JoVE Logo

로그인

JoVE 비디오를 활용하시려면 도서관을 통한 기관 구독이 필요합니다. 전체 비디오를 보시려면 로그인하거나 무료 트라이얼을 시작하세요.

기사 소개

  • 요약
  • 초록
  • 서문
  • 프로토콜
  • 결과
  • 토론
  • 공개
  • 감사의 말
  • 자료
  • 참고문헌
  • 재인쇄 및 허가

요약

새로운 가상 현실 비행 시뮬레이터가 구축되어 비행 성능과 안구 운동 패턴을 효율적이고 저렴하게 평가할 수 있습니다. 또한 인체 공학 및 기타 연구를 위한 잠재력이 높은 연구 도구를 제공합니다.

초록

조종사의 효율적이고 경제적인 성과 평가는 항공 산업에서 매우 중요한 요소가 되었습니다. 가상 현실(VR)의 개발과 시선 추적 기술의 결합으로 이러한 요구를 충족하는 솔루션이 현실이 되고 있습니다. 이전 연구에서는 주로 기술 검증 및 비행 훈련에 중점을 두고 VR 기반 비행 시뮬레이터를 탐구했습니다. 이번 연구는 3D 몰입형 장면에서 눈의 움직임과 비행 지시등을 기반으로 조종사의 비행 성능을 평가하기 위해 새로운 VR 비행 시뮬레이터를 개발했습니다. 실험 기간 동안 전문 조종사 23명과 비행 경험이 없는 대학생 23명 등 총 46명의 참가자를 모집했습니다. 실험 결과, 비행 경험이 있는 참가자와 없는 참가자 간의 비행 성능에 유의미한 차이가 있었으며, 전자가 후자보다 높았습니다. 대조적으로, 비행 경험이 있는 사람들은 더 구조화되고 효율적인 안구 운동 패턴을 보였다. 이러한 비행 성능의 차별화 결과는 비행 성능 평가 방법으로서 현재의 VR 비행 시뮬레이터의 타당성을 입증합니다. 비행 경험에 따른 다양한 안구 운동 패턴은 향후 비행 선택의 기초를 제공합니다. 그러나 이 VR 기반 비행 시뮬레이터는 기존 비행 시뮬레이터에 비해 모션 피드백과 같은 단점이 있습니다. 이 비행 시뮬레이터 플랫폼은 명백한 저렴한 비용을 제외하고는 매우 유연합니다. 연구자의 다양한 요구 사항을 충족할 수 있습니다(예: 관련 척도를 추가하여 상황 인식, VR 멀미 및 작업량 측정).

서문

유럽항공안전청(European Aviation Safety Agency, 2012)은 비행 시뮬레이터를 훈련 시설, 비행 및 항행 프로그램 트레이너, 비행 훈련 장비 및 완전한 비행 시뮬레이터로 분류합니다1. 현재까지 저수준 탁상 시스템부터 매우 복잡한 모션 기반 전체 비행 시뮬레이터에 이르기까지 다양한 비행 시뮬레이터를 교육에 사용할 수 있습니다2. 전통적인 시뮬레이터에는 비행 역학 모델, 시스템 시뮬레이션, 하드웨어 조종석, 외부 시각화 및 선택적 모션 시뮬레이션3이 포함됩니다.

이러한 전통적인 비행 시뮬레이터는 효과적인 비행 훈련 장비로서 몇 가지 장점이 있습니다. 그러나 각 시스템의 구동에는 상당한 전기 에너지가 필요하기 때문에 비용이 높고 환경 친화적이지 않으며, 특히 고온 및 고압의 유체 또는 기압이 필요한 전체 비행 시뮬레이터는 많은 전력을 소비하고 많은 소음을 발생시킵니다4.

그러나 간단한 데스크톱 시뮬레이터 시스템은 유연하고 저렴하며 전체 비행 시뮬레이터2보다 몰입감이 낮고 상호 작용이 적습니다. 따라서 데스크톱 시스템과 전체 비행 시뮬레이터의 장점(즉, 탁상용 시뮬레이션의 유연성과 전체 비행 시뮬레이터에 가까운 몰입 및 상호 작용 수준)을 결합한 새로운 비행 시뮬레이터를 개발하는 것이 필수적입니다.

