探索虚拟现实中模拟低视力下的行为：CREATTIVE3D 数据集开启新视野

《Scientific Data》：Exploring, walking, and interacting in virtual reality with simulated low vision: a living contextual dataset

为研究模拟低视力对用户行为的影响，研究人员创建 CREATTIVE3D 数据集，助力多领域研究。

　　在科技飞速发展的今天，虚拟现实（VR）技术逐渐走进人们的生活，从娱乐到医疗，其应用范围不断拓展。然而，对于视力障碍人群，在复杂场景中导航面临诸多挑战，比如在道路交叉口，难以快速获取和处理交通信号灯、车辆行驶等视觉信息，这严重影响了他们的安全和生活质量。为了深入了解模拟低视力条件对用户行为的影响，同时探索 VR 在低视力患者康复训练中的潜在作用，来自法国多所高校和研究机构（Université C?te d’Azur、Inria、CNRS 等）的研究人员开展了一项极具意义的研究，相关成果发表在《Scientific Data》杂志上。

此次研究中，研究人员构建了 CREATTIVE3D 数据集，这是目前最大的完全注释情境下人类运动数据集，在多方面具有独特优势。它涵盖了 40 小时的人类运动数据，包含 260 万个姿势，且在动态 3D 场景中捕获，结合了凝视、生理和运动等多变量数据，为后续研究提供了丰富的信息资源。

在研究过程中，研究人员采用了多种关键技术方法。首先，实验方案分为三个阶段，包括实验前准备、实验研究和实验后调查。实验研究阶段设置了四种条件，即有 / 无模拟低视力与模拟 / 真实行走的组合，每个条件下有六个场景，并进行了伪随机化处理，以减少学习和疲劳对实验结果的影响。其次，使用多种设备进行数据采集，如 HTC Vive Pro Eye 头戴式设备记录凝视、头部运动和用户交互日志；XSens Awinda Starter 运动捕捉系统获取步长、身体倾斜度等运动指标；Shimmer GSR + 传感器收集皮肤电导率和心率数据。同时，还设计了不同时间点的调查问卷，收集参与者的相关信息和体验反馈。最后，针对采集到的多源数据，研究人员进行了严格的数据处理和验证，包括数据同步、处理数据问题以及验证问卷的内部一致性等。

研究结果部分，首先是场景设计。研究人员围绕认知负荷和交互复杂性两个轴设计了六个场景。认知负荷轴通过改变 VR 环境中的道路车道数量和行驶车辆数量来调整，从 2 车道各有一辆车到 1 车道无车；交互复杂性轴则通过改变参与者在场景中需要完成的任务数量和类型来设置，从简单的拾取一个物体到多个物体交互、放置等复杂任务。其次，在行走条件方面，参与者在每个场景中从 13 种活动中选择进行，且每个场景都在真实行走（RW）和模拟行走（SW）两种条件下进行。真实行走是在 10 米 ×4 米的追踪空间内，真实与虚拟距离为 1:1 的自然行走方式；模拟行走则是为适应家庭康复空间有限的情况设计，用户通过按压控制器移动，摄像头以 0.9 米 / 秒的速度前进。再者，模拟低视力环节，研究针对年龄相关性黄斑变性（AMD）导致的中心视野暗点（scotoma），利用 VR 头戴式设备的眼动追踪技术，设计了一个直径为 10° 的虚拟黑点来模拟低视力状况。然后，在数据收集与记录上，研究涉及多种数据类型，如系统日志、生理传感器数据、运动捕捉数据、凝视和头部追踪数据以及调查问卷数据等。这些数据以不同格式存储，且都进行了时间戳标记（调查问卷除外），方便后续分析。最后，在技术验证方面，研究进行了 10 次试点研究，不断优化实验方案和调查问卷。同时，详细记录数据问题，如凝视数据缺失、问卷不完整等，并对数据进行时间和空间同步，确保数据质量。此外，还验证了问卷的内部一致性，结果显示 UTAUT2 量表部分子量表的信度良好，NASA 任务负荷指数的信度也可接受。

研究结论表明，CREATTIVE3D 数据集为研究虚拟现实中模拟低视力条件下的人类行为提供了丰富的数据支持。通过分析这些数据，研究人员发现不同行走条件和模拟低视力状况对用户的注视行为、生理反应等存在影响。例如，模拟行走条件下平均注视持续时间更长。这一研究成果对于理解低视力人群在复杂环境中的行为模式具有重要意义，同时也为 VR 在低视力患者康复训练中的应用提供了理论依据，有望推动相关康复技术的发展。此外，该数据集的开放性和可重复性，为未来跨数据集或研究设计的用户行为分析奠定了基础，促进了多领域如人机交互、认知科学等的研究发展。

总之，这项研究通过构建 CREATTIVE3D 数据集，深入探究了虚拟现实中模拟低视力条件下的人类行为，为生命科学和健康医学领域在低视力研究和康复训练方面提供了新的思路和方法，具有重要的科学价值和应用前景。