[论文解读] Quantifying the Impact of XR Visual Guidance on User Performance Using a Large-Scale Virtual Assembly Experiment

Leon Pietschmann, Paul-David Zuercher+4 more|arXiv (Cornell University)|Aug 7, 2023

Virtual Reality Applications and Impacts被引用 4

一句话总结

这项大规模虚拟装配实验在基于网络的沉浸式环境中对XR视觉引导进行了评估，共有199名参与者参与，结果表明与无引导相比，XR视觉引导使任务完成时间减少58%，错误率降低62%。本研究通过在多样化、接近现实的条件下量化对象识别、动作引导和注视引导等不同模态的性能提升，验证并扩展了Pietschmann等人提出的XR视觉引导框架。

ABSTRACT

The combination of Visual Guidance and Extended Reality (XR) technology holds the potential to greatly improve the performance of human workforces in numerous areas, particularly industrial environments. Focusing on virtual assembly tasks and making use of different forms of supportive visualisations, this study investigates the potential of XR Visual Guidance. Set in a web-based immersive environment, our results draw from a heterogeneous pool of 199 participants. This research is designed to significantly differ from previous exploratory studies, which yielded conflicting results on user performance and associated human factors. Our results clearly show the advantages of XR Visual Guidance based on an over 50\% reduction in task completion times and mistakes made; this may further be enhanced and refined using specific frameworks and other forms of visualisations/Visual Guidance. Discussing the role of other factors, such as cognitive load, motivation, and usability, this paper also seeks to provide concrete avenues for future research and practical takeaways for practitioners.

研究动机与目标

• 量化不同XR视觉引导类型（对象识别、动作引导、注视引导）对程序性任务中用户表现的影响。
• 通过在大规模、多样化、远程实验中开展研究，弥补以往小规模、实验室环境、参与者同质化研究的局限性。
• 探究XR视觉引导带来的性能提升是否与认知负荷降低相关，这一假设在以往研究中被广泛认为成立。
• 基于来自广泛参与者群体的实证数据，对Pietschmann等人提出的XR视觉引导框架进行优化与实地测试。
• 为工业和培训场景中的XR可视化提供实用的设计指南及未来研究方向。

提出的方法

• 通过webVR技术开展大规模、基于网络的虚拟装配实验，支持跨多样化设备和环境的远程参与。
• 设计了八个实验组，采用不同组合的视觉引导：红色箭头用于对象识别，紫色线条/绿色全息图用于动作引导，红色边缘标记用于注视引导。
• 采用标准化的虚拟装配任务，包含15个组件，需在逼真的工业环境中按顺序进行装配与连接。
• 收集客观性能指标：任务完成时间与错误次数，并结合NASA-TLX、IMI和SUS问卷进行主观评估。
• 采用统计分析方法比较不同视觉引导条件下的表现差异，并评估认知负荷与动机等人类因素的影响。
• 实施技术保障措施，包括设备兼容性检查与数据合理性验证，以确保在非受控远程环境下的可靠性。

实验结果

研究问题

• RQ1 不同形式的XR视觉引导（对象识别、动作引导、注视引导）如何影响虚拟装配任务中的任务完成时间与错误率？
• RQ2 XR视觉引导带来的性能提升在多大程度上与认知负荷降低相关（以NASA-TLX测量）？
• RQ3 在不同视觉引导条件下，用户动机与感知可用性（通过IMI和SUS测量）有何差异？
• RQ4 能否基于大规模、多样化参与者群体在远程、接近现实环境中的实证数据，对Pietschmann等人提出的XR视觉引导框架进行实证验证与优化？
• RQ5 在最小化视觉杂乱与遮挡方面，不同可视化技术（如箭头与发光高亮）的实际影响与设计权衡是什么？

主要发现

• 与无视觉引导的基线条件相比，XR视觉引导使任务完成时间减少了58%。
• 应用XR视觉引导后，装配任务中的错误数量减少了62%。
• 尽管性能显著提升，但在不同视觉引导条件下，认知负荷未表现出统计学上的显著差异，这挑战了‘性能提升源于心理负担减轻’的普遍假设。
• 参与者更偏好非遮挡性可视化方法，如发光高亮或颜色变化，而方向箭头则被认为会遮挡视野，造成干扰与不适。
• 本研究在大规模、多样化且远程的实验环境中证实了XR视觉引导框架的有效性，表明其可推广至小规模、实验室研究之外的场景。
• 主观反馈指出，箭头造成的视觉杂乱与遮挡显著降低了可用性，提示在实际应用中，发光或颜色变化等高亮技术可能更为有效。