컴퓨터 기술, 특히 가상 현실(VR) 기술의 발전으로 새로운 VR 기술을 기반으로 한 새로운 유형의 비행 시뮬레이터가 현실이 되고 있습니다. VR 기반 비행 시뮬레이터는 유연하고 휴대가 간편하며 비용이 저렴하며 기존 비행 시뮬레이터5보다 공간 요구 사항이 적습니다. 연구원들은 지난 20년 동안 VR 기술을 기반으로 비행 시뮬레이터를 만들었습니다 6,7,8,9,10,11; 그러나 이러한 VR 비행 시뮬레이터는 주로 비행 훈련을 위한 것이며 조종사 선택을 위한 것은 거의 없습니다. 그럼에도 불구하고 비용 절감과 기술 향상으로 VR 기반 시뮬레이터는 변화하고 있으며 개인 선택이 가능해지고 있습니다. 일부 연구에서는 다양한 영역에서 개인 선택을 위해 VR 기반 시뮬레이터를 사용했습니다: Schijven et al.12은 가상 현실 시뮬레이터를 사용하여 외과 수련의를 선발했습니다. Huang et al.13은 공군 조종사 모집을 위해 가상 현실 기술을 기반으로 한 심리학 선택 도구를 개발했습니다. 보이치에호프스키(Wojciechowski)와 보이토비츠(Wojtowicz, 14)는 VR 기술을 기반으로 무인항공기(UAV) 조종사로서 후보자의 능력을 평가했습니다. 조종사 선발이 항공 산업에 매우 중요하다는 점을 감안할 때, 대규모 조종사 선발은 시뮬레이터 비용과 휴대성 시뮬레이터 시스템의 수요에 취약하기 때문에 조종사 선발에 중점을 둔 새로운 VR 기반 비행 시뮬레이터 개발이 시급합니다.

눈의 움직임은 조종사의 수행에 대한 단서를 제공합니다. 다양한 연구에 따르면 눈 스캔 모드는 전문 조종사와 초보 조종사 간의 성능을 구별합니다. 전문가와 초보자의 스캐닝 패턴을 비교함으로써 전문가의 효율적이고 구조적인 안구 운동 행동과 초보자의 부적절한 스캐닝 방법을 구별할 수 있습니다. 여러 항공 연구에 따르면 조종사의 시력 스캔 전략은 전문 지식 수준과 밀접한 관련이 있습니다 15,16,17,18,19,20,21,22,23,24. Bellenkes et al.25에 따르면, 전문가들의 기구 고정 기간은 더 짧고, 기구에 대한 집착 빈도는 초보자보다 더 높다고 한다. Kasarskis et al.26은 전문 조종사가 초보자보다 더 많은 고정과 더 짧은 지속 시간을 결합한다는 것을 발견하고 전문 조종사가 초보자보다 더 나은 시각 모드를 가지고 있다고 제안했습니다. 또 다른 연구에서, Lorenz et al.27은 전문가들이 초보자보다 조종석 밖을 보는 데 더 많은 시간을 할애한다는 것을 발견했습니다. 이러한 결과는 신규 이민자를 선발하는 데 큰 실용적 가치가 있습니다.

비행 성능 평가는 조종사 선발에 대한 또 다른 중요한 요소입니다. 그러나 조종사 비행 성능 평가에는 상충되는 전문가 의견, 더 많은 선발 규범 및 통일된 선발 이론과 같은 문제가 존재합니다. 주행 분야에서, Horrey et al.28은 주행 성능을 평가하기 위해 다양한 실험 조건에 대해 중심선에서 차선 이탈의 절대 값을 비교했습니다. 항공 영역으로 돌아가서, QAR(Flight Quick Access Recorder)은비행 29 중 모든 종류의 조종사 조작 매개변수, 항공기 매개변수, 환경 및 경고 정보를 기록합니다. 보다 구체적으로, QAR 지시자로서, 피치 각도는 항공기(30)의 좌우 축 주위의 회전 각도이고, 기준선(또는 중심 기준선)은 적색 및 녹색 선(28)의 중앙에 위치하고; 이 두 가지 비행 매개변수는 현재 연구에 대한 경험이 있거나 없는 참가자의 비행 성능을 평가하는 데 사용됩니다. 이러한 QAR 데이터는 비행 성능을 평가하는 데 사용할 수 있지만, 우리가 아는 한 과학 연구에서 개인 훈련 및 선발에 거의 사용되지 않았습니다31,32.

안구 움직임 패턴의 측정은 비행 성능을 평가 및 예측하고 조종사 교육 및 선택을 안내하는 데 사용할 수 있습니다. Gerathewohl33 은 눈이 조종사의 가장 중요한 감각 기관이며 비행 정보의 80 %를 처리한다고 말했습니다. 조종사는 조종석의 계기에서 시각적 정보를 획득하고 이를 일관된 이미지로 통합하여 비행22를 관리해야 합니다. 또한, 최적의 스캐닝 동작은 더 나은 비행 성능을 달성하는 데 필수적이다15. 그러나 현재 안구 운동과 비행 성능 간의 관계에 대한 정량적 연구를 용이하게 하기 위해 시선 추적기를 통합한 저렴한 비행 시뮬레이터는 없습니다.

현재 연구는 비행 경험이 있는 참가자가 비행 경험이 없는 참가자보다 비행 성능이 더 좋은지 평가하기 위해 새로운 VR 비행 시뮬레이터를 개발했습니다. VR 비행 시뮬레이터는 시선 추적과 비행 역학 시스템을 통합하여 눈 움직임 패턴 분석 및 비행 성능 평가를 가능하게 합니다. 특히, VR 비행 시뮬레이터는 시간이 많이 걸리는 프레임 카운팅 없이 AOI(Area of Interest) 기반 안구 움직임을 분석하기 위해 유리형 또는 탁상용 아이트래커가 아닌 VR 아이트래커(34)를 사용한다는 점을 언급할 가치가 있다.

