Summary

Ein vernetzten Desktop-Virtual-Reality-Setup für Entscheidung Wissenschaft und Navigation Experimente mit mehreren Teilnehmern

Published: August 26, 2018
doi:

Summary

Dieses Papier beschreibt eine Methode für die Durchführung von Multi-User-Experimente an Entscheidungs- und Navigation mit einem vernetzten Computerlabor.

Abstract

Untersuchung der Interaktionen zwischen mehreren Teilnehmern ist eine Herausforderung für Forscher aus verschiedenen Disziplinen, einschließlich der entscheidungswissenschaften und räumliche Wahrnehmung. Mit einem Local Area Network und engagierten Software-Plattform können Experimentatoren effizient überwachen Sie das Verhalten der Teilnehmer, die gleichzeitig in einer virtuellen Desktop-Umgebung eingebettet sind und die gesammelten Daten zu digitalisieren. Diese Funktionen ermöglichen experimentelle Designs in der räumlichen Wahrnehmung und Navigation Forschung, das wäre schwierig (wenn nicht gar unmöglich), in der realen Welt durchzuführen. Mögliche experimentellen Variationen gehören Stress während einer Evakuierung, kooperativ und wettbewerbsfähigen Suchaufgaben und andere Kontextfaktoren, die entstehende Masse Verhalten beeinflussen können. Jedoch erfordert so ein Labor Wartung und strenge Protokolle für die Datenerfassung in einer kontrollierten Umgebung. Während die externe Validität der Laboruntersuchungen mit menschlichen Teilnehmer manchmal in Frage gestellt wird, schlagen eine Reihe von Publikationen, dass die Korrespondenz zwischen realen und virtuellen Umgebungen möglicherweise ausreichend für das soziales Verhalten in Bezug auf Studium Bahnen, zögern und räumliche Entscheidungen. In diesem Artikel beschreiben wir eine Methode für die Durchführung von Experimenten an Entscheidungs- und Navigation mit bis zu 36 Teilnehmer in einem vernetzten Desktop-virtual-Reality-Setup (zB., die Entscheidung Science Laboratory oder DeSciL). Dieses Experiment Protokoll kann angepasst und von anderen Forschern um die Einrichtung einer vernetzten Desktop-virtual Reality-Labor angewendet werden.

Introduction

Forschung auf räumliche Wahrnehmung und Navigation in der Regel untersucht die räumliche Entscheidungsprozesse (zB., drehen nach links oder rechts an der Kreuzung) und mentale Repräsentation der Individuen in realen und virtuellen Umgebungen1,2. Die Vorteile der virtuellen Realität (VR) gehören die Vermeidung von ethischen und Sicherheitsfragen (zB., während eine gefährliche Evakuierung-3), die automatische Messung und Analyse von Geodaten4und eine ausgewogene Kombination von innen- und externe Validität5,6,7. Zum Beispiel erweitert Weisberg und Kollegen frühere Untersuchungen auf individuelle Unterschiede in der räumlichen Wissenserwerbs durch den Nachweis, dass räumliche Aufgaben in der VR eine objektive Verhaltens Bestimmung der räumlichen Möglichkeit8bieten können. Diese Studie auch vorgeschlagen, dass die Navigation Verhalten in der VR reale Navigation nähert, weil die virtuelle Umgebung nach dem Campus der Universität von Schinazi und Kollegen9 verwendet modelliert wurde (siehe auch die Studie von Ruddle und Kollegen 10). VR galt auch für Psychotherapie11, klinische Bewertung12, Verbraucher Verhalten13und Chirurgie14,15. Jedoch die meisten VR-Systemen fehlen propriozeptive und Audio-Feedback, die Präsenz verbessern können und Immersion16,17,18,19, Training mit der Auswerteeinheit20 ,21,22und fehlende soziale Signale. In der Tat, Menschen in der realen Welt bewegen sich oft in Gruppen23, zu vermeiden Sie oder folgen Sie anderen Menschen3,24, und treffen Sie Entscheidungen basierend auf sozialen Kontext25,26.

