних документов позволяют предположить, что переписка между реальных и виртуальных сред может быть достаточно для изучения социального поведения траектории, нерешительность и пространственных решений. В этой статье, мы описываем метод для проведения экспериментов на процесс принятия решений и навигации с до 36 участников в сети рабочего стола виртуальной реальности установки (т.е., решение научной лаборатории или DeSciL). Этот эксперимент протокол могут быть адаптированы и применяется другими исследователями с целью создать лабораторию сетевой рабочего стола виртуальной реальности.
Introduction
Исследования по пространственной познания и навигации обычно исследования пространственных решений (например., поворачивая влево или вправо на перекрестке) и мысленное представление лица в реальных и виртуальных сред1,2. Преимущества виртуальной реальности (VR) включают в себя предотвращение проблемы этики и безопасности (например., во время опасного эвакуации3), автоматическое измерение и анализ пространственных данных4и сбалансированное сочетание внутренних и внешние действия5,6,7. К примеру Вайсберг и коллеги продлил предыдущих исследований на индивидуальные различия в приобретение пространственной знаний, продемонстрировав, что пространственные задачи в VR может обеспечить объективной оценки поведенческих пространственные способности8. Это исследование также высказано мнение о том, что поведение навигации в VR приближается реальной навигации потому, что виртуальная среда был смоделирован после университета, используемые Schinazi и коллеги9 (см. также изучение Ruddle и коллеги 10). VR также был применен к психотерапии11, клинической оценки12, потребительского поведения13и14,хирургии15. Однако большинство систем VR отсутствия проприоцептивной и аудио обратная связь, которая может улучшить присутствие и погружения16,17,18,19, требует подготовки с помощью интерфейса управления20 ,21,22и отсутствие социальной подсказки. Действительно люди в реальном мире часто перемещаются в группы23, избежать или следовать другим людям3,24и принимать решения, основанные на социальном контексте25,26.
В то же время исследования поведения толпы часто фокусируется на эмерджентных характеристики толпы (например, формирование Лейн, заторы на узких мест), которые смоделированы на компьютере или в реальном мире. Например, Хелбинга и коллеги использовали сочетание реальных наблюдений и компьютерного моделирования с целью предложить улучшения потока трафика в пересечении, отделяя приток и отток физические барьеры и поместив препятствием в центр27. Moussaïd и коллеги использовали модель на основе эвристических методов для изучения высокой плотности ситуаций во время стихийных бедствий толпы28. Этот подход предложил улучшения экологической обстановке для массовых мероприятий для того, чтобы избежать толпы бедствия. С помощью существующих рамок открытым исходным кодом осуществление такого моделирования могут быть относительно легко. SteerSuite является открытым исходным кодом основа, которая позволяет пользователям легко моделировать рулевой алгоритмов и поведение толпы, предоставляя инструменты для облегчения, бенчмаркинг и тестирования29. Эта структура может предоставить основной навигации обоснование агента, который имеет решающее значение для успешного толпы моделирования. Кроме того Сингх и его коллеги продемонстрировали единую платформу, которая сочетает в себе разнообразные рулевого методы30. Хотя исследователи могут предложить дизайн вмешательства с помощью таких моделей, они редко проверяются с человека участников в контролируемых условиях. Контролируемые эксперименты редки в толпе исследований потому, что они могут быть трудно организовать и опасным для участников.
VR был нанят для изучения социального поведения, с помощью простых и сложных виртуальных сред с одним или несколькими агентами, имитация компьютера. В исследовании Боде и коллеги31,32участникам было предложено эвакуироваться простую виртуальную среду с точки зрения сверху вниз среди нескольких агентов и обнаружил, что выбор выхода был затронут статические вывесок и мотивации. Представляем участников с более сложной обстановке с точки зрения первого лица, Kinateder и его коллеги обнаружили, что участники были более склонны следовать один компьютер моделируется агент во время побега из виртуальный туннель огня25. В комплекс виртуальной среде с несколькими агентами Друри и его коллеги обнаружили, что участники, как правило, помочь упал агент во время эвакуации, когда они отождествляется с толпой26. Вместе эти результаты показывают, что VR может быть эффективным способом получения социального поведения, даже с агентами, имитация компьютера. Однако, некоторые поведения толпы может наблюдать, только когда есть реалистичные Социальный сигнал (т.е., когда участники осознают, что другие аватары находятся под контролем людей3). Для устранения этого недостатка, настоящий Протокол описывает метод для проведения контролируемых экспериментов с несколькими пользователями в сетевой установки VR. Этот подход использовался в недавнем исследовании, Moussaid и коллег для того, чтобы исследовать поведение эвакуации 36 участников сети3.