마지막으로, 현재의 연구는 시력 스캔 경로에서 객관적인 비행 성능 데이터에 이르기까지 미래의 조종사 선택을 위한 옴니버스 측정으로 이어질 수 있습니다. 가상 비행 시뮬레이터의 도움으로 비행 선택 비용이 크게 절감되고 광범위한 데이터 수집을 기반으로 조종사의 규범을 형성할 수 있습니다. 이 작업은 비행 선택 요구 사항을 위해 기존 시뮬레이터와 데스크톱 시뮬레이터 사이의 격차를 메웁니다.

프로토콜

여기에 설명된 모든 방법은 칭화대학교의 IRB(Institutional Review Board)의 승인을 받았으며 모든 참가자로부터 정보에 입각한 동의를 얻었습니다. 완료 후 모든 참가자에게는 $12(또는 동일한 가치의 선물)가 지급되었습니다.

1. 참가자 선정

  1. G*Power 소프트웨어35 ( 재료 표 참조)를 사용한 전력 분석의 이전 연구에 따라 참가자를 모집하여 참가자 수가 G*Power에서 제공한 예상 표본 크기(21)를 충족하는지 확인합니다.
    참고: G*Power에서 제공하는 예상 표본 크기는 지정된 효과 크기, 유의 수준 및 사용된 통계적 검정을 기반으로 원하는 수준의 통계적 검정력을 달성하기 위해 연구에 필요한 추정 참가자 수를 나타냅니다. 예상되는 표본 크기는 연구 계획에서 중요한 고려 사항입니다. 연구자가 연구 설계의 타당성과 비용 효율성을 결정하는 데 도움이 되며 연구가 의미 있는 효과를 감지할 수 있는 충분한 통계적 검정력을 갖도록 합니다.
  2. 간질, 심장 또는 뇌 질환의 병력, 최근 내분비 또는 정신과 약물 또는 심각한 피부 알레르기가 있는 참가자가 없는지 확인하십시오.
  3. Snellen 시력 차트(미터법 6/6 사용)36 을 사용하여 참가자의 시력이 정상이거나 정상으로 교정되었는지, 색맹이나 색약과 같은 시력 장애가 없는지 확인합니다.
  4. 참가자 중 누구도 지난 24시간 이내에 비행 능력에 영향을 줄 수 있는 알코올이나 약물을 섭취하지 않았는지 확인하십시오.
  5. 참가자가 실험 전에 6시간 이상의 수면을 취하고 정신 상태가 양호한지 확인하십시오.

2. 비행 시뮬레이터 하드웨어

  1. 비행 시뮬레이터의 모든 하드웨어가 완전한지 확인하십시오. 기능에 따라 이 하드웨어는 3개의 모듈(표 1)로 구성됩니다( 재료 표 참조).
    알림: 연구원은 정전기 유도로 인한 위험을 피하기 위해 장비를 만지기 전에 금속 막대를 만져야 합니다.
    1. VR, HMD(헤드 마운트 디스플레이) 및 시선 추적 모듈의 구성 요소를 표 2에 따라 확인하십시오.
    2. 모든 비행 시뮬레이터 PC 모듈 구성 요소가 3.6G Hz 프로세서, 4G 내부 메모리, 64비트 운영 체제 및 그래픽 카드와 같은 최소 요구 사항을 충족하는지 확인하십시오. 이 시스템은 모든 비행 컨트롤러를 지원합니다.
    3. 비행 제어 모듈의 구성 요소를 확인하고 장치의 매개변수 구성이 표 3과 일치하는지 확인하십시오.
  2. 그림 1의 레이아웃에 따라 비행 시뮬레이터의 하드웨어를 설치합니다. 그림 2는 하드웨어가 연결된 방법을 보여줍니다.
    1. 스로틀과 제어판에 물리적으로 가입하고 하나의 단위로 취급합니다.
    2. USB를 통해 스로틀, 조이스틱 및 페달을 비행 시뮬레이터 PC 모듈에 연결합니다.
    3. 링크 박스를 통해 HMD를 비행 시뮬레이터 PC 모듈에 연결합니다.
    4. PC의 VR 소프트웨어를 통해 기지국과 VR 컨트롤러를 HMD에 연결합니다.
VR 헤드 마운트 디스플레이(HMD) 및 시선 추적 모듈1. 기지국
2. VR HMD (VR HMD)
비행 시뮬레이터 PC 모듈3. 비행 시뮬레이터 PC
비행 제어 모듈4. 플라이트 스로틀
5. 비행 조이스틱
6. 플라이트 페달

표 1: 비행 시뮬레이터 하드웨어의 3개 모듈 구성 요소.

주요구성 요소액세서리
VR HMD헤드셋 케이블(연결됨)
페이스 쿠션(부속)
청소용 천
이어폰 구멍 캡 × 2
링크 박스전원 어댑터
DisplayPort 케이블
USB 3.0 케이블
마운팅 패드
컨트롤러 (2018) × 2전원 어댑터 × 2
랜야드 × 2
마이크로 USB 케이블 × 2
기지국 2.0 × 2전원 어댑터 × 2
장착 키트(마운트 2개, 나사 4개, 벽 앵커 4개)

표 2: VR HMD 및 시선 추적 모듈의 구성 요소 목록.

