如何使虚拟现实体验更加真实？（上）

来源：IEEE VR 2022 主讲人：Christine Grenier, Alireza Bahremand, Sungchul Jung, Austin Erickson, Haley Adams 内容整理：刘希贝 本次演讲总共介绍了 5 篇论文，在现有技术的基础上，分别针对不同方面进行了研究和改进，以增加用户在虚拟现实中的互动、感受和认知，以使 VR 体验更加真实。本文上篇介绍其中的 2 篇论文。

目录

• 视野对虚拟现实中动态视野外目标搜索的影响
  • 引言
  • 实验过程
  • 实验结果及分析
  • 总结
• 气味引擎：虚拟环境中的人工气味合成系统
  • 引言
  • 硬件设计
  • 运行过程
  • 系统评估

视野对虚拟现实中动态视野外目标搜索的影响

引言

我是 Christine Grenier，是卡尔顿大学的一名研究助理，我将代表Robert J. Teather讨论我们关于如何在 VR 中进行目标搜索的研究，我们的论文题目是《Effects of Field of View on Dynamic Out-of-View Target Search in Virtual Reality》。

2D 用户页面中的视觉搜索任务已经得到了很好的研究，但是当这个任务被带入 3D 沉浸式环境（如VR）时变得更加复杂。3D 环境的尺寸更大，用户掌握的自由度的数量更多，因此用户想要搜寻的目标可能不在视野范围内，甚至有可能在搜索者的背后。任务复杂性的增加需要更复杂的搜索策略，而影响搜索策略的一个主要因素即是视野。在此之前，已经有视野对静止和正视图目标的搜寻效果的影响的研究。然而，在VR应用中（比如VR游戏）更加常见和重要的，动态和视野之外的目标搜寻，这方面的研究一直是相对不足的。为了解决这个问题，我们进行了一项远程研究，以评估在有两个目标移动速度和不同数量的可见目标的两个立体视场下的搜索性能。我们的研究还再次探究了搜索时间和项目数量之间众所周知的线性关系，即随着 2D 视觉搜索任务中项目数量的增加，搜索时间线性增加。这个线性关系在目标是静止的且始终在视野范围内时成立，我们研究了移动的和/或不在视野中的目标是如何影响这种关系的。

我们的三个假设如下：

1. 视野越大，搜索时间就越短，因为参与者可以在给定时间看到更多目标，因此可以更快地做出反应来选择它们。
2. 固定目标的搜索时间会更短，因为在目标不移动时更容易定位和识别目标。
3. 搜索时间和目标数量之间的关系不会随着目标的移动和视野的减小呈线性关系。我们认为，由于目标数量的增加，搜索时间将由于任务难度的增加而非线性增加。

实验过程

该研究是远程进行的，我们向每一位参与者邮件了一个Google Cardboard Viewer。Google Cardboard 具有 65 度的立体视野，该视野可能会因眼睛与镜头的距离以及参与者使用的智能手机的屏幕尺寸而略有不同。我们开发了一个虚拟现实系统，包括一个在屏幕上看到的虚拟环境，目标将在参与者前面和上方 180 度范围内生成。

每个参与者在四个不同的条件下完成搜索任务，我们设置了四个不同的条件：65°和32.5°（分别称为全视场和半视场），静止的和移动的目标，这四个条件是视野和目标运动水平的四种组合。在每种情况下，可见目标的数量（也称为目标计数）从 2 到 26 不等。每个目标计数在每个条件下重复 9 次，每个参与者总共进行 324 次试验。在每一次试验中，参与者需要尽可能快速且准确地搜索并选择一个特定的目标。

实验结果及分析

我们测量和评估了七个变量，我将在本次演讲中讨论三个：搜索时间、错误率和感知工作量。

研究结果表明，无论目标如何移动，更宽的视野都会产生更短的搜索时间，证明了我们的第一个假设。同样，静态目标可以被更快地找到，支持了我们的第二个假设。宽视野允许用户在任何给定时间搜索更大的空间并查看更多目标，从而使他们在选择目标时做出更快的反应，同样，静止目标更容易在图像中识别和跟踪。从下图中可以看出，具有较小视野和静态目标的条件下比具有全视野和动态目标的条件下平均搜索时间更长，这表明视野对搜索时间的影响大于目标的移动的影响。

当考虑目标数量时，搜索时间随着可见目标数量的增加而增加。从图中看到，我们使用线性回归方程来模拟每个条件下搜索时间和目标数量之间的关系，无论目标移动或视野大小如何，搜索时间和目标数量之间的关系保持线性，这个结果与我们的第三个假设相反。我们试图利用多项式回归对这些数据进行建模，发现在半视场条件下自变量的平方值略高，随着目标计数变大，曲线略微向上弯曲。这可能表明，在小视野内，多目标可能最终导致这种关系变得非线性，这也是未来研究的一个方向。

接下来讨论错误率，从下图中可以看出，动态目标对错误率的影响比视野更大，动态目标条件下产生的错误率明显高于静态目标。我们预料到了这一点，这些结果表明移动目标是更难选择的，因为参与者更容易选择到目标周围的空间。我们的结果没有显示视野的大小对错误率有任何显着影响，但是我们发现视野和目标运动之间存在显着的相互作用，这表明有效视野对错误率的影响受到目标运动的影响。

所有参与者都针对每种情况完成了 NASA-TLX 调查，结果显示目标移动相比视野大小对感知工作量的影响更大。这与我们的客观结果相反，后者显示较小的视野对搜索性能的负面影响大于移动目标。