Исследования по сетевой VR была сосредоточена на темы не связанные с навигационной стратегии33,34 или полагались на существующих платформах онлайн игр, таких как Second Life. Например Molka-Дэнилсен и Chabada расследование эвакуации поведение с точки зрения выбора выхода и пространственной знания здания с помощью участников, набранных среди существующих пользователей Second Life35. В то время как авторы предоставляют некоторые описательные результаты (например., визуализации траекторий), это исследование были трудности с участник набора, экспериментальный контроль и обобщение за этот конкретный случай. Совсем недавно Normoyle и его коллеги обнаружили, что существующих пользователей Second Life и участники в лаборатории были сопоставимы с точки зрения производительности и выхода выбор эвакуации и различных с точки зрения сообщенные присутствие и разочарования с элементом управления интерфейс36. Результаты этих двух исследований выделить некоторые из проблем и возможностей, предоставляемых онлайн и лабораторных экспериментов. Онлайн исследования способны рисования от гораздо больше и мотивированных населения потенциальных участников. Однако лабораторные исследования позволяют более экспериментальный контроль физической среды и потенциальные отвлекающие факторы. Кроме того онлайн исследования может представлять некоторые этические соображения относительно данных анонимности и конфиденциальности.
Как сетевой лаборатории Обои VR решение научной лаборатории (DeSciL) в ETH Zürich используется главным образом для изучения экономических решений и стратегического взаимодействия в контролируемой среде. Технической инфраструктуры на DeSciL состоит из оборудования, программного обеспечения для автоматизации лабораторных и программного обеспечения, которое поддерживает рабочего стола нескольких пользователей VR установки. Оборудование включает в себя высокопроизводительных настольных компьютеров с операционной системой Microsoft Windows 10 Enterprise, интерфейсов управления (например., мыши и клавиатуры, джойстики), наушники и глаз трекеры (Таблица материалов). Все клиентские компьютеры соединились с Ethernet одного гигабита в секунду в университетской сети и том же сетевом файловом ресурсе. Существует никаких видимых задержек или отставание, когда есть 36 клиентов, подключенных. Количество кадров в секунду — последовательно выше 100. Эксперименты также управляются и контролируются с лаборатории автоматизации программного обеспечения на основе Microsoft PowerShell (т.е., PowerShell желаемого состояния настройки и удаленного PowerShell). Все соответствующие этапы протокола запрограммированных с помощью скриптов PowerShell, называемые командлетами (например., старт, стоп-компьютер). В ходе эксперимента эти сценарии могут выполняться одновременно, так и удаленно на всех клиентских компьютерах. Этот тип Лаборатория автоматизации обеспечивает одинаковые состояния клиента компьютеров, уменьшает потенциальные ошибки и сложности во время научных испытаний и предотвращает исследователей для выполнения повторяющихся задач, выполняемых вручную. Для навигации экспериментов, мы используем единства игровой движок (< https://unity3d.com/>) с целью поддержки развития 2D и 3D средах для нескольких пользователей, интерактивного рабочего стола VR. 36 клиентские компьютеры подключены к серверу через архитектуру полномочного сервера. В начале каждого эксперимента каждый клиент отправляет запрос на создание экземпляра на сервере, и сервер отвечает, создав аватар для этого пользователя на все подключенные компьютеры. Каждый пользовательский аватар имеет камеру с 50 градусов поля зрения. На протяжении всего эксперимента, клиенты отправляют пользователя ' вход на сервер, и сервер обновляет движение всех клиентов.