장치매개 변수 구성
비행 조이스틱19개의 작업 버튼
8방향 "시점" 모자 1개
여러 3D 자기 센서
5코일 스프링 시스템 1개
16비트 해상도 1개(65536 x 65536 값).
비행 제어 패널15개의 작업 버튼
TRIM 휠 1개
프로그래밍 가능한 LED 5개
비행 스로틀17개의 작업 버튼
푸시 버튼이 있는 마우스 모자 1개
8방향 "시점" 모자 1개
여러 3D 자기 센서
2개의 14비트 분해능
비행 페달2.5kg에서 5kg 사이의 장력
35°에서 75° 사이의 각도

표 3: 비행 제어 모듈 장치의 매개변수 구성.

figure-protocol-4370
그림 1: VR 비행 시뮬레이터 하드웨어의 레이아웃. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

figure-protocol-4727
그림 2: 비행 시뮬레이터 하드웨어 연결. (A) 비행 제어 모듈. 스로틀과 제어 패널은 물리적으로 결합되어 하나의 단위로 취급됩니다. 이 연구에서 "스로틀"이라는 용어가 사용되는 경우 스로틀과 제어판을 모두 나타냅니다. (B) 비행 시뮬레이터 PC 모듈. 2.2단계에서 설명한 요구 사항을 충족하는 컴퓨터입니다. (C) HMD 및 시선 추적 모듈. 시선 추적을 위한 SDK(소프트웨어 개발 키트)와 3D 엔진은 동일한 컴퓨터에 설치될 때 동기화된 상태로 유지됩니다. 따라서 시선 추적 기능과 운영 체제는 상호 작용하고 함께 작동합니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

3. 비행 시뮬레이터 소프트웨어

  1. 실험을 시작하기 전에 모든 소프트웨어( 재료 표 참조)가 설치되었는지 확인하십시오. 실험에 사용된 모든 소프트웨어에 대한 정보는 표 4에 나와 있습니다.
이름묘사
VR 소프트웨어하드웨어에서 VR 콘텐츠를 경험하는 데 널리 사용되는 도구입니다.
VR 앱 스토어고객이 좋아하고 필요로 하는 콘텐츠를 탐색하고, 만들고, 연결하고, 경험할 수 있는 가상 현실을 위한 앱 스토어입니다.
시선 추적 소프트웨어연구팀이 시선 추적 및 3D 엔진 SDK를 통해 개발한 시선 추적 소프트웨어.
플라이시뮬레이터연구팀이 개발한 비행 시뮬레이터 소프트웨어의 주요 프로그램입니다.
화면 녹화 소프트웨어비디오 녹화 및 라이브 스트리밍을 위한 무료 오픈 소스 소프트웨어입니다.

표 4: 실험에 사용된 모든 소프트웨어에 대한 정보.

4. 비행 시뮬레이터를 시작하기 전에 준비 사항

참고: 시선 추적 프로그램을 처음 실행하는 경우 그림 3에 따라 추가 단계를 수행합니다. 시선 추적 프로그램은 초기 실행 후 자동으로 활성화됩니다.

figure-protocol-6618
그림 3: 시선 추적 프로그램을 처음 실행할 때의 추가 단계 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

  1. HMD가 켜져 있고 컴퓨터에 연결되어 있는지 확인합니다.
  2. HMD가 항상 기지국의 모니터링 범위 내에 있을 수 있도록 기지국을 대각선으로 배치합니다. 안정적인 VR 환경을 유지하기 위해 베이스 스테이션을 고정하십시오.
  3. 컴퓨터의 VR 소프트웨어에서 제공하는 프롬프트에 따라 서서 전용 플레이 영역을 설정합니다.
    알림: 프롬프트는 룸 스케일 영역을 허용하거나 스탠딩 전용 플레이 영역을 설정합니다. 스탠딩 전용 모드는 일반적으로 걸을 필요가 없는 VR 장면을 경험하는 데 사용되며 사용자가 이동할 수 있는 공간이 제한되어 있을 때 선택할 수 있습니다. 따라서 이 실험에서는 서서 사용할 수 있는 놀이 공간을 설정합니다.
  4. 시선 추적 보정을 설정합니다. 시선 추적 시스템은 참가자가 바뀔 때마다 다시 보정해야 합니다.
    1. 참가자가 콘택트 렌즈를 사용하지 않아 시선 추적이 오작동하는지 확인합니다.
    2. VR 컨트롤러를 사용하여 시선 추적 보정 프로그램을 엽니다( 재료 표 참조).
    3. 시스템 지시에 따라 장치 높이, IDP(동공간 간 거리) 및 응시 지점을 조정합니다.
    4. 참가자의 눈이 시계 방향으로 2초 동안 각 지점을 비추도록 하여 시선 추적 보정의 효과를 확인합니다.
  5. 튜닝된 비행 제어 모듈과 대형 화면 디스플레이(즉, 최소 27인치 모니터)를 VR HMD와 동일한 컴퓨터에 연결합니다. 이 화면을 통해 실험자는 VR HMD에서 일어나는 일을 동시에 볼 수 있습니다.