Zur gleichen Zeit konzentriert sich die Forschung auf Masse Verhalten oft auf emergente Eigenschaften der Massen (z.B. Bahn Bildung, Staus an Engpässen), die auf einem Computer simuliert oder in der realen Welt beobachtet. Z. B. Helbing und Kollegen verwendet eine Kombination von realen Beobachtungen und Computersimulationen, um Verbesserungsvorschläge zu den Verkehrsfluss in einem Knotenpunkt durch die Trennung von zu- und Abfluss mit physischen Barrieren und platzieren ein Hindernis in der 27zu zentrieren. Moussaïd und Kollegen zur eine Heuristik-basiertes Modell um High-Density-Situationen während einer Menge Katastrophe28zu studieren. Dieser Ansatz schlug Verbesserungen an einen ökologischen Rahmen für Großveranstaltungen um Menge Katastrophen zu vermeiden. Mit Hilfe eines vorhandenen open-Source-Rahmens konnte die Implementierung von solchen Simulationen relativ einfach sein. SteerSuite ist ein open-Source-Framework, das Benutzern erlaubt, Lenkung Algorithmen und Masse Verhalten leicht zu simulieren, indem Sie die Werkzeuge für Erleichterung, benchmarking und Testen von29. Dieses Rahmenwerk kann den Kern eines Vermittlers Navigation Begründung, ist entscheidend für erfolgreiche Crowd-Simulation. Darüber hinaus zeigte Singh und Kollegen eine Plattform, die eine Vielzahl von Techniken30Lenkung kombiniert. Während Forscher Design Interventionen mit Hilfe solcher Simulationen vorschlagen können, werden sie nur selten mit menschlichen Teilnehmern in einer kontrollierten Umgebung überprüft. Kontrollierte Experimente sind selten in der Menge Forschung, weil sie schwer zu organisieren und an die Teilnehmer gefährlich sein können.

VR wurde eingesetzt, um soziale Verhalten verwenden von einfachen und komplexen virtuellen Umgebungen mit einem oder mehreren computersimulierte Agents zu untersuchen. In der Studie von Bode und Kollegen31,32wurden die Teilnehmer gebeten, eine einfache virtuelle Umgebung von einer Top-Down-Perspektive unter mehreren Agenten zu evakuieren und festgestellt, dass statische Beschilderung und Motivation Ausfahrt Wahl betroffen war. Teilnehmer mit einem komplexeren Umfeld aus einer Ego-Perspektive präsentiert, festgestellt Kinateder und Kollegen, dass die Teilnehmer eher eine computersimulierte Einzelsubstanz während der Flucht aus einem virtuellen Tunnel Feuer25Folgen waren. In einer komplexen virtuellen Umgebung mit mehreren Agenten festgestellt Drury und Kollegen, dass die Teilnehmer einen gefallenen Agenten während einer Evakuierung zu unterstützen tendenziell, wenn sie mit der Masse26identifiziert. Diese Feststellungen zufolge Kollektiv, VR ein wirksames Mittel zur sozialen Verhaltensweisen, auch mit computersimulierte Agenten zu entlocken sein kann. Jedoch können einige Menge Verhaltensweisen nur beobachtet werden, wenn eine realistische soziale Signal vorhanden ist (zB., wenn die Teilnehmer bewusst, dass die anderen Avatare von Menschen3kontrolliert werden). Um diesem Mangel zu begegnen, beschreibt dieses Protokoll ein Verfahren zur Durchführung von kontrollierten Experimenten mit mehreren Benutzern in einem vernetzten VR-Setup. Dieser Ansatz hat in einer aktuellen Studie von Moussaid und Kollegen eingesetzt, um das Verhalten der Evakuierung von 36 vernetzte Teilnehmer3zu untersuchen.

