虚拟现实中运动方向、手的优势和半空间对到达运动动力学的影响

文献标题

The Effect of Movement Direction, Hand Dominance, and Hemispace on Reaching Movement Kinematics in Virtual Reality

文献信息

• 主题领域: 虚拟现实中的运动学分析与人机交互
• 关键词: 虚拟现实, 运动学分析, 虚拟手, 定位运动, 指向任务, 手偏侧性, 半空间
• 出版年份与出处: 2023年，CHI会议论文
• 作者信息:
  • Logan D. Clark (University of Virginia)
  • Mohamad El Iskandarani (University of Virginia)
  • Sara L. Riggs (University of Virginia)

研究背景与问题

• 发现的问题或挑战:

  • 当用户在VR环境中使用虚拟手执行不同方向的伸手运动时，其运动行为会因方向、手偏侧性（dominant vs non-dominant hand）、以及运动发生的身体侧面（hemispace）而有所变化。然而，这些因素如何相互作用尚不明确。
  • 现有研究往往仅独立分析这些因素对运动学的影响，缺乏系统的联合评估。

• 重要性:

  • 理解这些因素对VR中伸手运动学的影响，不仅能够增强预测用户行为的模型，还可以应用在改善VR界面可用性、辅助康复（例如中风后的运动恢复）以及技能培训中。

• 研究动机与相关工作:

  • 传统运动控制研究表明，真实世界的目标导向运动学会随方向、手偏侧性和半空间发生显著改变。这些成果对于理解用户在VR环境中的控制策略和行为至关重要。
  • 此前关于VR中关键运动学指标的研究有限，尤其是对于多因素交互影响的探讨。

解决方案

• 方法或解决方案:

  • 本研究通过控制不同方向（5个方向），手偏侧性（主手/非主手）及身体侧面（左侧/右侧），系统性评估用户在VR环境中伸手运动的运动学表现。
  • 采用现代消费级VR设备（Oculus Quest 2和触控手柄）进行实验设计，并结合运动学分析（如运动时间、峰速、运动平滑性等）量化不同运动条件下用户行为的变化。

• 创新之处:

  1. 提供第一份完整的实证分析，结合方向、手偏侧性以及半空间，揭示其交互对虚拟手运动学特性的影响。
  2. 利用VR中的实时运动跟踪数据，展示运动学分析的应用潜力。

• 实施步骤与技术:

  • 实验设计：通过Unity软件实现3D空间中的点对点伸手任务。记录用户虚拟手指位置，并基于滤波后的数据计算运动学参数。
  • 指标计算：涉及运动时间 (MT)、峰速度 (Vp)、达到峰速度的时百分比 (PTPV)、主要子运动结束时间 (PTPSE)及距离 (DPSE)、运动平滑性 (SPARC)等多项指标。

研究成果

• 具体成果:

  • 方向、手偏侧性和半空间均显著影响用户的运动学表现。主要发现包括：
    • 向身体内侧运动（inward）相比向外侧运动（outward）具有更优的平滑性 (SPARC)、速度 (Vp)和效率 (MT)。
    • 向下运动比向上运动常见速度提升，但一些方向需要更多校正动作来达到目标。
    • 手偏侧性产生显著影响：主手通常在运动效率与校正需求上表现优于非主手。

• 优势:

  • 该研究首次全面揭示在VR中复杂运动条件下的运动学变化规律。
  • 为未来VR环境优化设计提供量化指标，尤其是虚拟手交互的运动预测模型。

• 实验或评估结果:

  • 运动学指标随方向变化显著，如峰速度在上下、左/右、向内/向外方向存在显著差异，同时受到手偏侧性与身体侧面交互的影响。
  • 对运动平滑性 (SPARC) 的最新量化分析为未来康复应用提供了新的技术参考。

• 局限性与未来方向:

  • 本研究仅对右手优先用户进行了分析，结果能否推广到左手优先用户需进一步验证。
  • 未涉及任务中其他可能影响运动学的因素（如目标大小、距离等），建议未来研究扩展实验条件。
  • 尚未分析个体间差异，例如年龄影响或手臂体型的生物力学差异。随后工作将尝试通过动态跟踪与肌电图扩展。
  • 当前结果基于Oculus触控设备的实验，免费手部交互的适用性仍需验证。

实际应用与价值

1. 界面设计:
   • 提供方向、手、半空间对伸手运动的定量影响，可用于改善VR界面交互设计。
2. 康复与监测:
   • 为中风后上肢康复提供健康人运动表现基线，与康复监控系统结合可识别异常情况。
3. 技能培训:
   • 支持VR环境下技能培训效率评估，量化不同动作条件下的学习进展。
4. 用户体验优化:
   • 为评估VR界面可用性问题提供运动学指标基础，快速识别交互中的缺陷。

总结

本研究为虚拟现实中伸手运动学分析提供了重要基线数据，揭示方向、手、和身体侧面对运动特性的交互影响。通过充分的指标计算与实验验证，该研究的成果具有广泛应用价值，尤其是在用户体验优化、康复技术和运动行为预测等领域。