В физической лаборатории каждый компьютер содержится в отдельном шкафу в течение трех полунезависимых номера (рис. 1). Общий размер лаборатории составляет 170 m2 (150 m2 для эксперимента номер и 20 m2 для диспетчерской). Каждый из этих номеров оснащен аудио и видео устройства записи. Эксперименты управляются с отдельной прилегающей комнате (т.е., предоставляя инструкции и инициировать экспериментальные программы). Из этой комнаты управления экспериментаторов можно также наблюдать участников в физических и виртуальных средах. Совместно с Департаментом экономики в университете Цюриха DeSciL также поддерживает университетский центр регистрации участников исследования, который был реализован на основе h корень37.
Хотя аналогичные системы были описаны в литературе38, DeSciL это первый функциональный лаборатория, которая подходит для многопользовательских Обои VR экспериментов по навигации и поведение толпы наши знания. Здесь мы описываем протокол для проведения эксперимента в DeSciL, настоящий представитель результаты от одного исследования на поведение социальной навигации и обсудить потенциал и ограничения этой системы.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Все методы, описанные здесь были одобрены исследовательский комитет этики ETH Zürich как часть предложения ЕК 2015-N-37.
1. привлечение участников запланированной экспериментальной сессии.
- Образец участников в рамках конкретных ограничений (например., возраст, пол, образование) с использованием системы участник набора.
- Отправьте приглашения по электронной почте случайно выбранных участников, используя контактную информацию, указанную в системе набора персонала.
- Ожидания для этих участников, чтобы зарегистрироваться через систему онлайн. Убедитесь, что больше участников, чем необходимо (например., 4 overbooked участникам сессии, что требует 36 человек) регистр. Overbooked участники гарантируют, что сеанс является жизнеспособным в случае незаезда.
- Убедитесь, что подтверждение по электронной почте отправляется зарегистрированным участникам автоматически.
2. Подготовьте экспериментальный сессии.
- Подготовка лабораторной среды.
- Печать списка участников из системы набора персонала.
- Включите сервер и свет в комнате управления DeSciL и организовать тестирование номера согласно необходимое количество участников.
- Скопировать исполняемый файл эксперимент программы и ее соответствующих файлов конфигурации на сетевом диске. Это исполняемая программа развертывает заказ программного обеспечения рамок, на основе единства игровой движок для поддержки связи клиент сервер среди разных компьютерах через локальную сеть. Для навигации экспериментов framework предоставляет систему сервера птица глаз наблюдателя для мониторинга поведения клиента во время эксперимента.
- Открытой интегрированных сценариев PowerShell средой на рабочем столе Windows. В консоли PowerShell, указать массив имен компьютеров (например., $pool = «descil-w01», «descil-w02»...) для создания объекта клиента пула. Далее введите Start-бассейн $pool для запуска клиентских компьютеров и Регистр-бассейн $pool для подключения сервера к клиентским компьютерам.
- Подготовьте компьютеры на стороне клиента перед запуском программы. Тип Invoke-бассейн {Маунт-NetworkShare $path} направить компьютеры ввести правильный путь.
- Выполнение подготовленного функции на сервере (т.е., Старт-GameServer) и на клиентов (т.е., Invoke-бассейн {старт-GameClient}). Укажите IP-адрес сервера в качестве параметра функции.
- Дождитесь сообщения на сервер монитора, что указывает на успешное подключение.
- Распределите формы согласия и ручки в каждой кабине. Формы согласия содержит информацию об исследовании (например., Цель исследования, потенциальные риски и преимущества эксперимента), Контактная информация для экспериментатора и правовая оговорка.
- Тасует колоду сидения, карты, указывающие рассадки участников.
- Приветствую участников.
- Попросите участников ждать вне лаборатории. 5 мин до официального времени, начала проверять документы, удостоверяющие личность участников обеспечить, что они соответствуют списку зарегистрированных участников. В то же время Пусть участники выбрать карту, которая показывает их номер сиденья. У участников ходьбы до соответствующего кабина и ждать для эксперимента, чтобы начать.
- Подождите несколько минут для участников прочитать и подписать формы согласия. Соберите эти формы до проведения эксперимента.
3. провести эксперимент.
- Трансляция эксперимента инструкции с микрофоном для всех участников. Информировать их о базовых правил, включая никакие сообщения другим участникам и не персональных электронных устройств допускается. Попросите участников поднимать свои руки, если они имеют любые вопросы относительно этого эксперимента.
