Portobello：将驾驶模拟从实验室扩展到道路

文献标题

Portobello: Extending Driving Simulation from the Lab to the Road

文献信息

• 主题领域: 人机交互、驾驶模拟、混合现实(XR)
• 关键词: 驾驶模拟、人机交互、混合现实、自动驾驶、平台移植、生态有效性、用户研究、跨平台实验、虚拟现实、XR-OOM

研究背景与问题

• 发现的问题或挑战:

  • 在自动驾驶相关研究中，传统实验通常从实验室驾驶模拟开始，随后逐步迁移至实际道路测试以降低风险。然而，在物理世界和虚拟世界之间复制实验设计存在困难。
  • 实验室驾驶模拟器能够精确控制实验环境，但无法完全模拟真实驾驶中的车辆动态和惯性力，这影响了沉浸感和生态效度。
  • 目前的道路驾驶模拟器无法高精度地设计和管理车外环境中的虚拟对象，这限制了实验的多样化。

• 研究的重要性:

  • 提高驾驶模拟实验的生态效度是自动驾驶、人机交互领域的重要挑战。解决平台移植难题可以帮助研究人员更有效地验证实验室模拟研究的现实适用性。
  • 此研究有助于增强驾驶模拟技术的开发和测试能力，更好地适应实际道路动态，提高安全驾驶系统的研究。

• 研究动机与相关工作:

  • 现有研究使用XR技术来提升驾驶模拟的感知沉浸性，例如基于视觉SLAM或360°摄像头的混合现实系统，但缺乏统一的平台移植能力。
  • Wynne等发现大多数驾驶模拟研究缺乏验证研究，导致实验室模拟与实际驾驶间的结果存在不确定性。
  • 作者希望通过实现实验设计的“平台移植性”，解决跨平台实验困难，从而推动驾驶模拟生态效度研究的发展。

解决方案

• 提出的解决方案:

  • 开发名为“Portobello”的模拟驾驶基础设施，该系统通过机器人技术中的定位技术及软件，使实验室模拟器与道路驾驶模拟器之间的研究设计得以移植。
  • 将Portobello集成到已有的道路驾驶模拟系统XR-OOM中，实现基于位置的事件设计与渲染，支持跨环境的双胞实验（实验室与实际道路）。

• 创新之处:

  • 首次实现驾驶模拟实验设计的“平台移植性”。通过将虚拟对象与共享地图关联，使虚拟事件与实际道路环境精确对齐。
  • 采用LiDAR传感器替代GPS，实现更高精度的定位，适用于城市环境。
  • 提供统一的实验设计与事件调度框架，使研究人员无需深入了解底层定位技术即可轻松设计实验。

• 实施步骤与技术:

  • 地图生成: 使用LiDAR设备扫描研究区域，创建精确的点云地图，作为实验设计的基础。
  • 事件设计: 在地图中拖放虚拟对象，通过碰撞触发器控制事件的时机与位置。
  • 平台集成: 通过ROS与Unity实现实时数据通信，将车辆位置与虚拟环境动态同步。
  • 实验实施: 使用一个固定式实验室驾驶模拟器和一个基于Portobello系统的道路驾驶模拟器，运行双胞实验以验证平台移植性。

研究成果

• 具体成果:

  • 成功实现跨环境双胞实验，验证了Portobello系统的“平台移植性”。
  • 比较了实验室与道路模拟器的结果，发现两者在参与者行为、沉浸感和用户体验方面均有显著差异。
  • 示范了不同模拟平台的优势：实验室更适合量化分析，真实道路则更能反映复杂环境中的自然行为。

• 优势:

  • 使研究人员能够轻松从实验室实验过渡到实际道路实验，减少实验设计的重复工作。
  • 基于LiDAR的高精度地图与位置同步技术解决了传统GPS系统的定位误差问题。
  • 增强研究的生态有效性和现实适用性。

• 实验或评估结果:

  • 在两个平台上运行了32名参与者的双胞“过街合作”实验，结果显示参与者在道路模拟器中展示了更自然的头部运动，并将决策视为更真实情境下的重要环节。
  • 调查量表评估显示，实验室模拟器在安全感和舒适感上得分更高，而道路模拟器则更具自然性和现实感。

• 局限性与未来方向:

  • 暂未解决虚拟对象的动态遮挡问题，可能影响XR体验的沉浸感。
  • 参与者高频抱怨头戴设备的重量及视野问题，未来的技术发展需要提高XR硬件的舒适性。
  • 随机事件干扰了实验的一致性，未来可通过更精细的设计减少此类影响。
  • 为提升虚拟事件与真实场景的交互效果，建议融合实时动态扫描技术。

开放科学与贡献

• 开放资源: Portobello的源代码已开放，可通过GitHub获得。
• 研究支持: 本研究由Toyota Research Institute和Woven by Toyota资助。

通过此研究，Portobello系统为驾驶模拟研究领域的科学与工业应用提供了创新解决方案，并示范了开放科学的可能性。