JoVE Journal > Behavior
Summary
Abstract
Introduction
Protocol
Results
Discussion
Disclosures
Acknowledgements
Materials
References
Automatic Translation
Behavior

Virtual Reality eksperimenter med fysiologiske foranstaltninger

Published: August 29, 2018
doi:
10.3791/58318
, , , , , ,
1Chair of Cognitive Science,ETH Zürich, 2Geographic Information Visualization and Analysis,University of Zürich, 3Digital Society Initiative,University of Zürich

Summary

Virtual reality (VR) eksperimenter kan være svært at implementere og kræver omhyggelig planlægning. Denne protokol beskriver en metode til udvikling og implementering af VR eksperimenter, der indsamler fysiologiske data fra menneskelige deltagere. Eksperimenter i virtuelle miljøer (EVE) rammer er ansat til at fremskynde denne proces.

Abstract

Virtual reality (VR) eksperimenter er i stigende grad ansat på grund af deres interne og eksterne validitet i forhold til virkelige verden observation og laboratorieforsøg, henholdsvis. VR er især nyttig for geografiske visualiseringer og undersøgelser af rumlig adfærd. Rumlig adfærd forskning, VR giver en platform til at studere forholdet mellem navigation og fysiologiske foranstaltninger (fx., hud ledningsevne, puls, blod pres). Specifikt, giver fysiologiske foranstaltninger forskere til at stille nye spørgsmål og begrænse foregående teorier af rumlige færdigheder, strategier og ydeevne. For eksempel kan individuelle forskelle i navigation ydeevne forklares med det omfang som ændringer i ophidselse mægle virkningerne af opgave vanskeligheder. Dog kan kompleksiteter i udformningen og gennemførelsen af VR eksperimenter distrahere eksperimentatorer fra deres primære forskningsmål og indføre uregelmæssigheder i dataindsamling og analyse. For at imødegå disse udfordringer, eksperimenter i virtuelle miljøer (EVE) rammer omfatter standardiserede moduler som deltager træning med kontrol interface, dataindsamling ved hjælp af spørgeskemaer, synkronisering af fysiologiske målinger, og datalagring. Eva giver også den nødvendige infrastruktur til dataadministration, visualisering og evaluering. Den nuværende papir beskriver en protokol, der beskæftiger EVE ramme at udføre navigation eksperimenter i VR med fysiologiske sensorer. Protokollen indeholder de trin, der er nødvendige for at rekruttere deltagere, vedhæfter den fysiologiske sensorer, administrere eksperiment ved hjælp af EVE, og vurderingen af de indsamlede data med EVE evalueringsværktøjer. Samlet set vil denne protokol lette fremtidig forskning ved at strømline design og implementering af VR eksperimenter med fysiologiske sensorer.

Introduction

Forstå, hvordan individer navigere har stor betydning for flere felter, herunder kognitiv videnskab1,2,3, neurovidenskab4,5og computer science6 , 7. navigation er blevet undersøgt i både virkelige og virtuelle miljøer. En fordel af virkelige verden forsøg er at navigation kræver ikke mægling af en kontrol interface og således kan producere mere realistiske rumlig adfærd. Derimod virtual reality (VR) eksperimenter giver mulighed for mere præcis måling af adfærdsmæssige (fx., walking baner) og fysiologiske (fx., puls) data, samt mere eksperimenterende kontrol (dvs., interne gyldighed). Igen, kan denne tilgang resultere i enklere fortolkninger af data og dermed mere robuste teorier af navigation. Derudover neurovidenskab kan drage fordel af VR fordi forskere kan undersøge de neurale korrelerer navigation, mens deltagerne er engageret i det virtuelle miljø, men kan ikke fysisk flytte. For dataloger kræver navigation i VR unikke udvikling i processorkraft, hukommelse, og computergrafik for at sikre en fordybende oplevelse. Resultater fra VR eksperimenter kan også anvendes i arkitektur og kartografi ved at informere udformningen af bygningen layouts8 og kort funktioner9 at lette virkelige verden navigation. For nylig, fremskridt i VR teknologi kombineret med et dramatisk fald i kapitalomkostningerne har ført til en stigning i antallet af laboratorier anvender VR for deres eksperimentelle design. På grund af denne stigende popularitet skal forskere overveje hvordan at effektivisere gennemførelsen af VR applikationer og standardisere eksperiment arbejdsproces. Denne tilgang vil hjælpe Skift ressourcer fra implementering til udvikling af teori og udvide de eksisterende kapaciteter af VR.

