迷失在走廊中：通过感知环境特征和用户行为建模与缓解空间定向障碍

文献标题

Lost in Corridors: Modeling and Mitigating Spatial Disorientation by Sensing Environmental Characteristics and User Behavior

出版信息

• 研究领域: 空间认知与自适应导航系统
• 关键词: 空间迷失感, 室内导航, 几何对称性, 特征相似性, 多模态行为, CNN-BiLSTM, 虚拟现实实验, 自适应系统, 认知状态检测, 导航辅助

背景与问题

• 问题/挑战: 当前的导航系统以被动和通用为主，未能解决空间迷失感的环境根源问题，也未能整合用户的认知状态。
• 重要性: 在重复性室内布局中，空间迷失感导致效率低下、挫败感增加，并阻碍空间学习。解决这一问题对于改进医院、商场等复杂环境中的导航系统至关重要。
• 动机与相关研究: 先前研究探讨了空间认知、线索整合和情境自适应系统，但缺乏对“迷路”状态的鲁棒检测模型，也未深入理解几何对称性和特征相似性如何交互导致迷失感。

解决方案

• 提出的方法: 一个主动的、情境感知的导航框架，整合双重情境感知（环境和用户）与内容自适应辅助策略。
• 创新点:
  1. 建立一个量化模型，将环境特征（几何对称性和特征相似性）与用户导航行为和认知负荷联系起来。
  2. 使用多模态行为数据的CNN-BiLSTM模型检测“迷路”状态，准确率超过90%。
  3. 提出自适应导航系统的设计原则，动态平衡效率与空间学习。
• 流程与关键技术:
  • 进行虚拟现实实验（N=40），操控几何对称性和特征相似性。
  • 收集多模态行为数据（如身体运动、眼动追踪），并通过启发式行为代理操作化“迷路”状态。
  • 开发并验证计算模型（CNN-BiLSTM, LSTM, 1D-CNN）用于实时检测迷失感。

结果

• 具体发现:
  • 在对称环境中，高特征相似性使犹豫时间增加了370%。
  • 几何对称性主要影响探索性身体旋转，而特征相似性则影响导航结果。
  • 双线索失效会引发策略从主动重新定位转向运动补偿（如沿墙行走）。
• 相较基线的优势:
  • CNN-BiLSTM模型在检测“迷路”状态时，准确率超过90%，F1分数达到0.76，优于之前的单模态模型（70–75%准确率）和简单分类器（F1分数: 0.23）。
• 实验/评估:
  • 采用2×2析因设计，在虚拟现实环境中操控几何对称性和特征相似性。
  • 指标包括路径曲折度、犹豫时间、身体旋转变异性和认知负荷。
  • 模型通过准确率、宏F1分数和类别特定F1分数进行评估。
• 局限性与未来工作:
  • 基于代理的标注缺乏直接的认知验证。
  • 研究结果可能无法推广到老年人或空间能力较低的群体。
  • 单房间虚拟现实范式限制了其在大规模导航任务中的适用性。
  • 实际部署需要适配于仅具有限身体运动传感器的增强现实系统。

总结

本研究通过建模几何对称性和特征相似性与用户行为及认知负荷的交互，解决了重复性室内布局中的空间迷失感问题。研究开发了一个CNN-BiLSTM模型，利用多模态行为数据高精度检测“迷路”状态。结果揭示了几何线索与特征线索的功能分离，以及驱动导航策略的动态成本-收益权衡。提出的框架为整合双重情境感知与内容自适应辅助的自适应导航系统设计提供了原则，旨在平衡效率与空间学习。未来工作应将研究扩展至多样化人群和实际应用场景。