Forschung über vernetzte VR konzentriert sich auf Themen, die in keinem Zusammenhang mit Navigation Strategien33,34 und/oder stützte sich auf bestehende Online-Gaming-Plattformen wie Second Life. Zum Beispiel untersucht Molka-Danielsen und Chabada Evakuierung Verhalten in Bezug auf die Ausfahrt Wahl und räumlichen Wissens des Gebäudes mit Teilnehmern unter den bestehenden Nutzern von Second Life35rekrutiert. Während die Autoren einige aussagekräftige Ergebnisse liefern (zB., Visualisierungen von Trajektorien), diese Studie hatte Schwierigkeiten mit Teilnehmer Rekrutierung, experimentelle Kontrolle und Verallgemeinerung über diesen speziellen Fall. Vor kurzem fand Normoyle und Kollegen, dass bestehende Nutzer von Second Life und Teilnehmer in einem Labor in Bezug auf Leistung und Ausfahrt Wahl Evakuierung und unterschiedlich in Bezug auf Selbstauskünften Präsenz und Frustration mit dem Regler 36-Schnittstelle. Markieren Sie die Erkenntnisse aus diesen zwei Studien einige der Herausforderungen und Möglichkeiten der Online- und Laborversuche. Online-Studien sind in der Lage, Zeichnung von einer viel größeren und motivierte Bevölkerung der potentielle Teilnehmer. Jedoch erlauben Untersuchungen im Labor für experimentelle Kontrolle der physischen Umwelt und mögliche Ablenkungen. Darüber hinaus können Online-Studien einige ethische Bedenken bezüglich Daten Anonymität und Vertraulichkeit darstellen.

Als eine vernetzte Desktop-VR-Labor dient der Entscheidung Science Laboratory (DeSciL) an der ETH Zürich vor allem wirtschaftliche Entscheidungs- und strategischen Interaktionen in einer kontrollierten Umgebung zu untersuchen. Die technische Infrastruktur bei den DeSciL besteht aus Hardware, Software für Laborautomation und Software, die die Multi-User-Desktop VR Setup unterstützt. Die Hardware umfasst Hochleistungs-Desktop-Computer mit Betriebssystem Microsoft Windows 10 Enterprise, Bedienoberflächen (zB., Maus und Tastatur, Joystick), Kopfhörer und Eye-Tracker (Table of Materials). Alle Client-Computer sind mit Ethernet von einem Gigabit pro Sekunde, das Uni-Netzwerk und den gleichen Dateifreigabe im Netzwerk verbunden. Es gibt keine sichtbare Verzögerung oder Verzögerung gibt es 36 Clients verbunden. Die Anzahl der Frames pro Sekunde ist durchweg über 100. Die Experimente sind auch verwaltet und kontrolliert mit Labor-Automatisierungs-Software basierend auf Microsoft PowerShell (d.h.PowerShell gewünscht Zustand Konfiguration und PowerShell Remoting). Alle relevanten Schritte des Protokolls sind vorprogrammiert, mit PowerShell-Skripts genannt Cmdlets (zB., Start-Computer, Stop-Computer). Während des Experiments können diese Skripts gleichzeitig und aus der Ferne auf allen Client-Computern ausgeführt werden. Diese Art der Laborautomation sorgt für eine identische Zustand des Clients Computern, reduziert potenzielle Fehler und Komplexität bei der wissenschaftlichen Prüfung und verhindert, dass Forscher sich wiederholende manuelle Aufgaben. Für die Navigation-Experimente, verwenden wir die Einheit game-Engine () um die Entwicklung von 2D und 3D Umgebungen für Multi-User, interaktive Desktop VR zu unterstützen. Die 36 Client-Computer sind mit einem Server über einen autorisierenden Server-Architektur verbunden. Zu Beginn jedes Experiments jeder Client eine Instanziierung Anforderung an den Server sendet, und der Server antwortet durch Instanziieren eines Avatars für diesen Benutzer auf allen angeschlossenen Computern. Jeder Benutzer Avatar hat eine Kamera mit einem 50 Grad Sichtfeld. Während das Experiment, die Clients senden Benutzer “Eingang auf dem Server und der Server aktualisiert die Bewegung von allen Clients.

Im physikalischen Labor ist jeder Computer in einem separaten Raum innerhalb drei halb-unabhängigen Zimmer (Abbildung 1) enthalten. Die Gesamtgröße des Labors ist 170 m2 (150 m2 für Experiment Zimmer und 20 m2 für Kontrollraum). Jedes dieser Zimmer ist mit Audio- und video Aufnahmegeräten ausgestattet. Experimente werden von einem separaten Nebenraum gesteuert (i.e., indem die Anweisungen und initiieren das experimentelle Programm). Aus diesem Kontrollraum beobachten die Experimentatoren auch die Teilnehmer in physischen und virtuellen Umgebungen. Gemeinsam mit der wirtschaftswissenschaftlichen Fakultät an der Universität Zürich unterhält die DeSciL Registrierung Universitätszentrum für Studienteilnehmer, die implementiert wurde basierend auf h-Wurzel37.

