虚拟现实中的低视力模拟：探索人类交互与导航行为的活体情境数据集

本研究通过虚拟现实技术模拟低视力条件，分析其对人类在复杂路口导航行为的影响，为低视力康复训练提供新思路

　　本研究由法国Université C?te d’Azur的研究团队开展，旨在通过虚拟现实技术模拟低视力条件，分析其对人类在复杂路口导航行为的影响。研究团队创建了CREATTIVE3D数据集，这是目前最大的人类运动全注释情境数据集，涵盖了动态3D场景中的多变量数据，包括眼动、生理和运动数据。该研究为低视力康复训练提供了新的视角，论文发表于《Scientific Data》。

在日常生活中，路口导航是一项常见的任务，但对于低视力人群来说，这一任务可能充满挑战。低视力患者在获取和处理视觉信息（如交通灯、来车情况）时可能会遇到困难，从而影响其安全和福祉。为了更好地理解低视力对人类行为的影响，并探索虚拟现实（VR）在低视力康复训练中的潜力，法国Université C?te d’Azur的研究人员开展了一项创新性研究。该研究通过模拟低视力条件，分析人类在虚拟路口场景中的交互与导航行为，并构建了CREATTIVE3D数据集，为后续研究提供了丰富的数据资源。

研究团队设计了一系列实验场景，通过改变道路车道数和车辆数量来调节认知负荷，同时通过改变交互任务的复杂性来观察用户行为的变化。实验中，参与者在真实行走（Real Walking, RW）和模拟行走（Simulated Walking, SW）两种条件下完成任务，同时结合正常视觉和模拟低视力（Simulated Low Vision, LV）条件进行对比分析。模拟低视力是通过在VR头显中创建一个10°的虚拟盲点（Scotoma）来实现的，该盲点会跟随用户的注视方向移动，模拟年龄相关性黄斑变性（AMD）患者常见的中心视野缺失情况。

为了全面记录参与者的行为和生理反应，研究人员采用了多种技术手段。首先，使用HTC Vive Pro Eye头显记录眼动、头部运动和用户交互日志；其次，利用XSens Awinda Starter运动捕捉系统记录全身运动数据；此外，还通过Shimmer GSR+传感器采集皮肤电导（Galvanic Skin Response, GSR）和心率数据，以评估用户的生理反应。这些多模态数据的同步采集为研究提供了丰富的信息。

研究结果表明，模拟低视力条件对人类在路口导航行为产生了显著影响。在模拟低视力条件下，参与者的平均注视持续时间（Average Fixation Duration, AFD）显著增加，表明他们在获取信息时需要花费更多时间。此外，通过分析运动数据，研究人员发现真实行走和模拟行走条件下的运动模式存在差异，这可能对低视力康复训练的设计具有重要意义。

CREATTIVE3D数据集的创建是本研究的重要贡献之一。该数据集包含40名参与者在24种不同条件下的行为数据，涵盖了260万个体姿态和多变量数据。它是目前最大的人类运动全注释情境数据集，为研究人类在复杂环境中的行为提供了独特的资源。此外，该数据集的开放性和可扩展性使其能够支持多种研究场景，包括行为建模、人机交互、认知科学和社会学研究。

在技术方法方面，研究人员采用了虚拟现实技术模拟低视力条件，并通过眼动追踪、运动捕捉和生理信号监测等技术手段全面记录参与者的行为和生理反应。实验设计包括真实行走和模拟行走两种条件，以及正常视觉和模拟低视力条件的对比分析。此外，研究人员还开发了数据同步和处理方法，以确保多模态数据的时空一致性。

研究结论强调了虚拟现实技术在模拟低视力条件和分析人类行为方面的潜力。CREATTIVE3D数据集的创建为低视力康复训练提供了新的视角，并为未来的研究提供了丰富的数据资源。该研究不仅为理解低视力对人类行为的影响提供了新的见解，还为虚拟现实技术在康复训练中的应用提供了理论支持。通过进一步的研究和开发，虚拟现实技术有望为低视力患者提供更有效的康复训练方案，改善其生活质量。