5. 실험 절차

참고: 실험은 "정보 수집", "작업 및 작업 소개", "실험 전 연습", "공식 실험 수행"의 네 단계로 나뉩니다. 실험 과정은 그림 4에 요약되어 있습니다.

figure-protocol-8009
그림 4: 실험의 순서도. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

  1. 참가자로부터 정보를 수집합니다(15분).
    1. 참가자의 결제 정보로 결제 세부 정보 양식을 작성하십시오.
    2. 참가자에게 정보에 입각한 동의 문서를 읽고 서명하도록 알립니다.
  2. 참가자에게 작업 및 시뮬레이터 작동을 소개합니다(5분).
    1. 참가자들에게 교통 패턴과 지도를 설명합니다(그림 5).
    2. 참가자에게 VR 비행 시뮬레이터 사용 방법을 지시합니다.
    3. 참가자에게 비행을 시뮬레이션하는 동안 불편함을 느끼면 실험을 떠날 수 있음을 알립니다.
  3. 참가자들에게 VR 비행 시뮬레이터 사용 연습을 요청하십시오(15분).
    1. VR HMD를 참가자에게 맞추고 눈의 움직임을 보정합니다. 시스템의 지시에 따라 장치 높이, IDP(동공 간 거리)응시 지점을 조정합니다.
    2. 화면 녹화 소프트웨어를 엽니다.
    3. 참가자의 비행 훈련을 돕기 위해 FlySimulator 프로그램을 시작합니다.
    4. 참가자에게 비행 페달, 조이스틱 및 스로틀을 함께 사용하여 항공기를 비행 기준선에 최대한 가깝게 조종하도록 지시합니다(그림 5).
    5. FlySimulator 프로그램을 종료한 후 비행 스로틀엔진 스위치 버튼을 재설정하고, 피험자가 연습을 완료한 후 화면 녹화를 중지합니다.
  4. 공식적인 비행 실험을 수행합니다(20분).
    1. 참가자를 위해 VR HMD를 착용하고 OBS Studio 를 실행하여 화면 녹화를 시작합니다.
    2. FlySimulator 프로그램을 시작하고, 맞춤 관점을 선택하고, 엔진을 시동하고, 주차 브레이크를 놓고, 비행 스로틀을 최대로 놓습니다.
    3. FlySimulator 프로그램을 종료한 다음 비행 스로틀엔진 스위치 버튼을 재설정합니다. 화면 녹화를 중지합니다.

figure-protocol-9702
그림 5: VR 비행 시뮬레이터의 교통 패턴. 피치 각도는 항공기의 좌우 축을 중심으로 한 회전 각도이며 기준선(또는 중앙 기준선)은 빨간색과 녹색 선의 중간에 있습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

6. 데이터 분석

  1. 눈의 움직임 데이터를 분석합니다.
    1. 이 연구에서 5개의 관심 영역(AOI) 영역을 나눕니다. AOI 계산에 대한 자세한 내용은 비행 조종석 계기에 해당하는 비행 조종석의 실제 패널을 기반으로 한 그림 6을 참조하십시오(그림 7).
    2. 이 연구에 사용된 VR 오큘로모터의 장비 기능을 감안할 때 AOI 구역(37)에서의 체류 시간 백분율을 사용하여 AOI 차이 테스트를 계산합니다.
      참고: 체류 시간의 평균 백분율은 AOI 내에서 찾는 데 소요된 누적 백분율을 총 고정 시간으로 나눈 다음 참가자 전체의 평균입니다.
  2. Python 3.10을 사용하여 맞춤형으로 개발된 프로그래밍 스크립트로 비행 성능 데이터를 분석합니다. 성능 메트릭의 핵심 알고리즘은 미국 항공우주국(NASA)에서 제공한 35대의 BAE-146 항공기 QAR 데이터에서 영감을 받은 QAR 분석 방법에서 채택되었습니다38.
    참고: 이 연구의 비행 성능 지표: 총 비행 시간(각 참가자의 이륙에서 착륙까지의 총 시간(초), 착륙 전 피치 각도 1초(착륙 전 1초 전 항공기의 피치 각도, 원시 데이터에서 얻은 도), 기준선까지의 평균 거리(비행 중 항공기와 기준선 사이의 공간 거리의 평균 오차, 미터 단위) 및 기준선까지의 거리 표준 편차(비행 중 평면과 기준선 사이의 공간 거리의 표준 편차, 미터 단위).
  3. 통계 분석을 수행합니다.
    1. Shapiro-Wilk 검정39 를 사용하여 데이터의 정규성을 확인합니다.
    2. 기술 통계, Mann-Whitney U 검정 및 스튜던트 t-검정에 대한 통계 소프트웨어(자료 표 참조)를 사용합니다.
    3. 데이터 분포(40)의 형상을 더 잘 나타내기 위해 바이올린 플롯을 묘사한다.
      참고: Cohen의 d를 사용하여 측정한 효과 크기에 대한 설명은 다음과 같습니다: 0.1은 매우 작음, 0.2는 작음, 0.5는 중간, 0.8은 큼, 1.2는 매우 큼, 2.0은 거대41,42입니다. 유의 수준은 p < 0.05로 설정되었습니다.