- Начать эксперимент, представив демографические вопросник (например., гендерные и возрастные) на каждом клиенте.
- Разверните подготовку сцены научить участников маневр через виртуальной среды. Если участники имеют проблемы с помощью интерфейса управления (например., мыши и клавиатуры), пешком в направлении их кабина для того, чтобы помочь им. Мониторинг прогресса участников, запрашивая скриншоты из всех клиентов (т.е., введите Get-скриншоты на консоль PowerShell) до тех пор, пока все участники завершили учебной сессии.
- После тренировки начала фазы тестирования эксперимента. Наблюдать за поведением участников от птичьего полета интерфейса на компьютере сервера. Отправьте предупреждающие сообщения участников через программы, если они делают что-то ненормальное, нажав на их аватар. В противном случае попробуйте не вмешиваться с участниками в ходе эксперимента.
- Убедитесь, что существует короткий период ожидания до начала каждого судебного разбирательства для загрузки следующей сцене и позволяя участникам прочитать инструкции.
4. завершить эксперимент.
- Закройте программу клиента и сервера, набрав в консоли PowerShell Стоп-GameClient и Стоп-GameServer .
- Попросите участников, чтобы оставаться на своих местах до тех пор, пока их число называется через микрофон.
- Извлеките окончательной оценки участников из файла «Score.txt» в папке проекта на компьютере сервера и конвертировать свои баллы в денежной выплаты.
- Вызов номера кабина, один в то время и удовлетворить каждого участника на стойке регистрации. Благодарим участников и дать им соответствующие выплаты.
- Изучить кабины и собирать любые оставшиеся ручки или формы.
- Скопируйте и сохраните эксперимента данные от сервера на внешний диск для будущего анализа.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Для каждого клиента в каждом испытании, экспериментальные данные из DeSciL, как правило, включают траекторий, отметки времени и показатели деятельности (например., ли участник превратился в «правильное» направлении в частности пересечения). Репрезентативное исследование изучается воздействие вывесок сложности на выбор маршрута для толпы человека участников (с виртуальные аватары) в простой Y-образный виртуальной среде. В этом эксперименте, 28 участников (12 мужчин и женщин 16; Средний возраст = 22,5) были даны же местоположение цели (т.е., ворота номер) и было предложено выбрать соответствующий вариант маршрута на пересечении с помощью карты (см. Рисунок 2).
Карта сложности разнообразны более 16 испытаний и гипотеза была что решение время и точность будет выше для карт, которые являются более сложными. Хотя мы ожидаем решения точность быть относительно высокими в целом, участников траектории может использоваться в последующих экспериментов для определения пешеходных троп агентов, которые передают сигнал реалистичные социальные (т.е., правдоподобными движений). Время всего эксперимента было примерно 1 h, включая приветствуя участников, проведение учебной сессии (для интерфейса элемента управления) и тестирование в коридоре, Y-образные. Полученные данные приводятся в таблице 1.
Рисунок 3 показывает минимальный и максимальный завершения раз для каждого разбирательства. Эти описательные статистические данные обеспечивают косвенным показателем перегруженности в ходе судебного разбирательства. Полученные данные также позволяет для визуализации траекторий, порожденных виртуальной толпы (см. Рисунок 4). Пространственная статистика может затем использоваться для анализа изменений в траектории над испытания. Например исследователи могут быть заинтересованы в как тесно участникам следуют друг друга или как плавно участники маневр с определенным элементом управления интерфейсами.
Рисунок 1: фотографии в лаборатории DeSciL. (комната управления содержит сервер, который получает трафик от 36 клиентских компьютеров и мониторов участников в их кабинах. Этот номер может быть изолирован от тестирования номера с точки зрения звука и видения. Сообщение участникам предоставляется через микрофон и динамики системы. (b три испытания номера содержат 36 кабины. (c) каждая кабина содержит Настольный компьютер, монитор, мышь и интерфейс клавиатуры, наушников и трекер глаз. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.
