BernO：用于VR中空间嗅觉交互的呼吸驱动气味显示装置

文献标题

BernO: A Breath-Driven Odor Display for Spatial Olfactory Interaction in VR

出版信息

• 主题领域: 虚拟现实（VR）中的嗅觉显示技术
• 关键词: 嗅觉显示, 虚拟现实, 空间交互, 伯努利原理, 气味渲染, 浓度梯度, 气味羽流, 呼吸驱动, 用户研究, 人体工学

背景与问题

• 问题/挑战: 现有的嗅觉显示技术存在环境污染、感官副作用（如湿度、触觉感受）以及气味浓度难以精确控制等问题。这些限制阻碍了VR中真实的空间嗅觉交互实现。
• 重要性: 在VR中模拟空间嗅觉能够增强临场感、真实感和空间认知能力，填补虚拟环境中的关键感官空白。
• 动机与相关工作: 先前研究探索了雾化、加热、气流和机械驱动等气味传递方法，但这些方法往往引入不必要的副作用，或无法模拟真实的空间气味动态。本研究在这些工作的基础上，解决了对精确、自然且无污染的空间嗅觉渲染的需求。

解决方案

• 提出的方法: BernO，一种基于伯努利原理的呼吸驱动嗅觉显示设备，通过用户吸气动态调整气味浓度。
• 创新点:
  1. 呼吸驱动操作消除了环境污染和跨模态伪影。
  2. 快速浓度调整（<1秒）实现了动态空间气味渲染。
  3. 实现了两种气味渲染模型：浓度梯度和羽流模型。
  4. 通过全面用户研究评估空间定位和用户感知。
• 过程与关键技术:
  • BernO利用封闭的流动路径在吸气时产生压力差，从气味仓中抽取气味物质。
  • 可调滑动阀门控制气味浓度，响应时间小于1秒。
  • 两种渲染模型模拟空间气味动态：
    1. 浓度梯度模型: 稳定的、随距离单调递减的浓度分布。
    2. 羽流模型: 间歇性、波动性气味模式，模拟自然气流。
  • 用户研究（N=33）评估了VR中的方向定位、距离定位和二维搜索任务。

结果

• 具体发现:
  • 浓度变化辨别准确率：94.4%。
  • 左右鼻孔差异辨别准确率：47.98%（接近随机水平）。
  • 浓度梯度模型的定位误差显著更低，而羽流模型使任务完成速度更快。
  • 主观评分：羽流模型在真实感上得分更高，而浓度梯度模型在方向和距离感知上得分更高。
  • 设备舒适度评分：平均舒适度得分=4.91，不适感得分=2.66（7分制）。
• 相较基线的优势:
  • BernO消除了环境污染，并提供了快速、精确的气味浓度控制。
  • 羽流模型增强了真实感，而浓度梯度模型提高了定位准确性。
• 实验/评估:
  • 任务：方向定位、距离定位和VR中的二维搜索。
  • 指标：定位误差、任务完成时间、主观评分（难度、真实感、空间临场感）。
  • 结果显示真实感（羽流）与精确性（梯度）之间存在权衡。
• 局限性与未来工作:
  • 用户难以感知左右鼻孔气味浓度差异。
  • 未来工作包括混合渲染模型、多气味BernO设计，以及结合三叉神经刺激以增强空间感知。

总结

本文介绍了BernO，一种基于伯努利原理的呼吸驱动嗅觉显示设备，可动态调整气味浓度。研究评估了浓度梯度和羽流两种渲染模型，揭示了空间嗅觉交互中真实感与精确性之间的权衡。用户研究证明了BernO在空间定位任务中的有效性，并突出了其人体工学舒适性。这些发现为嗅觉显示技术及其在VR中的应用提供了重要基础。