Obwohl ähnliche Systeme in der Literatur38beschrieben wurden, ist die DeSciL das erste funktionale Labor, das für Multi-User Desktop-VR-Experimente auf Navigation und Masse Verhalten nach unserem Kenntnisstand geeignet ist. Hier beschreiben wir das Protokoll für die Durchführung eines Experiments in der DeSciL, repräsentative Ergebnisse aus einer Studie über soziale Navigation Verhalten und die Möglichkeiten und Grenzen dieses Systems zu diskutieren.

Protocol

Alle hier beschriebene Methoden wurden von Research Ethics Committee der ETH Zürich im Rahmen des Vorschlags EK 2015-N-37 genehmigt. (1) die Teilnehmer für die geplante experimentelle Sitzung zu rekrutieren. Probieren Sie die Teilnehmer in bestimmten Grenzen (zB., Alter, Geschlecht, Bildungsstand) mit dem Teilnehmer Rekrutierungssystem. Senden Sie Einladungen per e-Mail an die zufällig ausgewählte Teilnehmer über die Kontaktdaten von Recruiting-System zur Verf…

Representative Results

Für jeden Client auf jeden Versuch, die Testdaten aus dem DeSciL in der Regel gehören Flugbahnen, Zeitstempel und Maßnahmen der Leistung (zB., ob der Teilnehmer in die “richtige” Richtung zu einer bestimmten Kreuzung aktiviert). Eine repräsentative Studie untersucht die Auswirkungen der Beschilderung Komplexität auf die Routenwahl für eine Menge von menschlichen Teilnehmern (mit virtuellen Avataren) in einer einfachen y-förmigen virtuelle Umgebung. In diesem Experiment, 28…

Discussion

In diesem Artikel beschriebenen wir ein Multi-User Desktop-virtual Reality-Labor, in dem bis zu 36 Teilnehmer interagieren können und gleichzeitig Navigieren durch die verschiedenen virtuellen Umgebungen. Das experimentelle Protokoll beschreibt die Schritte für diese Art der Forschung und einzigartige Multi-User-Szenarien. Spezielle Überlegungen zu diesen Szenarien umfassen die Anzahl der Teilnehmer anwesend, die Kosten für scheinbar kleine Experimentator Fehler Rendern und networking-Kapazitäten (beide Server – und…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Die repräsentative Studie wurde durch den Schweizerischen Nationalfonds im Rahmen des Stipendiums “Signaletik im sozialen Umfeld” (Nr. 100014_162428) finanziert. Wir möchten M. Moussaid für aufschlussreiche Gespräche danken. Wir wollen auch C. Wilhelm, F. Thaler, H. Abdelrahman, S. Madjiheurem, A. Ingold und A. Grossrieder während der Softwareentwicklung für ihre Arbeit danken.

Materials

PC Lenovo IdeaCentre AIO 700 24’’ screen, 16 GB RAM, and SSDs. CPU: Intel core i7. GPU:NVidia GeForce GTX 950A
Keyboard Lenovo LXH-EKB-10YA
Mouse Lenovo SM-8825
Eye tracker Tobii Technology Tobii EyeX Data rate: 60 Hz. Tracking screen size: Up to 27″
Communication audio system Biamp Systems Networked paging station – 1 Ethernet:100BaseTX