Рисунок 2: представления виртуальной среды, Y-образные. a от сервера исследователи могут наблюдать участников, движущихся в направлении перекрестка. (b) от клиентов участники могут просматривать виртуальной среды и другие аватары с точки зрения первого лица во время движения. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.
Рисунок 3: представитель результаты от 16 экспериментальных испытаний. Максимальное и минимальное время, времена, быстрый и медленный участников требуется добраться до места назначения в каждом испытании. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.
Рисунок 4: участники траектории от a судебные 1 и (b) суда 16. X - и y - оси представляют собой места аватары в толпе. Цвет бар представляет собой время, прошедшее в ходе судебного разбирательства. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.
| Пробный номер | MapType | Accuracy(%) | Среднее время/s |
| 1 | Простой | 100 | 42.01 |
| 2 | Комплекс | 96,4 | 40,51 |
| 3 | Простой | 100 | 39,15 |
| 4 | Комплекс | 100 | 38,66 |
| 5 | Комплекс | 100 | 38.52 |
| 6 | Комплекс | 100 | 38.87 |
| 7 | Простой | 100 | 38.43 |
| 8 | Комплекс | 100 | 38.26 |
| 9 | Простой | 100 | 37,43 |
| 10 | Простой | 100 | 38.44 |
| 11 | Комплекс | 100 | 37.08 |
| 12 | Комплекс | 100 | 36,8 |
| 13 | Простой | 100 | 37,67 |
| 14 | Комплекс | 100 | 36.52 |
| 15 | Простой | 100 | 36.83 |
| 16 | Простой | 100 | 37,88 |
Таблица 1: представитель результаты от 16 экспериментальных испытаний. Точность представляет процент правильных вариантов решения (т.е., поворота к правильный ворот) над всеми участниками. Решение время означает среднее время, необходимое для достижения места назначения (правильно ли или нет) через все испытания.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
В этой статье мы описали многопользовательской рабочего стола виртуальной реальности лаборатория в которой до 36 участников могут взаимодействовать и одновременно перемещаться различных виртуальных сред. Экспериментальный протокол подробно шаги, необходимые для этого вида исследований и уникальный для нескольких пользовательских сценариев. Специфичные для этих сценариев включают количество участников в посещаемости, стоимость кажущаяся незначительной экспериментатор ошибок, рендеринга и сетевых мощностей (оба сервера - и на стороне клиента), обучение с интерфейсом управления и данных безопасности. Перебронирования участников необходим для того, чтобы обеспечить точное количество участников экспериментальной сессии. Если слишком мало участников присутствовать, то стоимость невыполненных экспериментальной сессии является относительно высоким. Аналогичным образом экспериментальной ошибки может привести к неудачной сессии, когда были загрязнены либо участников данных до того, как была обнаружена ошибка, или эксперимент не могут быть проведены из-за сбоев оборудования или программного обеспечения. Например если слишком много информации распространяется через сеть, то перезапуск всей системы может быть необходимым. Это особенно проблематично, если эксперимент уже началось. Кроме того участники виртуальных переходов экспериментов требуется опыт и/или обучение с интерфейсом управления потому, что элементы управления являются менее интуитивно, чем реальной ходьбе21 и взаимодействия с элементами управления могут мешать пространственных памяти задачи20. Управление отвечает данными также становится особенно важным, учитывая большое количество данных, полученных в течение сессии.
Хотя существует множество возможностей, предоставляемых DeSciL, по крайней мере три ограничения сохраняются. Во-первых нынешняя система является установка до 36 одновременных участников. Эксперименты на больших виртуальных толпы может потребовать компьютерным управлением агентов, следы человека участников из нескольких предыдущих сессий, или возможность включения онлайн участников. Во-вторых, будущие апгрейдов (например., лучше видеокарты и более процессорами) будет намного дороже, чем традиционная, одного пользователя системы. Третий, многопользовательский рабочего стола виртуальной реальности пока нельзя провести исследование с интерфейсов управления, которые больше похожи на реальные пешком. Таким образом исследования на двигательный аппарат и физического взаимодействия среди участников ограничен.
