ZonAware:识别区分和增加参与上肢虚拟现实康复的参与

科学领域:

• 人与计算机的交互
• 康复技术 康复技术 康复技术
• 认知科学 认知科学

背景情况:

• 认知脱离或区分,阻碍了基于虚拟现实 (VR) 的上肢康复的有效性.
• 虚拟现实治疗中的重复性任务需要持续的注意力,使得未被发现的注意力缺失对运动学习和恢复有害.
• 目前的VR康复缺乏实时机制来解决用户注意力缺失的问题.

研究的目的:

• 提出和评估ZonAware,这是一个新的战略,用于实时区分检测和VR康复中的自适应干预.
• 通过保持用户关注,增强用户参与度和改善康复结果.
• 提供一个可解释和理论驱动的解决方案,用于在人机交互的注意力管理.

主要方法:

• 使用五个眼睛跟踪指标进行区分检测:眼频率,眼持续时间,瞳孔大小,眼睛开放度和凝视持续时间.
• 轻量化统计模型 (Z-Score,Boxplot,修改Z-Score) 具有实时二进制分类的硬投票机制.
• 适应性干预包括微妙的实时任务难度调制,以重新聚焦用户而不会破坏沉浸.

主要成果:

• ZonAware 在检测带有低延迟 (82-150 ms) 的区域划分方面实现了98.24%的准确性.
• 减少了53.57%的区分频率和从18.1秒到4.8秒的脱离时间.
• 在用户研究中,用户参与度,任务性能和情绪动机显著改善.

结论:

• ZonAware提供了一个开创性的实时解决方案,用于检测和减轻VR康复中的区分.
• 适应性干预策略有效地重新吸引用户,增强注意力和学习能力.
• 这种方法具有显著的潜力,可以提高基于VR的疗法的疗效和用户体验.