Zenflow：研究MR转换以增强睡眠和放松

文献标题

Zenflow: Investigating MR Transitions for Enhancing Sleep and Relaxation

出版信息

• 研究领域: 用于放松和睡眠改善的混合现实（MR）系统。
• 关键词: 混合现实、放松、睡眠质量、压力缓解、环境过渡、呼吸指导、共同设计、可穿戴设备、生理数据、治疗性XR。

背景与问题

• 问题/挑战: 传统的放松练习（如调息法）需要纪律、指导和安静的环境，这在日常生活中难以维持。基于虚拟现实（VR）的放松工具通常依赖于突然沉浸到虚拟环境中，这可能会破坏存在感和冥想过程。
• 重要性: 压力和睡眠质量差是普遍的健康问题，与认知障碍、心血管风险和免疫力减弱相关。可及且有效的放松工具对于改善心理和身体健康至关重要。
• 动机与相关研究: 之前关于VR和AR放松系统的研究表明其能够短期缓解压力，但通常缺乏与现实环境的整合，并未充分解决环境过渡的影响。在治疗性XR系统中，与临床专家的共同设计仍然是一个未充分探索的领域。

解决方案

• 提出的方法: Zenflow是一种混合现实（MR）系统，通过逐步将用户的物理环境转变为平静的虚拟夜空环境，并结合呼吸指导和简约的虚拟代理。
• 创新点:
  1. 与调息法实践者共同设计，指导放松系统的设计。
  2. 引入逐步的环境过渡以增强感知连续性和放松效果。
  3. 提供实证证据，表明空间过渡方法能够改善睡眠和压力结果。
• 流程与关键技术:
  • 与临床专家进行共同设计工作坊，优化环境、虚拟指导和呼吸指导。
  • 开发Zenflow的不同版本：ZF（无空间过渡）和ZFST（带空间过渡）。
  • 集成通过Garmin可穿戴设备收集的生理数据，以及使用Meta Quest 3进行MR渲染。
  • 使用与呼吸提示同步的定制着色器，逐步将天花板转变为星空。

结果

• 具体发现:
  • ZFST显著改善了主观睡眠评分的所有子量表（例如，入睡容易度：Δ = +7.35, p = .0025；睡眠质量：Δ = +8.36, p < .001）。
  • 与调息法相比，ZFST的客观压力评分更低（Δ = −6.62, p = .032）。
  • 在早期睡眠阶段，ZFST的心跳间隔（IBI）显著长于调息法（Δ = +41.23 ms, p = .019）。
• 相较基线的优势:
  • ZFST在主观和客观指标上均优于传统调息法和无空间过渡的ZF，证明了空间过渡的附加价值。
• 实验/评估:
  • 三周内被试内实验（N=12），随机条件包括调息法、ZF和ZFST。
  • 数据收集包括自我报告问卷（PSS-10, LSEQ）和来自Garmin Venu 3s的生理指标（压力评分、IBI）。
  • 使用线性混合效应模型进行统计分析。
• 局限性与未来工作:
  • 样本量较小（N=12），干预时间较短（三周）。
  • 普适性有限；未来研究应涉及更大、更具多样性的人群以及长期干预。
  • 使用临床级传感器获取更精确的生理数据的潜力。
  • 探索多模态过渡（例如触觉提示）和个性化MR环境。

总结

Zenflow提出了一种通过逐步环境过渡和呼吸指导来增强放松和睡眠的混合现实系统。该系统通过与调息法实践者的共同设计，强调感知连续性和治疗适用性。一项为期三周的研究表明，ZFST（带空间过渡的Zenflow）相比传统调息法和无空间过渡的Zenflow显著改善了睡眠质量并降低了压力。这些发现突出了过渡设计在沉浸式放松系统中的重要性，并为适应性和个性化MR治疗提供了未来方向。