探索在复杂虚拟现实训练中使用眼动追踪检测认知负荷
人机交互
2024-11-21 v1 机器学习
摘要
虚拟现实 (VR) 一直是先进制造等领域有益的培训工具。然而，由于使用 VR 硬件或 VR 环境中的任务等各种因素，用户可能会承受较高的认知负荷。研究表明眼动追踪具有检测认知负荷的潜力，但在 VR 和复杂时空任务（如装配与拆卸）的背景下，这一领域仍相对未被探索。在此，我们展示了一项正在进行的研究，该研究使用基于眼动追踪的机器学习方法来检测用户的认知负荷。我们开发了一个用于冷喷涂的 VR 训练系统，并对 22 名参与者进行了测试，获得了 19 个有效的眼动追踪数据集和 NASA-TLX 评分。我们应用多层感知机 (MLP) 和随机森林 (RF) 模型，比较了使用瞳孔扩张和注视持续时间预测认知负荷（即 NASA-TLX）的准确性。我们的初步分析证明了在复杂的时空 VR 体验中使用眼动追踪检测认知负荷的可行性，并激发了进一步的探索。
引用
@article{arxiv.2411.12771,
title = {Exploring Eye Tracking to Detect Cognitive Load in Complex Virtual Reality Training},
author = {Mahsa Nasri and Mehmet Kosa and Leanne Chukoskie and Mohsen Moghaddam and Casper Harteveld},
journal= {arXiv preprint arXiv:2411.12771},
year = {2024}
}