F-RDW：基于未来位置预测的重定向行走
人机交互
2023-04-10 v1 机器学习
摘要
为了向用户提供更好的 VR 体验，现有的重定向行走（Redirected Walking, RDW）预测方法利用未来信息来减少重置次数。然而，此类方法在部署时常常施加前置条件，要么在虚拟环境布局上，要么在用户行走方向上，这限制了其普遍应用。为应对这一挑战，我们提出一种新颖的机制 F-RDW，其包含两个层面：（1）在无任何假设的情况下预测用户在虚拟空间中的未来信息；（2）在操控现有 RDW 方法时融合该信息。第一步的骨干是一个基于 LSTM 的模型，该模型接收用户的空间数据和眼动追踪数据，以预测用户在虚拟空间中的未来位置；随后的步骤将这些预测值以适用方式输入现有 RDW 方法（如 MPCRed、S2C、TAPF 和 ARC），同时尊重其内在机制。我们的仿真测试与用户研究结果表明，在小型物理空间或复杂环境中使用 RDW 时，未来信息具有重要意义。我们证明所提机制显著减少了重置次数并增加了两次重置之间的行走距离，从而提升了本文所探讨的所有 RDW 方法的重定向性能。
引用
@article{arxiv.2304.03497,
title = {F-RDW: Redirected Walking with Forecasting Future Position},
author = {Sang-Bin Jeon and Jaeho Jung and Jinhyung Park and In-Kwon Lee},
journal= {arXiv preprint arXiv:2304.03497},
year = {2023}
}
备注
12 pages, 13 figures