Une installation de réalité virtuelle Bureau en réseau pour les sciences de la décision et des expériences de Navigation avec plusieurs Participants

Summary

Cet article décrit une méthode pour mener des expériences sur la prise de décisions et de la navigation à l’aide d’un laboratoire d’informatique en réseau multi-utilisateurs.

Abstract

Étudier les interactions entre les participants multiples est un défi pour les chercheurs de diverses disciplines, y compris les sciences de la décision et la cognition spatiale. Avec un réseau local et la plate-forme logicielle dédiée, expérimentateurs peuvent efficacement contrôler le comportement des participants qui sont en même temps immergé dans un environnement de bureau virtuel et numériser les données collectées. Ces fonctionnalités permettent des conceptions expérimentales dans la recherche de cognition et de la navigation spatiale qui serait difficile (voire impossible) à mener dans le monde réel. Les variations expérimentales possibles y inclure le stress pendant une évacuation d’urgence, tâches de recherche coopérative et compétitive et autres facteurs contextuels qui peuvent influencer le comportement de la foule émergent. Cependant, tel un laboratoire nécessite un entretien rigoureux protocoles pour la collecte de données dans un milieu contrôlé. Si la validité externe des études en laboratoire avec des êtres humains est parfois remis en question, un certain nombre d’études plus récentes donnent à penser que la correspondance entre les environnements réels et virtuels peut être suffisante pour l’étude de comportement social en termes de trajectoires, hésitations et décisions spatiales. Dans cet article, nous décrivons une méthode pour mener des expériences sur la prise de décisions et de la navigation avec jusqu’à 36 participants à un programme d’installation de réalité virtuelle Bureau en réseau (i.e., la décision Science Laboratory ou DeSciL). Ce protocole d’expérimentation peut être adapté et appliqué par d’autres chercheurs afin de mettre en place un laboratoire de réalité virtuelle Bureau en réseau.

Introduction

Recherches sur la cognition spatiale et de la navigation en général étudie la prise de décision spatiale (e.g., tournant à droite ou à gauche à une intersection) et la représentation mentale des individus dans des environnements réels et virtuels^1,2. Les avantages de la réalité virtuelle (VR) incluent la prévention des problèmes éthiques et de sécurité (p. ex.., au cours d’une évacuation dangereuses³), la mesure automatique et d’analyse de données spatiales⁴et une combinaison équilibrée d’internes et validité externe^5,6,7. Par exemple, Weisberg et collègues étendue des recherches antérieures sur les différences individuelles dans l’acquisition de connaissances spatiales en démontrant que les missions spatiales en VR peuvent fournir une mesure comportementale objective de capacité spatiale⁸. Cette étude a également suggéré que le comportement de navigation en VR rapproche de navigation réelle parce que l’environnement virtuel a été modelé après le campus de l’Université utilisé par Schinazi et collègues⁹ (voir aussi l’étude de Ruddle et collègues ¹⁰). VR a également été appliqué à la psychothérapie¹¹, évaluation clinique¹², consommation comportement¹³et chirurgie^14,15. Cependant, la plupart des systèmes VR manquent de rétroaction proprioceptive et audio qui peut améliorer la présence et immersion^16,17,18,19, besoin d’une formation à l’interface de contrôle de^{20 ,21,22}et manque de repères sociaux. En effet, les gens dans le monde réel se déplacent souvent en groupes²³, éviter ou suivez autres personnes^3,24et prendre des décisions basées sur le contexte social^25,26.

Dans le même temps, recherches sur le comportement de la foule se concernent souvent sur les caractéristiques émergentes des foules (par exemple, la formation de lane, congestion aux goulets d’étranglement) qui sont simulés sur un ordinateur ou observés dans le monde réel. Par exemple, Helbing et collègues ont utilisé une combinaison de réelles observations et simulations informatiques afin de proposer des améliorations à la circulation à une intersection en séparant les apports et les retraits par des barrières physiques et en plaçant un obstacle dans les Centrez le²⁷. Moussaïd et ses collègues utilisé un modèle heuristique basée sur d’étudier des situations à haute densité durant une foule catastrophe²⁸. Cette approche a suggéré des améliorations à un cadre environnemental pour les manifestations de masse afin d’éviter des catastrophes de la foule. À l’aide d’un framework open source existants, la mise en œuvre de ces simulations puisse être relativement facile. SteerSuite est un framework open source qui permet aux utilisateurs de simuler les algorithmes de pilotage et le comportement de la foule facilement en prévoyant des outils facilitant l’analyse comparative et tests²⁹. Ce cadre peut fournir le noyau justification d’un agent de la navigation, qui est essentiel pour la simulation de foules réussie. En outre, Singh et ses collègues ont démontré une plateforme unique qui combine une variété de techniques³⁰de direction. Alors que les chercheurs peuvent proposer des interventions de conception à l’aide de ces simulations, elles sont rarement validées avec des êtres humains dans un milieu contrôlé. Des expériences contrôlées sont rares dans la recherche de la foule parce qu’ils peuvent être difficiles à organiser et dangereux pour les participants.