figure-protocol-11515
그림 6: AOI 전처리 및 흐름 프로세스 계산. 섹션 1에서 4까지는 본 연구가 독립 표본 t-test까지 조종사의 안구 운동 데이터를 어떻게 처리했는지 설명합니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

figure-protocol-11945
그림 7: 비행 계기의 AOI 구분 개략도. 계기의 기능: (A) 대기 속도 표시기는 공기에 대한 항공기의 속도를 나타냅니다. (B) 고도 표시기는 항공기의 피치 및 롤 고도를 보여줍니다. (C) 수직 속도 표시기는 항공기의 상승 또는 하강 속도를 나타냅니다. (D) 고도 표시기는 항공기의 기압 고도를 나타냅니다. (E) 엔진 속도 표시기는 항공기 엔진의 속도를 나타냅니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

결과

이번 실험을 위해 비행 경험이 있는 전문가 23명과 비행 경험이 없는 초보자 23명을 선발했다. 참가자는 25세에서 58세 사이였습니다(전문가: M = 32.52세, SD = 7.28세, 초보자: M = 29.57세, SD = 5.74세). 모든 참가자의 성별은 남성이었다. 모든 초보자는 칭화대학교(학생 또는 교수진)에서 모집되었으며 모든 전문가는 중국동방항공에서 왔습니다.

눈동자...

토론

이번 연구는 VR 기반 비행 시뮬레이터에서 비행 경험이 있는 참가자가 비행 경험이 없는 참가자보다 비행 성능이 더 좋은지 평가했습니다. 더 중요한 것은 더 나은 비행 성능을 가진 참가자들에게서 더 최적화된 안구 운동 패턴을 찾을 수 있는지 여부를 평가했다는 것입니다. 그 결과 세 가지 주요 비행 QAR 지표인 착륙 전 피치 각도 1초, 기준선까지의 평균 거리, 기준선까지의 거리의 표준 편차에?...

공개

저자들은 재정 공개나 이해 상충을 선언하지 않았습니다.

감사의 말

저자는 파일럿 참가자를 모집하는 데 도움을 준 Li Yan 씨에게 매우 감사하고 Bu Lingyun 씨의 그림 그리기 작업에 감사드립니다. 이 연구는 중국 국립자연과학재단(보조금 번호 T2192931, 72071185), 국가 뇌 프로젝트(보조금 번호 STI2030-주요 프로젝트2022ZD0208500), 인간 공학 국가 핵심 실험실 프로젝트(보조금 번호 SYFD062003), 인간 공학 국가 핵심 실험실 프로젝트(보조금 번호 6142222210201), 2022년 군사 병참 연구 보조금 및 공군 장비 종합 중점 프로젝트의 지원을 받았습니다. 연구(보조금 번호 KJ2022A000415).

자료

NameCompanyCatalog NumberComments
3D engine SDKEpic GamesUnreal Engine 4
GameAnalytics Unreal SDK
This SDK is a powerful yet flexible free analytics tool designed for games.
CPUIntelIntelCore i9One of the most powerful CPU on the mainstream market.
Eye tracking SDKTobiiTobii XR SDKThis SDK provide device agnostic access to eye tracking data to allow development for headsets from many different hardware vendors and is not limited to devices using Tobii Eye Tracking hardware.
Eye tracking softwareDeveloped by the research teamA program that tracks the movement of a person's eyes while they are using a virtual reality HMD.
FlySimulator programDeveloped by the research teamA software that simulates flying experiences in a virtual environment, using VR HMD and hand-held controllers.
Graphics cardNVIDIAGeForce RTX 3090
10496 NVIDIA CUDA Cores
1.70 GHz Boost Clock  
24 GB Memory Size
GDDR6X Memory Type
One of the most powerful graphics card on the mainstream market.
Operating system (OS)MicrosoftWindows XPAn operating system (OS) developed and exclusively distributed by Microsoft Corporation
Replica control panelTHRUSTMASTER2960720 2971004 2962072 2960748 2960769U.S. Air Force A-10C attack aircraft HOTAS
Replica joystickTHRUSTMASTER2960720U.S. Air Force A-10C attack aircraft HOTAS
Replica pedalTHRUSTMASTERTPR pendular rudder
Replica throttleTHRUSTMASTERU.S. Air Force A-10C attack aircraft HOTAS
Screen connected to PCRedmiRMMNT27NF, 27-inch, 1920 X 1080 resolution ratioScreen allows the experimenter to simultaneously view what is happening in the VR HMD
Screen recording softwareOBS ProjectOBS Studio Version 28.0A free and open source software for video recording and live streaming
Statistical power analysis softwareOpen-SourceG*power Version 3.1.9.6A free and user-friendly tool for estimating statistical power and sample size.
Statistical softwareIBMSPSS Version 24.0A powerful statistical software platform
Versatile statistics toolGraphPad SoftwareGraphPad Prism Version 9.4.0A versatile statistics tool purpose-built for scientists-not statisticians
VR app storeHTC CorporationVIVE Software 2.0.17.6 / 2.1.17.6An app store for virtual reality where customers can explore, create, connect, and experience the content they love and need.
VR head-mounted display (HMD)HTC CorporationVIVE Pro EyeA VR headset with precision eye tracking
VR softwareSteamSteam VR Version 1.23A tool for experiencing VR content on the hardware