VR opsætninger kan variere fra mere til mindre realistisk skærme og kontrol. Mere realistisk VR opsætninger tendens til at kræve yderligere infrastruktur såsom store tracking rum og høj opløsning viser10. Disse systemer ansætte ofte omdirigerede omvandrende algoritmer for at injicere umærkelig rotationer og oversættelser til visuel feedback til brugerne og forstørre effektivt det virtuelle miljø, som deltagere kan flytte11 , 12. disse algoritmer kan være generaliseret i, at de ikke kræver viden om miljømæssige struktur13 eller intelligent, idet de antager særlige stier til brugeren14. Selvom de fleste forskning på omdirigerede walking har brugt hoved-monteret displays (HMDs), nogle forskere beskæftiger en version af denne teknik med gå-i-sted som en del af en stor projektion system (fx., huler)15. Mens HMDs kan transporteres på hovedet af deltageren, CAVE skærme tendens til at give en bredere horisontale synsfelt16,17. Dog er mindre infrastruktur nødvendig for VR systemer ved hjælp af desktop viser18,19. Neurovidenskabelige forskning har også ansat VR systemer i kombination med funktionel magnetisk resonans imaging (fMRI) under scanningen20, i kombination med fMRI efter scanning21,22, og i kombination med electroencefalografi (EEG) under optagelse23,24. Software rammer er nødvendige for at koordinere forskellige displays og kontrolelementer, der bruges til navigation forskning.

Forskning, der inkorporerer VR og fysiologiske data giver ekstra udfordringer såsom dataopsamling og synkronisering. Dog fysiologiske data giver mulighed for undersøgelser af implicitte processer, som kan mægle forholdet mellem navigation potentielle og rumlig adfærd. Faktisk, er blevet undersøgt forholdet mellem stress og navigation ved hjælp af en kombination af forskellige fysiologiske sensorer og desktop VR (dvs., puls, blodtryk, hud ledningsevne, spyt cortisol og alfa-amylase)25 , 26 , 27 , 28. For eksempel van Gerven og kolleger29 undersøgt virkningerne af stress på navigation strategi og ydeevne ved hjælp af en virtuel virkelighed version af en Morris vand labyrint opgave og flere fysiologiske foranstaltninger (fx., hud ledningsevne, puls, blodtryk). Deres resultater viste, at stress forudsagt navigation strategi med hensyn til landmark brug (dvs., egocentrisk versus allocentric), men var ikke relateret til navigation ydeevne. I almindelighed, er resultater fra tidligere undersøgelser noget inkonsekvent med hensyn til effekten af stress på navigation ydeevne og rumlig hukommelse. Dette mønster kan henføres til adskillelsen af stressor (fx., kold pressorstoffer procedure26, Star spejl sporing opgave25) fra den faktiske navigation opgave, brugen af simple labyrint-lignende virtuelle miljøer ( fx., virtuelle Morris vand labyrint26, virtuelle radial arm labyrint28), og forskelle i metodologiske oplysninger (fx., type af stressor, type af fysiologiske data). Forskelle i form af indsamlede fysiologiske data kan også være problematisk for gennemførelsen og analyse af sådanne undersøgelser.

Eksperimenter i virtuelle eksperimenter (EVE) rammer letter design, implementering og analyse af VR eksperimenter, især dem med ekstra eksterne enheder (fx., øjet trackers, fysiologiske enheder)30. EVE rammen er frit tilgængelig som en open source-projekt på GitHub (https://cog-ethz.github.io/EVE/). Denne ramme bygger på den populære Unity 3D spil motor (https://unity3d.com/) og MySQL database management system (https://www.mysql.com/). Forskere kan bruge EVE rammen for at forberede de forskellige stadier af en VR eksperiment, herunder præ- og post undersøgelse spørgeskemaer, grundlæggende målinger for fysiologiske data, uddannelse med kontrol interface, opgaven hovednavigation og test for rumlig hukommelse navigeret miljø (fx., domme af relativ retning). Eksperimentatorer kan også styre synkroniseringen af data fra forskellige kilder og på forskellige niveauer af sammenlægning (fx., på tværs af forsøg, blokke eller sessioner). Datakilder kan være fysiske (dvs., forbundet til brugeren; se Tabel af materialer) eller virtuelle (dvs., afhængig af samspillet mellem deltagerens avatar og det virtuelle miljø). For eksempel, kan et eksperiment kræve registrering af puls og position/orientering fra deltageren når at deltagerens avatar bevæger sig gennem et bestemt område af det virtuelle miljø. Alle disse data er automatisk gemt i en MySQL-database og evalueret med replay funktion og R pakke evertools (https://github.com/cog-ethz/evertools/). Evertools giver eksporterende funktioner, grundlæggende beskrivende statistik, og diagnostiske værktøjer til distributioner af data.

