[논문 리뷰] Cybersickness Detection through Head Movement Patterns: A Promising Approach

Masoud Salehi, Nikoo Javadpour외 3명|arXiv (Cornell University)|2024. 02. 05.

Robotics and Automated Systems인용 수 7

한 줄 요약

논문은 VR에서 사이버시크니스 탐지를 위한 연속적이고 비침습적인 지표로서 머리 움직임 패턴을 조사하고, 예측 성능이 유망하다고 보고한다.

ABSTRACT

Despite the widespread adoption of Virtual Reality (VR) technology, cybersickness remains a barrier for some users. This research investigates head movement patterns as a novel physiological marker for cybersickness detection. Unlike traditional markers, head movements provide a continuous, non-invasive measure that can be easily captured through the sensors embedded in all commercial VR headsets. We used a publicly available dataset from a VR experiment involving 75 participants and analyzed head movements across six axes. An extensive feature extraction process was then performed on the head movement dataset and its derivatives, including velocity, acceleration, and jerk. Three categories of features were extracted, encompassing statistical, temporal, and spectral features. Subsequently, we employed the Recursive Feature Elimination method to select the most important and effective features. In a series of experiments, we trained a variety of machine learning algorithms. The results demonstrate a 76% accuracy and 83% precision in predicting cybersickness in the subjects based on the head movements. This study contribution to the cybersickness literature lies in offering a preliminary analysis of a new source of data and providing insight into the relationship of head movements and cybersickness.

연구 동기 및 목표

• VR에서 새로운 생리학적 지표(머리 움직임)를 통한 사이버시크니스 탐지를 제시한다.
• 공개 VR 데이터셋을 사용하여 여섯 축에 걸친 풍부한 머리 움직임 특징을 추출한다.
• 머리 움직임 특징에 기반한 사이버시크니스 예측을 위해 다양한 기계학습 모델을 비교한다.

제안 방법

• 공개 VR 데이터셋에서 여섯 축에 걸친 머리 움직임 데이터를 추출한다.
• 도함수(속도, 가속도, jerk)를 계산하고 통계적, 시간적 및 스펙트럴 특징을 도출한다.
• Recursive Feature Elimination을 적용하여 관련 특징을 선택한다.
• 다양한 머신러닝 분류기를 학습시키고 사이버시크니스 예측 성능을 평가한다.

실험 결과

연구 질문

• RQ1 VR에서 머리 움직임 패턴이 사이버시크니스의 신뢰할 수 있는 지표가 될 수 있는가?
• RQ2 머리 움직임에서 어떤 특징들(통계적, 시간적, 스펙트럴)이 사이버시크니스를 가장 잘 예측하는가?
• RQ3 머리 움직임 특징을 사용한 사이버시크니스 탐지에서 서로 다른 ML 모델의 효과는 어느 정도인가?

주요 결과

• 머리 움직임 기반 특징은 76% 정확도와 83% 정밀도로 사이버시크니스 예측이 가능하다.
• 세 가지 범주(통계적, 시간적, 스펙트럴) 특징 세트가 사이버시크니스와 관련된 의미 있는 정보를 포착한다.
• Recursive Feature Elimination은 분류를 위한 가장 정보성이 높은 특징들을 식별하는 데 도움이 된다.
• 본 연구는 머리 움직임과 사이버시크니스 간의 연관성에 대한 예비 증거를 제공하고 향후 연구를 위한 새로운 데이터 소스를 제시한다.