Locomotion is one of the most essential interaction tasks in virtual reality (VR) with teleportation being widely accepted as the state-of-the-art locomotion technique at the time of this writing. A major draw-back of teleportation is the accompanying physical rotation that is necessary to adjust the users' orientation either before or after teleportation. This is a limiting factor for tethered head-mounted displays (HMDs) and static body postures and can induce additional simulator sickness for HMDs with three degrees-of-freedom (DOF) due to missing parallax cues. To avoid physical rotation, previous work proposed discrete rotation at fixed intervals (InPlace) as a controller-based technique with low simulator sickness, yet the impact of varying intervals on spatial disorientation, user presence and performance remains to be explored. An unevaluated technique found in commercial VR games is reorientation during the teleportation process (TeleTurn), which prevents physical rotation but potentially increases interaction time due to its continuous orientation selection. In an exploratory user study, where participants were free to apply both techniques, we evaluated the impact of rotation parameters of either technique on user performance and preference. Our results indicate that discrete InPlace rotation introduced no significant spatial disorientation, while user presence scores were increased. Discrete TeleTurn and teleportation without rotation was ranked higher and achieved a higher presence score than continuous TeleTurn, which is the current state-of-the-art found in VR games. Based on observations, that participants avoided TeleTurn rotation when discrete InPlace rotation was available, we distilled guidelines for designing teleportation without physical rotation.


翻译:Locomotion是虚拟现实中最重要的互动任务之一,在本文撰写时,远程传送被广泛接受为最先进的旋转技术。远程传送的一大缺点是同时进行物理旋转,这是在远程传送之前或之后调整用户方向所必需的物理旋转。这是固定头部挂载显示(HMDs)和静体姿势的一个限制因素,并且可能会因缺少高级准调提示而导致具有3度自由度的 HMD(DOF)额外模拟器疾病。为了避免物理旋转,先前的工作提议以固定间隔进行离散旋转(InPlace),作为基于控制的技术,在移动之前或之后调整用户方向。在远程传送过程中(TearTurn)发现一种未经评价的技术正在调整,它阻碍物理旋转,但是由于连续定向选择而有可能增加现有互动时间。在探索用户的探索用户的远程旋转观察中,参与者在不自由应用离心的离心旋转时间间隔(InPlace ) 并且没有应用用户方向定位的分级定位参数时,我们没有在用户方向定位中发现一种明显的分级定位。

0
下载
关闭预览

相关内容

Google-EfficientNet v2来了!更快,更小,更强!
专知会员服务
18+阅读 · 2021年4月4日
多模态情绪识别研究综述
专知会员服务
165+阅读 · 2020年12月21日
最新《Transformers模型》教程,64页ppt
专知会员服务
308+阅读 · 2020年11月26日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
灾难性遗忘问题新视角:迁移-干扰平衡
CreateAMind
17+阅读 · 2019年7月6日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
Reliable Semantic Segmentation with Superpixel-Mix
Arxiv
0+阅读 · 2021年8月2日
Arxiv
0+阅读 · 2021年7月28日
Arxiv
5+阅读 · 2020年10月2日
VIP会员
相关VIP内容
Google-EfficientNet v2来了!更快,更小,更强!
专知会员服务
18+阅读 · 2021年4月4日
多模态情绪识别研究综述
专知会员服务
165+阅读 · 2020年12月21日
最新《Transformers模型》教程,64页ppt
专知会员服务
308+阅读 · 2020年11月26日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
相关资讯
灾难性遗忘问题新视角:迁移-干扰平衡
CreateAMind
17+阅读 · 2019年7月6日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
Top
微信扫码咨询专知VIP会员