References

  1. Waller, D., Nadel, L. . Handbook of Spatial Cognition. , (2013).
  2. Denis, M. . Space and Spatial Cognition: A Multidisciplinary Perspective. , (2017).
  3. Moussaïd, M., Kapadia, M., Thrash, T., Sumner, R. W., Gross, M., Helbing, D., Hölscher, C. Crowd behaviour during high-stress evacuations in an immersive virtual environment. Journal of the Royal Society Interface. 13 (122), 20160414 (2016).
  4. Grübel, J., Weibel, R., Jiang, M. H., Hölscher, C., Hackman, D. A., Schinazi, V. R. EVE: A Framework for Experiments in Virtual Environments. Spatial Cognition X: Lecture Notes in Artificial Intelligence. , 159-176 (2017).
  5. Loomis, J. M., Blascovich, J. J., Beall, A. C. Immersive virtual environment technology as a basic research tool in psychology. Behavior Research Methods, Instruments, & Computers. 31 (4), 557-564 (1999).
  6. Brooks, F. P. What’s Real About Virtual Reality?. Proceedings IEEE Virtual Reality. , (1999).
  7. Moorthy, K., Munz, Y., Jiwanji, M., Bann, S., Chang, A., Darzi, A. Validity and reliability of a virtual reality upper gastrointestinal simulator and cross validation using structured assessment of individual performance with video playback. Surgical Endoscopy and Other Interventional Techniques. 18 (2), 328-333 (2004).
  8. Weisberg, S. M., Schinazi, V. R., Newcombe, N. S., Shipley, T. F., Epstein, R. A. Variations in cognitive maps: Understanding individual differences in navigation. Journal of Experimental Psychology: Learning Memory and Cognition. 40 (3), 669-682 (2014).
  9. Schinazi, V. R., Nardi, D., Newcombe, N. S., Shipley, T. F., Epstein, R. A. Hippocampal size predicts rapid learning of a cognitive map in humans. Hippocampus. 23 (6), 515-528 (2013).
  10. Ruddle, R. A., Payne, S. J., Jones, D. M. Navigating Large-Scale "Desk- Top" Virtual Buildings: Effects of orientation aids and familiarity. Presence. 7 (2), 179-192 (1998).
  11. Riva, G. Virtual Reality in Psychotherapy: Review. CyberPsychology & Behavior. 8 (3), 220-230 (2005).
  12. Ruse, S. A., et al. Development of a Virtual Reality Assessment of Everyday Living Skills. Journal of Visualized Experiments. (86), 1-8 (2014).
  13. Ploydanai, K., van den Puttelaar, J., van Herpen, E., van Trijp, H. Using a Virtual Store As a Research Tool to Investigate Consumer In-store Behavior. Journal of Visualized Experiments. (125), 1-15 (2017).
  14. Satava, R. M. Virtual reality surgical simulator – The first steps. Surgical Endoscopy. 7 (3), 203-205 (1993).
  15. Stanney, K. M., Hale, K. S. . Handbook of virtual environments: Design, implementation, and applications. , 811-834 (2014).
  16. Ryu, J., Kim, G. J. Using a vibro-tactile display for enhanced collision perception and presence. Proceedings of the ACM symposium on Virtual reality software and technology VRST 04. , 89 (2004).
  17. Louison, C., Ferlay, F., Mestre, D. R. Spatialized vibrotactile feedback contributes to goal-directed movements in cluttered virtual environments. 2017 IEEE Symposium on 3D User Interfaces (3DUI). , 99-102 (2017).
  18. Knierim, P., et al. Tactile Drones – Providing Immersive Tactile Feedback in Virtual Reality through Quadcopters. Proceedings of the 2017 CHI Conference Extended Abstracts on Human Factors in Computing Systems – CHI EA ’17. , 433-436 (2017).
  19. Serafin, S., Nordahl, R., De Götzen, A., Erkut, C., Geronazzo, M., Avanzini, F. Sonic interaction in virtual environments. 2015 IEEE 2nd VR Workshop on Sonic Interactions for Virtual Environments (SIVE). , 1-2 (2015).
  20. Grübel, J., Thrash, T., Hölscher, C., Schinazi, V. R. Evaluation of a conceptual framework for predicting navigation performance in virtual reality. PLoS One. 12 (9), (2017).
  21. Thrash, T., Kapadia, M., Moussaid, M., Wilhelm, C., Helbing, D., Sumner, R. W., Hölscher, C. Evaluation of control interfaces for desktop virtual environments. Presence. 24 (4), (2015).
  22. Ruddle, R. A., Volkova, E., Bülthoff, H. H. Learning to walk in virtual reality. ACM Transactions on Applied Perception. 10 (2), 1-17 (2013).