VR a été utilisée pour étudier le comportement social à l’aide de simples et complexes des environnements virtuels avec un ou plusieurs agents simulés par ordinateur. Dans l’étude de Bode et collègues^31,32, les participants ont été invités à évacuer un environnement virtuel simple dans une perspective de haut en bas entre plusieurs agents et constaté que les choix de sortie était affectée par la motivation et de la signalisation statique. Présentant les participants avec un environnement plus complexe d’un point de vue subjectif, Kinateder et collègues ont constaté que les participants étaient plus susceptibles de suivre une monothérapie simulés par ordinateur au cours de l’évasion d’un tunnel virtuel feu²⁵. Dans un environnement virtuel complexe avec plusieurs agents, Drury et ses collègues ont constaté que les participants avaient tendance à aider un agent déchu lors d’une évacuation, quand ils ont identifié avec la foule²⁶. Collectivement, ces résultats suggèrent que les VR peut être un moyen efficace de susciter des comportements sociaux, même avec des agents simulés par ordinateur. Cependant, certains comportements de foule peuvent être observés seulement lorsqu’il y a un signal social réaliste (i.e., lorsque les participants sont conscients que les autres avatars sont contrôlés par les gens³). Afin de combler cette lacune, le présent protocole décrit une méthode pour mener des expériences contrôlées avec plusieurs utilisateurs dans une configuration VR en réseau. Cette approche a travaillé dans une étude récente par Moussaid et ses collègues afin d’enquêter sur le comportement de l’évacuation de 36 participants en réseau³.

Recherche sur VR en réseau a mis l’accent sur des sujets sans rapport avec la navigation stratégies^33,34 et/ou s’est appuyé sur des plateformes de jeu en ligne existantes comme Second Life. Par exemple, Molka-Danielsen et Chabada a étudié le comportement d’évacuation en termes de choix de sortie et des connaissances spatiales du bâtiment à l’aide de participants recrutés parmi les utilisateurs actuels de Second Life,³⁵. Alors que les auteurs fournissent quelques résultats descriptifs (e.g., visualisations des trajectoires), cette étude avait des difficultés avec le recrutement de participants, le contrôle expérimental et généralisation au-delà de ce cas précis. Plus récemment, Normoyle et collègues ont découvert que les utilisateurs actuels de Second Life et les participants dans un laboratoire étaient comparables en termes de choix de performance et de la sortie d’évacuation et différents en termes de présence auto-déclarés et frustration avec le contrôle ³⁶de l’interface. Les résultats de ces deux études mettre en évidence certains des défis et des possibilités qu’offre en ligne et les expériences de laboratoire. Études en ligne sont capables de dessin à partir d’une population beaucoup plus grande et motivée des participants potentiels. Cependant, des études en laboratoire permettant de contrôle plus expérimentale de l’environnement physique et les distractions potentielles. En outre, des études en ligne peuvent poser certaines préoccupations éthiques concernant la confidentialité et l’anonymat des données.

