Der Datensatz des Full-scale Assembly Simulation Testbeds (FAST) - eine offene Ressource für die Erforschung von Montageaufgaben in virtueller Realität

核心概念

Dieser Datensatz bietet Forschenden einen neuen offenen Ressource, um Verhalten und Leistung von Nutzern bei Montageaufgaben in virtueller Realität zu untersuchen.

摘要

Der Artikel stellt einen neuen offenen Datensatz vor, der mit dem Full-scale Assembly Simulation Testbed (FAST) erhoben wurde. FAST ist eine virtuelle Realitäts-Anwendung, in der Probanden zwei unterschiedliche Strukturen aus Bauteilen zusammenbauen müssen.
Der Datensatz umfasst Daten von 108 Teilnehmern, die sowohl die Montage in der virtuellen Realität als auch die Rekonstruktion der Strukturen in der realen Welt durchgeführt haben. Erfasst wurden dabei verschiedene räumliche Repräsentationen der VR-Tracking-Daten, objektive Aufgabenmaße sowie subjektive Rückmeldungen aus Fragebögen.
Der Datensatz soll Forschenden neue Möglichkeiten bieten, Nutzeridentifikation, Cybersickness-Vorhersage und Lerneffekte in VR-Umgebungen zu untersuchen. Im Vergleich zu bestehenden Datensätzen zeichnet sich dieser durch eine größere Teilnehmerzahl und eine komplexere Montageaufgabe aus.

統計資料

Die Bewegungsdaten der Teilnehmer wurden mit 90 Hz aufgezeichnet, einschließlich Position, Orientierung und Tastenzustände der VR-Geräte.

引述

"Numerous VR researchers have previously investigated assembly tasks in VR, but most have studied small-scale constructions involving LEGOs (e.g., [4]) or blocks (e.g., [23]). However, unlike the prior work, FAST affords assembling full-scale structures that involve full-body VR interactions."
"FAST is modeled after FunPhix construction toys, which involve assembling full-scale tubes, connectors, and screws."

從以下內容提煉的關鍵洞見

The Full-scale Assembly Simulation Testbed (FAST) Dataset

by Alec G. Moor... 於 arxiv.org 03-15-2024

https://arxiv.org/pdf/2403.08969.pdf

深入探究

Wie lassen sich die Erkenntnisse aus diesem Datensatz auf andere Montageaufgaben in der virtuellen Realität übertragen?

Die Erkenntnisse aus diesem Datensatz können auf andere Montageaufgaben in der virtuellen Realität übertragen werden, indem sie als Grundlage für die Entwicklung und Optimierung von VR-Trainingsumgebungen dienen. Durch die Analyse der Tracking- und Interaktionsdaten der Teilnehmer beim Zusammenbau der Strukturen können Muster identifiziert werden, die auf bewährte Methoden oder Schwierigkeiten bei der Montage hinweisen. Diese Erkenntnisse können genutzt werden, um zukünftige VR-Trainingsanwendungen für Montageaufgaben zu verbessern, indem sie die Effizienz, Benutzerfreundlichkeit und Lernerfahrung optimieren.

Welche Rolle spielen individuelle Unterschiede in Bezug auf räumliches Vorstellungsvermögen und Erfahrung mit VR bei der Leistung in Montageaufgaben?

Individuelle Unterschiede in räumlichem Vorstellungsvermögen und Erfahrung mit VR können eine signifikante Rolle bei der Leistung in Montageaufgaben spielen. Teilnehmer mit einem ausgeprägten räumlichen Vorstellungsvermögen könnten möglicherweise schneller und präziser Montageaufgaben in der virtuellen Realität ausführen, da sie besser in der Lage sind, sich dreidimensionale Strukturen vorzustellen und zu manipulieren. Erfahrung mit VR kann auch die Leistung beeinflussen, da erfahrene VR-Nutzer möglicherweise schneller mit den Interaktionen und Steuerelementen vertraut sind, was zu einer effizienteren Durchführung der Montageaufgaben führen kann.

Inwiefern können die Erkenntnisse aus diesem Datensatz dazu beitragen, die Gestaltung von VR-Trainingsumgebungen für komplexe Montageaufgaben zu verbessern?

Die Erkenntnisse aus diesem Datensatz können dazu beitragen, die Gestaltung von VR-Trainingsumgebungen für komplexe Montageaufgaben zu verbessern, indem sie Einblicke in die Effektivität verschiedener Interaktionsmethoden, Anleitungen und Feedbackmechanismen bieten. Durch die Analyse der Trackingdaten und der Leistungsdaten der Teilnehmer können Entwickler von VR-Trainingsanwendungen besser verstehen, welche Ansätze am effektivsten sind und welche Bereiche möglicherweise verbessert werden müssen. Dies kann zu einer gezielteren Gestaltung von VR-Trainingsumgebungen führen, die die Lernerfahrung optimieren und die Effizienz der Montageaufgaben steigern.