总结

我们从这项研究中获得了三个关键结论：

1. 视野是相比目标移动更重要的影响搜索性能的因素。
2. 目标移动是影响错误率和感知工作量的更重要因素。
3. 无论视野大小或目标移动如何，搜索时间都会随着目标数量的增加而线性增加。

气味引擎：虚拟环境中的人工气味合成系统

引言

你好，我叫 Alireza Bahremand，我很高兴向大家介绍我们的最新作品——气味引擎：虚拟环境中的人工气味合成系统，我们的论文是《The Smell Engine: A system for artificial odor synthesis in virtual environments》。

为什么我们想要在 VR 中闻到气味？气味的空间和时间性质使人类能够将气味与特定的物体和区域联系起来。允许虚拟环境通过嗅觉提示类似地产生气味，将为多感官训练、教育、记忆和其他用例提供一个平台。在过去的几十年里，人们对数字化嗅觉刺激的兴趣越来越大，从可穿戴嗅觉显示器到多模态感知系统进行了不少工作。这些作品主要专注于硬件设计，没有探索软件基础设施——特别是虚拟气味空间的设计和运行时间操作。

受到这些工作的启发，我们构建了气味引擎，这是一个将嗅觉刺激集成到虚拟环境中的软硬件框架。气味引擎被设计为对空间敏感，这意味着气味的强度会响应用户相对于虚拟气味对象的位置。此外，气味引擎提供了模块化的互操作性，这意味着它的设计与嗅觉显示硬件无关。最后，我们的系统实现了富有表现力的气味可编程性，使开发人员能够将各种气味特征、气味强度和气味分散特性编程到虚拟环境中。总的来说，这构成了我们设计标准的基础。

硬件设计

在硬件设计方面，我们设计了一个气源，它不断地将空气送入一系列质量流量控制器（Mass Flow Controllers，MFC）。质量流量控制器调节进入一组电磁阀装置的气流速率，引导气流进出装有气味蒸气的罐子顶部空间。我们的系统结合气味蒸气并将其引导到用户的鼻子中，在那里真空不断地抽空进入的空气。

我们拥有控制流量速率的质量流量控制器，选择不同的 MFC 以在不同的浓度范围内提供精确的流量控制，并通过它们的组合实现高动态流量控制范围。

电磁阀将每个容器的输出气动引导到三个路径之一：高流量、低流量或无流量。嗅觉仪引导清洁空气流过装有液体气味剂的容器的顶部空间。从光度计输出的有气味的空气与清洁空气相结合，然后送入一个套在用户鼻子上的鼻罩。因此，通过连续和联合设置每个电磁阀的占空比和每个 MFC 的流量设定点，可以实现对气味成分的全面控制。

运行过程

气味引擎由设计时操作和运行时操作组成。在设计期间，开发人员使用小型作曲家框架以编程方式在虚拟环境中定义气味源。在运行期间，气味混合器、气味控制器和阀门驱动器用于计算和产生气味。让我们更深入地研究设计时组件和运行时组件。

对于设计时操作，气味合成器框架由气味源组成，气味源是开发人员用来在虚拟环境中指定和放置气味的特定气味浓度和分散常数的特征向量。设计师不仅可以使用气味源创建固定气味，还可以通过将气味源分配给移动对象（例如 NPC），让气味源在虚拟环境中传播。比如，可以将气味源想象为类似于游戏引擎中的音频源：更改气味源组件的掩码浓度和扩散类似于更改音频源组件的音量和扩散。

现在让我们切换到运行时阶段。使用大气扩散方程，气味混合器组件计算气味混合向量，空间相关向量指定所有存在的分子气味剂相对于用户位置的浓度分布，然后将自动混合矢量传输到气味控制器。气味控制器计算达到目标浓度所需的通量，然后将其转换为阀门工作周期和 MFC 流速的时间表，然后阀门驱动器发出多路数字和模拟信号，这些信号对应于来自气味控制器的预定阀门状态和 MFC 流量。

系统评估

为了评估我们的系统，我们使用光电离检测器来测量送入鼻罩的汽化气味剂的相对浓度。通过我们的系统测量，我们观察到 PID 传感器读数和阀门占用时间之间的线性关系，以及与质量流量控制器流速之间的线性关系。在用户研究中，我们证实了系统气味传递的及时性、系统帮助识别用户检测阈值的能力，以及系统帮助改进用户在虚拟环境中定位气味源的能力。

另外，我们使用气味引擎来识别用户可感知的嗅觉刺激幅度变化的检测阈值。气味引擎不仅可以帮助识别受试者的其他敏锐度水平，而且还可以产生气味浓度和比用户可感知的检测阈值更精细的粒度。在用户研究的最后一部分，我们提示用户使用两种不同的气味传递方法——一种基于距离的方法和一种基于碰撞器的方法，识别虚拟环境中的气味来源。随着距离的接近，注意力逐渐变得更加有效，相比之下，使用基于对撞的方法，当用户在对撞机内时，注意力是固定的并被激活。结果表明，与现有的基于触发器的解决方案相比，我们的系统可以提高用户在虚拟环境中定位人工产生的气味源的准确性。

总而言之，我们创建了一个统一的嗅觉硬件-软件框架，允许开发人员在设计时创建嗅觉空间，并在运行时提供嗅觉显示的动态控制。使用气味引擎框架，我们的系统提供了互操作性、富有表现力、可编程性的空间敏感的气味合成模块。

附上演讲视频：

http://mpvideo.qpic.cn/0bc3qiabkaaaamafkskodjrvbawdcwbaafia.f10102.mp4?