참고문헌

  1. Oberhauser, M., Dreyer, D., Braunstingl, R., Koglbauer, I. What's real about virtual reality flight simulation. Aviation Psychology and Applied Human Factors. 8 (1), 22-34 (2018).
  2. Oberhauser, M., Dreyer, D. A virtual reality flight simulator for human factors engineering. Cognition, Technology & Work. 19 (2-3), 263-277 (2017).
  3. Rolfe, J. M., Staples, K. J. . Flight Simulation. , (1986).
  4. Robinson, A., Mania, K., Perey, P. Flight simulation: Research challenges and user assessments of fidelity. Proceedings of the 2004 ACM SIGGRAPH International Conference on Virtual Reality Continuum and its Applications in Industry. , 261-268 (2004).
  5. Moroney, W. F., Moreney, B. W. Flight Simulation. Handbook of Aviation Human Factors. , 261-268 (1999).
  6. McCarty, W. D., Sheasby, S., Amburn, P., Stytz, M. R., Switzer, C. A virtual cockpit for a distributed interactive simulation. IEEE Computer Graphics and Applications. 14 (1), 49-54 (1994).
  7. Dorr, K. U., Schiefel, J., Kubbat, I. Virtual cockpit simulation for pilot training. In . The Hague, The Netherlands. What is Essential for Virtual Reality Systems to Meet Military Human Performance Goals? RTO human factors and medicine panel (HEM) workshop. , (2001).
  8. Bauer, M., Klingauf, U. Virtual-reality as a future training medium for civilian flight procedure training. AIAA Modeling and Simulation Technologies Conference and Exhibit. , 18-21 (2008).
  9. Yavrucuk, I., Kubali, E., Tarimci, O. A low cost flight simulator using virtual reality tools. IEEE Aerospace and Electronic Systems Magazine. 26 (4), 10-14 (2011).
  10. Aslandere, T., Dreyer, D., Pankratz, F., Schubotz, R. A generic virtual reality flight simulator. Virtuelle und Erweiterte Realität, 11. Workshop der GI-Fachgruppe VR/AR. , 1-13 (2014).
  11. Joyce, R. D., Robinson, S. K. The rapidly reconfigurable research cockpit. AIAA Modeling and Simulation Technologies Conference. , 22-26 (2015).
  12. Schijven, M. P., Jakimowicz, J. J., Carter, F. J. How to select aspirant laparoscopic surgical trainees: Establishing concurrent validity comparing Xitact LS500 index performance scores with standardized psychomotor aptitude test battery scores. The Journal of Surgical Research. 121 (1), 112-119 (2004).
  13. Huang, P., Zhu, X., Liu, X., Xiao, W., Wu, S. . Psychology selecting device for air force pilot recruitment based on virtual reality technology, has industrial personal computer connected with memory, where industrial control computer is connected with image display device. , (2020).
  14. Wojciechowski, P., Wojtowicz, K. Simulator sickness and cybersickness as significant indicators in a primary selection of candidates for FPV drone piloting. 2022 IEEE 9th International Workshop on Metrology for AeroSpace (MetroAeroSpace). , (2022).
  15. Ziv, G. Gaze behavior and visual attention: A review of eye tracking studies in aviation. The International Journal of Aviation Psychology. 26 (3-4), 75-104 (2016).
  16. Lai, M. L., et al. A review of using eye-tracking technology in exploring learning from 2000 to 2012. Educational Research Review. 10, 90-115 (2013).
  17. Robinski, M., Stein, M. Tracking visual scanning techniques in training simulation for helicopter landing. Journal of Eye Movement Research. 6 (2), 1-17 (2013).
  18. Yang, J. H., Kennedy, Q., Sullivan, J., Fricker, R. D. Pilot performance: Assessing how scan patterns & navigational assessments vary by flight expertise. Aviation Space and Environmental Medecine. 84 (2), 116-124 (2013).
  19. Yu, C. S., Wang, E. M. Y., Li, W. C., Braithwaite, G., Greaves, M. Pilots' visual scan patterns and attention distribution during the pursuit of a dynamic target. Aerospace Medicine and Human Performance. 87 (1), 40-47 (2016).
  20. Haslbeck, A., Zhang, B. I spy with my little eye: Analysis of airline pilots' gaze patterns in a manual instrument flight scenario. Applied Ergonomics. 63, 62-71 (2017).
  21. Brams, S., et al. Does effective gaze behavior lead to enhanced performance in a complex error-detection cockpit task. PLoS One. 13 (11), e0207439 (2018).
  22. Peißl, S., Wickens, C. D., Baruah, R. Eye-tracking measures in aviation: A selective literature review. The International Journal of Aerospace Psychology. 28 (3-4), 98-112 (2018).