Eva ramme kan sættes ind med en bred vifte af fysiske infrastrukturer og VR systemer. I denne protokol beskriver vi en bestemt gennemførelse på NeuroLab på ETH Zürich (figur 1). NeuroLab er et 12 m af 6 m rum indeholdende en isoleret afdeling udfører EEG eksperimenter, en kabine med VR-system (2,6 m x 2,0 m), og en gardiner område til fastgørelse af fysiologiske sensorer. VR-system omfatter en 55″ ultra-høj definition tv-skærm, en high-end gamingcomputer, en joystick kontrol interface og flere fysiologiske sensorer (Se Tabel af materialer). I følgende afsnit skal vi beskrive protokol til at foretage en navigation eksperiment i NeuroLab ved hjælp af EVE rammen og fysiologiske sensorer, nuværende repræsentative resultater fra en undersøgelse på stress og navigation, og diskutere mulighederne og udfordringer forbundet med dette system.

Protocol

Følgende protokol blev gennemført i overensstemmelse med retningslinjerne vedtaget af etik Kommissionen af ETH Zürich som en del af forslaget EK 2013-N-73. 1. ansætte og forberede deltagerne Vælg deltagere med særlige demografi (fx., alder, køn, uddannelsesbaggrund) ved hjælp af en deltager rekrutteringssystem eller mailing liste (fx., UAST; http://www.uast.uzh.ch/). Kontakte udvalgte deltagere via e-mail. I denne e-mail, minde deltagerne om sessio…

Representative Results

Fra hver deltager i NeuroLab, vi typisk indsamle fysiologiske data (fx., ECG), spørgeskema data (fx., Santa Barbara fornemmelse af retning skala eller SBSOD31), og navigationsdata (fx., stier gennem den virtuelt miljø). Ændringer i hjertefrekvens (afledt af EKG-data) har for eksempel været forbundet med ændringer i stress stater i kombination med andre fysiologiske32 og selvrapportering foranstaltninger<sup cl…

Discussion

I det foreliggende papir beskrev vi en protokol til at foretage eksperimenter i VR med fysiologiske enheder ved hjælp af EVE rammen. Disse typer af forsøg er unikke på grund af yderligere hardware overvejelser (fx., fysiologiske enheder og andre enheder), de forberedende skridt til indsamling af fysiologiske data ved hjælp af VR og data management krav. Denne protokol giver de nødvendige skridt for eksperimentatorer, der har til hensigt at indsamle data fra flere enheder samtidigt. For eksempel, brug af fys…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Det virtuelle miljø blev venligst leveret af VIS spil (http://www.vis-games.de) til at gennemføre forskning i virtual reality.

Materials

Alienware Area 51 Base Dell  210-ADHC Computation
138cm 4K Ultra-HD LED-TV Samsung UE55JU6470U Display
SureSigns VS2+ Philips Healthcare 863278 Blood Pressure
PowerLab 8/35 AD Instruments PL3508 Skin Conductance
PowerLab 26T (LTS) AD Instruments ML4856 Heart Rate
Extreme 3D Pro Joystick Logitech 963290-0403 HID
DOWNLOAD MATERIALS LIST

References

  1. Gallistel, C. R. . The Organization of Learning. , (1990).
  2. Waller, D., Nadel, L. . Handbook of Spatial Cognition. , (2013).
  3. Denis, M. . Space and Spatial Cognition: A Multidisciplinary Perspective. , (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. , (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. , (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. . 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).

Tags

Virtual RealityPhysiological MeasuresCognitive ScienceEmotionNavigation BehaviorEnvironmental PerceptionBehavioral GeographyDecision MakingEDA-ECG SoftwareElectrodesSampling RateOpen Circuit ZeroExperiment SettingsInformed ConsentEDA ElectrodesECG ElectrodesBlood Pressure Cuff

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
Cite This Article
Weibel, R. P., Grübel, J., Zhao, H., Thrash, T., Meloni, D., Hölscher, C., Schinazi, V. R. Virtual Reality Experiments with Physiological Measures. J. Vis. Exp. (138), e58318, doi:10.3791/58318 (2018).
Download Citation
Reprints and Permissions

View Video

✖

To prove you're not a robot, please enter the text in the image below

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image