Несмотря на эти ограничения DeSciL предлагает несколько преимуществ над реальные исследования, однопользовательский лабораторных исследований и многопользовательских онлайн исследования. Программное обеспечение автоматизации дает исследователям способности адаптироваться экспериментальный протокол в отношении их потребностей. По сравнению с как реальных, так и онлайн исследования, DeSciL позволяет более экспериментальный управления. Например эксперименты в DeSciL может использовать систематические изменения окружающей среды и обеспечивают прямого наблюдения участников в физических и виртуальных миров. По сравнению с рабочего стола виртуальной реальности одного пользователя исследований с компьютерным управлением агентами, участники могут взаимодействовать друг с другом в реальном времени, и менее зависимыми от предубеждений экспериментатора эмерджентных поведение виртуальной толпы. Управляемая компьютером агентов в VR часто полагаются на сценарий действий и не адаптируются к движений пользователей в режиме реального времени. В отличие от сетевых настольных VR обеспечивает более экологический контекст, в которых влияют на человека контролируемых аватары (и страдают от) друг друга движений. Кроме того, этот подход может сообщить параметры движения (например., скорость и колебаниях) будущих моделей на основе агента в толпе исследований (например., для эвакуации сценарии39). В общем многопользовательский рабочего стола виртуальной реальности исследования позволяют для более точного измерения пространственного поведения и обнаружение шаблонов, которые возможно, ранее были упущены.
Недавно DeSciL успешно работали в серии решений40,41 и навигации исследования3,21. К примеру Moussaid и коллеги использовали многопользовательской установки рабочего стола VR с целью изучить воздействие стресса на поведение толпы во время эвакуации3. В этом исследовании «правильный» выход варьировала от суда для судебного разбирательства, и лишь часть участники были проинформированы о правильный выход. Результаты показали, что участников под нагрузкой привело к более эффективной эвакуации, но этот вывод может быть обусловлено способом, в котором были выполнены столкновений. Кроме того участники склонны следовать другие аватары стрессу, предполагая, что Социальный сигнал было передано среди участников, несмотря на отсутствие прямого физического взаимодействия. Эти результаты подчеркивают преимущества нескольких пользователей VR, по сравнению с одно пользователей VR с компьютерным управлением агентами. Будущие исследования будет включать в себя сравнение данных нескольких пользователей, либо онлайн или в лаборатории, более сложные экологические изменения и добавления периферийных устройств, таких как глаз трекеры или физиологических устройств. Эти усовершенствования позволят для сбора различных типов сложных поведенческих данных42. К примеру лоу кост глаз трекеры могут быть включены для того, чтобы контролировать внимание участников или грубо выявления областей, представляющих интерес на экране.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Авторы не имеют ничего сообщать.
Acknowledgments
Репрезентативное исследование финансировалось Швейцарский Национальный научный фонд в рамках гранта «Ориентировки в социальной среде» (№ 100014_162428). Мы хотим поблагодарить M. Moussaid для глубоких обсуждений. Мы также хотим поблагодарить C. Вильгельм, F. Талер, H. Абдельрахман, S. Madjiheurem, A. Ингольд и A. Гроссридером за их работу во время разработки программного обеспечения.
Materials
| Name | Company | Catalog Number | Comments |
| PC | Lenovo | IdeaCentre AIO 700 | 24’’ screen, 16 GB RAM, and SSDs. CPU: Intel core i7. GPU:NVidia GeForce GTX 950A |
| Keyboard | Lenovo | LXH-EKB-10YA | |
| Mouse | Lenovo | SM-8825 | |
| Eye tracker | Tobii Technology | Tobii EyeX | Data rate: 60 Hz. Tracking screen size: Up to 27″ |
| Communication audio system | Biamp Systems | Networked paging station - 1 | Ethernet:100BaseTX |
References
- Waller, D., Nadel, L. Handbook of Spatial Cognition. , American Psychological Association. Washington D.C. (2013).
- Denis, M. Space and Spatial Cognition: A Multidisciplinary Perspective. , Routledge. Abingdon, Oxon. (2017).
- Moussaïd, M., Kapadia, M., Thrash, T., Sumner, R. W., Gross, M., Helbing, D., Hölscher, C. Crowd behaviour during high-stress evacuations in an immersive virtual environment. Journal of the Royal Society Interface. 13 (122), 20160414 (2016).