  23. Jin, H., et al. Study on how expert and novice pilots can distribute their visual attention to improve flight performance. IEEE Access. 9, 44757-44769 (2021).
  24. Lounis, C., Peysakhovich, V., Causse, M. Visual scanning strategies in the cockpit are modulated by pilots' expertise: A flight simulator study. PLoS One. 16 (2), e0247061 (2021).
  25. Bellenkes, A. H., Wickens, C. D., Kramer, A. F. Visual scanning and pilot expertise: The role of attentional flexibility and mental model development. Aviation Space and Environmental. 68 (7), 569-579 (1997).
  26. Kasarskis, P., Stehwien, J., Hickox, J., Aretz, A., Wickens, C. Comparison of expert and novice scan behaviors during VFR flight. Proceedings of the 11th International Symposium on Aviation Psychology. , (2001).
  27. Lorenz, B., et al. Performance, situation awareness, and visual scanning of pilots receiving onboard taxi navigation support during simulated airport surface operation. Human Factors and Aerospace Safety. 6 (2), 135-154 (2006).
  28. Horrey, W. J., Alexander, A. L., Wickens, C. D. Does workload modulate the effects of in-vehicle display location on concurrent driving and side task performance. Driving Simulator Conference North America Proceedings. , (2013).
  29. Wang, L., Ren, Y., Sun, H., Dong, C. A landing operation performance evaluation method and device based on flight data. In Engineering Psychology and Cognitive Ergonomics: Cognition and Design. , 297-305 (2017).
  30. Wang, L., Ren, Y., Wu, C. Effects of flare operation on landing safety: A study based on ANOVA of real flight data. Safety Science. 102, 14-25 (2018).
  31. Huang, R., Sun, H., Wu, C., Wang, C., Lu, B. Estimating eddy dissipation rate with QAR flight big data. Applied Sciences. 9 (23), 5192 (2019).
  32. Wang, L., Zhang, J., Dong, C., Sun, H., Ren, Y. A method of applying flight data to evaluate landing operation performance. Ergonomics. 62 (2), 171-180 (2019).
  33. Gerathewohl, S. J. Leitfaden der Militärischen Flugpsychologie. Verlag für Wehrwissenschaften. , (1987).
  34. Ugwitz, P., Kvarda, O., Juříková, Z., Šašinka, &. #. 2. 6. 8. ;., Tamm, S. Eye-tracking in interactive virtual environments: implementation and evaluation. Applied Sciences. 12 (3), 1027 (2022).
  35. Faul, F., Erdfelder, E., Lang, A. -. G., Buchner, A. G*Power 3: A flexible statistical power analysis program for the social, behavioral, and biomedical sciences. Behavior Research Methods. 39 (2), 175-191 (2007).
  36. Boslaugh, S. E. . Snellen Chart. , (2018).
  37. He, J., Becic, E., Lee, Y. -. C., McCarley, J. S. Mind wandering behind the wheel. Human Factors: The Journal of the Human Factors and Ergonomics Society. 53 (1), 13-21 (2011).
  38. Tanveer Alam, . GitHub - tanvcodes/qar_analytics: Scripts for working with publicly available Quick Access Recorder (QAR) data from a fleet of 35 BAE-146 aircraft. GitHub. , (2022).
  39. Shapiro, S. S., Wilk, M. B. An analysis of variance test for normality (complete samples). Biometrika. 52 (3-4), 591-611 (1965).
  40. Hintze, J. L., Nelson, R. D. Violin plots: A box plot-density trace synergism. The American Statistician. 52 (2), 181-184 (1998).
  41. Cohen, J. . Statistical Power Analysis for the Behavioral Sciences (2nd ed.). , (1988).
  42. Sawilowsky, S. S. New effect size rules of thumb. Journal of Modern Applied Statistical Methods. 8 (2), 26 (2009).
  43. Bateman, T. S., Crant, J. M. The proactive component of organizational behavior: A measure and correlates. Journal of Organizational Behavior. 14 (2), 103-118 (1993).
  44. Endsley, M. R. Measurement of situation awareness in dynamic systems. Human Factors. 37 (1), 65-84 (1995).
  45. Hunter, D. R. Measuring general aviation pilot judgment using a situational judgment technique. The International Journal of Aviation Psychology. 13 (4), 373-386 (2003).
  46. Kim, H. K., Park, J., Choi, Y., Choe, M. Virtual reality sickness questionnaire (VRSQ): Motion sickness measurement index in a virtual reality environment. Applied Ergonomics. 69, 66-73 (2018).
  47. Hart, S. G. . NASA Task Load Index (TLX). , (1986).

재인쇄 및 허가

JoVE'article의 텍스트 или 그림을 다시 사용하시려면 허가 살펴보기

허가 살펴보기

더 많은 기사 탐색

VR

This article has been published

Video Coming Soon

JoVE Logo

개인 정보 보호

이용 약관

정책

연구

교육

JoVE 소개

Copyright © 2025 MyJoVE Corporation. 판권 소유