Comme un laboratoire VR Bureau en réseau, la décision Science Laboratory (DeSciL) à l’EPF de Zürich est principalement utilisé pour l’étude des interactions économiques décisionnelles et stratégiques dans un environnement contrôlé. L’infrastructure technique de la DeSciL se compose de matériel, logiciels pour l’automatisation de laboratoire et qui prend en charge le Bureau de la multi-user configuration VR. Le matériel comprend des ordinateurs de bureau hautes performances des interfaces de contrôle le système d’exploitation Microsoft Windows 10 Enterprise (e.g., souris et clavier, manettes de jeu), casque et eye trackers (Table des matières). Tous les ordinateurs clients sont connectés avec Ethernet d’un gigabit par seconde pour le réseau de l’Université et le même partage de fichiers réseau. Il n’y a aucun retard visible ou lag lorsqu’il y a 36 clients connectés. Le nombre d’images par seconde est constamment supérieur à 100. Les expériences sont également gérées et contrôlées avec les logiciels d’automatisation de laboratoire basée sur Microsoft PowerShell (c.-à-d., Configuration de l’état désiré PowerShell et PowerShell Remoting). Toutes les mesures pertinentes du protocole sont préprogrammées avec PowerShell scripts appelés applets de commande (par ex.., Start, Stop-ordinateur). Pendant l’expérience, ces scripts peuvent être exécutés simultanément et à distance sur tous les ordinateurs clients. Ce type d’automatisation de laboratoire assure un état identique du client ordinateurs, réduit les erreurs potentielles et complexité au cours des essais scientifiques et chercheurs empêche d’avoir à effectuer des tâches manuelles répétitives. Pour les expériences de navigation, nous utilisons le moteur de jeu Unity () afin de soutenir le développement d’environnements 2D et 3D multi-utilisateurs, interactive Desktop VR. Les ordinateurs 36 clients sont connectés à un serveur via une architecture de serveur faisant autorité. Au début de chaque expérience, chaque client envoie une demande de l’instanciation sur le serveur et le serveur répond en instanciant un avatar pour cet utilisateur sur toutes les machines connectées. Avatar de chaque utilisateur possède un appareil photo avec un champ de vision de 50 degrés. Tout au long de l’expérience, les clients envoient des utilisateur ‘ entrée sur le serveur, le serveur met à jour les mouvements de tous les clients.

Dans le laboratoire de physique, chaque ordinateur est contenue dans une cabine séparée au sein de trois chambres semi-indépendantes (Figure 1). La taille globale du laboratoire est de 170 m² (150 m² pour expérience chambre et 20 m² pour la salle de contrôle). Chacune de ces chambres est équipée d’appareils d’enregistrement audio et vidéo. Des expériences sont contrôlés par une salle adjacente séparée (i.e., qui fournit des directives et le lancement du programme expérimental). Depuis cette salle de contrôle, les expérimentateurs peuvent également observer les participants dans des environnements physiques et virtuels. Ainsi que le département d’économie à l’Université de Zurich, le DeSciL maintient également le centre d’inscription universitaire pour les Participants à l’étude, qui a été mise en œuvre basée sur la racine h³⁷.

Bien que des systèmes similaires ont été décrits dans la littérature³⁸, le DeSciL est le premier laboratoire fonctionnel qui est approprié pour les expériences VR bureau multi-utilisateur sur la navigation et le comportement de la foule à notre connaissance. Ici, les auteurs décrivent le protocole pour la conduite d’une expérience dans la DeSciL, résultats représentatifs d’une étudient sur le comportement de navigation sociale et discuter du potentiel et des limites de ce système.

Protocol

Toutes les méthodes décrites ici ont été approuvés par la recherche éthique Comité de l’ETH Zürich, dans le cadre de la proposition EK 2015-N-37. 1. recruter des Participants pour la Session expérimentale prévue. L’échantillon de participants au sein de contraintes particulières (p. ex.., âge, sexe, niveau de formation) en utilisant le système de recrutement de participants. Envoyer des invitations par email aux participants choisis au hasard à l…

Representative Results

Pour chaque client de chaque essai, les données de l’expérience de le DeSciL incluent généralement des trajectoires, l’horodatage et mesures de rendement (p. ex.., si le participant a tourné dans le sens « correct » à une intersection en particulier). Une étude représentative a étudié les effets de la complexité de la signalisation sur le choix de l’itinéraire pour une foule de participants humains (avec des avatars virtuels) dans un environnement virtuel si…

Discussion

Dans cet article, nous avons décrit un laboratoire de réalité virtuelle bureau multi-utilisateurs dans lequel jusqu’à 36 participants peuvent interagir et naviguer simultanément dans divers environnements virtuels. Le protocole expérimental détaille les étapes nécessaires pour ce type de recherche et uniques aux utilisateurs multiples scénarios. Considérations spécifiques à ces scénarios incluent le nombre de participants présents, le coût des erreurs de l’expérimentateur apparemment faible, rendu et d…

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