- Grübel, J., Weibel, R., Jiang, M. H., Hölscher, C., Hackman, D. A., Schinazi, V. R. EVE: A Framework for Experiments in Virtual Environments. Spatial Cognition X: Lecture Notes in Artificial Intelligence. , 159-176 (2017).
- Loomis, J. M., Blascovich, J. J., Beall, A. C. Immersive virtual environment technology as a basic research tool in psychology. Behavior Research Methods, Instruments, & Computers. 31 (4), 557-564 (1999).
- Brooks, F. P. What's Real About Virtual Reality? Proceedings IEEE Virtual Reality. , Cat. No. 99CB36316 (1999).
- Moorthy, K., Munz, Y., Jiwanji, M., Bann, S., Chang, A., Darzi, A. Validity and reliability of a virtual reality upper gastrointestinal simulator and cross validation using structured assessment of individual performance with video playback. Surgical Endoscopy and Other Interventional Techniques. 18 (2), 328-333 (2004).
- Weisberg, S. M., Schinazi, V. R., Newcombe, N. S., Shipley, T. F., Epstein, R. A. Variations in cognitive maps: Understanding individual differences in navigation. Journal of Experimental Psychology: Learning Memory and Cognition. 40 (3), 669-682 (2014).
- Schinazi, V. R., Nardi, D., Newcombe, N. S., Shipley, T. F., Epstein, R. A. Hippocampal size predicts rapid learning of a cognitive map in humans. Hippocampus. 23 (6), 515-528 (2013).
- Ruddle, R. A., Payne, S. J., Jones, D. M. Navigating Large-Scale "Desk- Top" Virtual Buildings: Effects of orientation aids and familiarity. Presence. 7 (2), 179-192 (1998).
- Riva, G.
- Ruse, S. A., et al. Development of a Virtual Reality Assessment of Everyday Living Skills. Journal of Visualized Experiments. (86), 1-8 (2014).
- Ploydanai, K., van den Puttelaar, J., van Herpen, E., van Trijp, H. Using a Virtual Store As a Research Tool to Investigate Consumer In-store Behavior. Journal of Visualized Experiments. (125), 1-15 (2017).
- Satava, R. M. Virtual reality surgical simulator - The first steps. Surgical Endoscopy. 7 (3), 203-205 (1993).
- Stanney, K. M., Hale, K. S. Handbook of virtual environments: Design, implementation, and applications. , CRC Press. 811-834 (2014).
- Ryu, J., Kim, G. J. Using a vibro-tactile display for enhanced collision perception and presence. Proceedings of the ACM symposium on Virtual reality software and technology VRST 04. , 89 (2004).
- Louison, C., Ferlay, F., Mestre, D. R. Spatialized vibrotactile feedback contributes to goal-directed movements in cluttered virtual environments. 2017 IEEE Symposium on 3D User Interfaces (3DUI). , 99-102 (2017).
- Knierim, P., et al. Tactile Drones - Providing Immersive Tactile Feedback in Virtual Reality through Quadcopters. Proceedings of the 2017 CHI Conference Extended Abstracts on Human Factors in Computing Systems - CHI EA '17. , 433-436 (2017).
- Serafin, S., Nordahl, R., De Götzen, A., Erkut, C., Geronazzo, M., Avanzini, F. Sonic interaction in virtual environments. 2015 IEEE 2nd VR Workshop on Sonic Interactions for Virtual Environments (SIVE). , 1-2 (2015).
- Grübel, J., Thrash, T., Hölscher, C., Schinazi, V. R. Evaluation of a conceptual framework for predicting navigation performance in virtual reality. PLoS One. 12 (9), (2017).
- Thrash, T., Kapadia, M., Moussaid, M., Wilhelm, C., Helbing, D., Sumner, R. W., Hölscher, C. Evaluation of control interfaces for desktop virtual environments. Presence. 24 (4), (2015).
- Ruddle, R. A., Volkova, E., Bülthoff, H. H. Learning to walk in virtual reality. ACM Transactions on Applied Perception. 10 (2), 1-17 (2013).
- Moussaïd, M., Perozo, N., Garnier, S., Helbing, D., Theraulaz, G. The walking behaviour of pedestrian social groups and its Impact on crowd dynamics. PLoS One. 5 (4), e10047 (2010).
