APF-S2T:指导到目标重定向 基于人工潜力场的步行

科学领域:

• 虚拟现实 虚拟现实 虚拟现实
• 人与计算机的交互
• 机器人技术 机器人技术 机器人技术

背景情况:

• 重定向步行 (RDW) 允许在比物理空间更大的虚拟环境中进行自然运动.
• 现有的人工潜力场 (APF) 和基于对齐的控制器,如APF-S2G和APF-RDW,面临着挑战,特别是在走廊等封闭区域的频繁重置.
• 这些局限性来自于控制器局部化到用户位置,导致矢量指向墙壁.

研究的目的:

• 介绍APF指导到目标 (APF-S2T),一个新的RDW控制器,旨在减轻重置.
• 通过模拟评估APF-S2T的性能与最先进的RDW控制器相比.
• 提高用户沉浸感,减少在大型虚拟环境中的中断.

主要方法:

• 开发了APF-S2T,它识别了用户可行区域内得分最低的目标样本点.
• 评分是APF值和用户距离的组合.
• 到达这个目标点的方向决定了RDW的增长,优化了转向.
• 进行了基于模拟的评估,将APF-S2T与APF-S2G,APF-RDW,基于可见度多边形的对齐和对齐优化的控制器进行比较.

主要成果:

• 与所有其他评估的控制器相比,APF-S2T显著减少了重置的次数.
• 使用APF-S2T,重置之间的平均距离也大幅增加.
• 模拟结果显示,APF-S2T在最小化用户中断方面表现出卓越的性能.

结论:

• APF-S2T代表了重定向步行控制器技术的重大进步.
• 提出的方法有效地克服了以前的APF和基于对齐的控制器的局限性,特别是在受限制的虚拟空间.
• 通过尽量减少破坏性重置,APF-S2T提供了更无和沉浸式的虚拟现实体验.