  23. Moussaïd, M., Perozo, N., Garnier, S., Helbing, D., Theraulaz, G. The walking behaviour of pedestrian social groups and its Impact on crowd dynamics. PLoS One. 5 (4), e10047 (2010).
  24. Bode, N. W. F., Franks, D. W., Wood, A. J., Piercy, J. J. B., Croft, D. P., Codling, E. A. Distinguishing Social from Nonsocial Navigation in Moving Animal Groups. The American Naturalist. 179 (5), 621-632 (2012).
  25. Kinateder, M., et al. Social influence on route choice in a virtual reality tunnel fire. Transportation Research Part F: Traffic Psychology and Behaviour. 26, 116-125 (2014).
  26. Drury, J., et al. Cooperation versus competition in a mass emergency evacuation: A new laboratory simulation and a new theoretical model. Behavior Research Methods. 41 (3), 957-970 (2009).
  27. Helbing, D., Buzna, L., Johansson, A., Werner, T. Self-Organized Pedestrian Crowd Dynamics: Experiments, Simulations, and Design Solutions. Transportation Science. 39 (1), 1-24 (2005).
  28. Moussaïd, M., Helbing, D., Theraulaz, G. How simple rules determine pedestrian behavior and crowd disasters. Proceedings of the National Academy of Sciences of the United States of America. 108 (17), 6884-6888 (2011).
  29. Singh, S., Kapadia, M., Faloutsos, P., Reinman, G. An open framework for developing, evaluating, and sharing steering algorithms. International Workshop on Motion in Games. , 158-169 (2009).
  30. Singh, S., Kapadia, M., Hewlett, B., Reinman, G., Faloutsos, P. A modular framework for adaptive agent-based steering. Symposium on Interactive 3D Graphics and Games. , (2011).
  31. Bode, N., Codling, E. Human exit route choice in virtual crowd evacuations. Animal Behaviour. 86, 347-358 (2013).
  32. Bode, N. W. F., Kemloh Wagoum, A. U., Codling, E. A. Human responses to multiple sources of directional information in virtual crowd evacuations. Journal of the Royal Society Interface. 11 (91), 20130904 (2014).
  33. Pandzic, I. S., Capin, T., Lee, E., Thalmann, N. M., Thalmann, D. A flexible architecture for virtual humans in networked collaborative virtual environments. Computer Graphics Forum. 16, (1997).
  34. Joslin, C., Pandzic, I. S., Thalmann, N. M. Trends in networked collaborative virtual environments. Computer Communications. 26 (5), 430-437 (2003).
  35. Molka-Danielsen, J., Chabada, M. Application of the 3D multi user virtual environment of Second Life to emergency evacuation simulation. System Sciences (HICSS), 2010 43rd Hawaii International Conference. , 1-9 (2010).
  36. Normoyle, A., Drake, J., Safonova, A. . Egress online: Towards leveraging massively, multiplayer environments for evacuation studies. , (2012).
  37. Bock, O., Baetge, I., Nicklisch, A. hroot: Hamburg registration and organization online tool. European Economic Review. 71, 117-120 (2014).
  38. Tanvir Ahmed, D., Shirmohammadi, S., Oliveira, J., Bonney, J. Supporting large-scale networked virtual environments. Virtual Environments, Human-Computer Interfaces and Measurement Systems, 2007. IEEE Symposium. , 150-154 (2007).
  39. Cipresso, P., Bessi, A., Colombo, D., Pedroli, E., Riva, G. Computational psychometrics for modeling system dynamics during stressful disasters. Frontiers in Psychology. 8, 1-6 (2017).
  40. Bernold, E., Gsottbauer, E., Ackermann, K., Murphy, R. . Social framing and cooperation: The roles and interaction of preferences and beliefs. , 1-26 (2015).
  41. Balietti, S., Goldstone, R. L., Helbing, D. Peer review and competition in the Art Exhibition Game. Proceedings of the National Academy of Sciences of the United States of America. 113 (30), 8414-8419 (2016).
  42. Gomez-Marin, A., Paton, J. J., Kampff, A. R., Costa, R. M., Mainen, Z. F. Big behavioral data: Psychology, ethology and the foundations of neuroscience. Nature Neuroscience. 17 (11), 1455-1462 (2014).

Play Video

Cite This Article
Zhao, H., Thrash, T., Wehrli, S., Hölscher, C., Kapadia, M., Grübel, J., Weibel, R. P., Schinazi, V. R. A Networked Desktop Virtual Reality Setup for Decision Science and Navigation Experiments with Multiple Participants. J. Vis. Exp. (138), e58155, doi:10.3791/58155 (2018).

View Video