- Bode, N. W. F., Franks, D. W., Wood, A. J., Piercy, J. J. B., Croft, D. P., Codling, E. A. Distinguishing Social from Nonsocial Navigation in Moving Animal Groups. The American Naturalist. 179 (5), 621-632 (2012).
- Kinateder, M., et al. Social influence on route choice in a virtual reality tunnel fire. Transportation Research Part F: Traffic Psychology and Behaviour. 26, 116-125 (2014).
- Drury, J., et al. Cooperation versus competition in a mass emergency evacuation: A new laboratory simulation and a new theoretical model. Behavior Research Methods. 41 (3), 957-970 (2009).
- Helbing, D., Buzna, L., Johansson, A., Werner, T. Self-Organized Pedestrian Crowd Dynamics: Experiments, Simulations, and Design Solutions. Transportation Science. 39 (1), 1-24 (2005).
- Moussaïd, M., Helbing, D., Theraulaz, G. How simple rules determine pedestrian behavior and crowd disasters. Proceedings of the National Academy of Sciences of the United States of America. 108 (17), 6884-6888 (2011).
- Singh, S., Kapadia, M., Faloutsos, P., Reinman, G. An open framework for developing, evaluating, and sharing steering algorithms. International Workshop on Motion in Games. , Springer. Berlin, Heidelberg. 158-169 (2009).
- Singh, S., Kapadia, M., Hewlett, B., Reinman, G., Faloutsos, P. A modular framework for adaptive agent-based steering. Symposium on Interactive 3D Graphics and Games. , ACM. (2011).
- Bode, N., Codling, E. Human exit route choice in virtual crowd evacuations. Animal Behaviour. 86, 347-358 (2013).
- Bode, N. W. F., Kemloh Wagoum, A. U., Codling, E. A. Human responses to multiple sources of directional information in virtual crowd evacuations. Journal of the Royal Society Interface. 11 (91), 20130904 (2014).
- Pandzic, I. S., Capin, T., Lee, E., Thalmann, N. M., Thalmann, D. A flexible architecture for virtual humans in networked collaborative virtual environments. Computer Graphics Forum. 16, Blackwell Publishers Ltd. (1997).
- Joslin, C., Pandzic, I. S., Thalmann, N. M. Trends in networked collaborative virtual environments. Computer Communications. 26 (5), 430-437 (2003).
- Molka-Danielsen, J., Chabada, M. Application of the 3D multi user virtual environment of Second Life to emergency evacuation simulation. System Sciences (HICSS), 2010 43rd Hawaii International Conference. , IEEE. 1-9 (2010).
- Normoyle, A., Drake, J., Safonova, A. Egress online: Towards leveraging massively, multiplayer environments for evacuation studies. , Tech Reports No MS-CIS-12-15 (2012).
- Bock, O., Baetge, I., Nicklisch, A. hroot: Hamburg registration and organization online tool. European Economic Review. 71, 117-120 (2014).
- Tanvir Ahmed, D., Shirmohammadi, S., Oliveira, J., Bonney, J. Supporting large-scale networked virtual environments. Virtual Environments, Human-Computer Interfaces and Measurement Systems, 2007. IEEE Symposium. , 150-154 (2007).
- Cipresso, P., Bessi, A., Colombo, D., Pedroli, E., Riva, G. Computational psychometrics for modeling system dynamics during stressful disasters. Frontiers in Psychology. 8, 1-6 (2017).
- Bernold, E., Gsottbauer, E., Ackermann, K., Murphy, R. Social framing and cooperation: The roles and interaction of preferences and beliefs. , 1-26 (2015).
- Balietti, S., Goldstone, R. L., Helbing, D. Peer review and competition in the Art Exhibition Game. Proceedings of the National Academy of Sciences of the United States of America. 113 (30), 8414-8419 (2016).
- Gomez-Marin, A., Paton, J. J., Kampff, A. R., Costa, R. M., Mainen, Z. F. Big behavioral data: Psychology, ethology and the foundations of neuroscience. Nature Neuroscience. 17 (11), 1455-1462 (2014).
