Virtual Reality Seated Orientation and Mobility dataset (VR-SO&M)

本研究介绍了Virtual Reality Seated Orientation and Mobility (VR-S-O&M)测试协议，并提供了首个包含丰富行为信息和详细场景配置的O&M测试功能视力数据集。该数据集由42名健康受试者使用VR-S-O&M协议完成，旨在评估受试者的功能性视力。数据集详细记录了受试者在虚拟环境中的行为，如物体的放置位置、课程配置等，并包含了头部、身体和手的定位信息以及眼动追踪数据。

This study introduces the Virtual Reality Seated Orientation and Mobility (VR-S-O&M) test protocol, and releases the first functional vision dataset for O&M testing that encompasses rich behavioral information and detailed scene configurations. The dataset is derived from 42 healthy participants who completed the test procedures using the VR-S-O&M protocol, with the primary objective of assessing the participants' functional vision. It thoroughly documents the participants' behaviors within the virtual environment, including the placement positions of objects, test course configurations, and other relevant details, alongside head, body, and hand positioning data as well as eye-tracking data.

搜集汇总

数据集介绍

构建方式

VR-SO&M数据集通过虚拟现实技术构建，采用Unity引擎开发虚拟环境，并利用HTC Vive Pro Eye头戴式显示器进行数据采集。数据集包含42名健康受试者在不同光照条件和路径配置下的行为数据，通过坐姿导航和障碍物破坏机制评估功能性视力。实验设计包括8种不同的路径配置（A至H），其中6种用于评估，2种用于训练。数据采集过程中，记录了头部、手部和身体的运动数据，以及眼动追踪数据，确保数据的全面性和精确性。

特点

VR-SO&M数据集的特点在于其丰富的多模态数据和高度的可配置性。数据集不仅包含传统的性能指标（如完成时间和错误数量），还整合了眼动追踪和行为交互数据，为功能性视力评估提供了多维度的分析基础。虚拟环境中的光照条件和路径配置经过严格校准，确保了实验的生态效度。此外，坐姿设计减少了运动相关的干扰，使得数据集特别适合用于视觉障碍患者的评估。数据集还提供了详细的元数据和预处理代码，方便后续研究的复现和扩展。

使用方法

使用VR-SO&M数据集时，研究人员可通过分析受试者的导航路径、障碍物破坏行为以及眼动模式，评估功能性视力的各个方面。数据集适用于开发新的性能指标、验证虚拟现实测试的效度，以及研究光照和环境配置对视觉行为的影响。预处理后的数据可直接用于统计分析或机器学习模型的训练。此外，数据集的结构化设计支持跨研究比较，为临床和科研应用提供了可靠的基准。

背景与挑战

背景概述

Virtual Reality Seated Orientation and Mobility dataset (VR-SO&M) 是由法国南特大学的研究团队于2025年开发的一种新型虚拟现实功能视觉评估工具。该数据集旨在通过虚拟现实技术，在坐姿条件下评估受试者的定向与移动能力，从而克服传统物理测试的空间限制和安全问题。数据集包含42名健康受试者在不同光照条件和路径配置下的行为数据，为功能视觉研究提供了丰富的定量分析基础。VR-SO&M的创建不仅推动了眼科临床研究的进步，也为视觉障碍患者的康复评估提供了新思路。

当前挑战

VR-SO&M数据集面临的挑战主要包括两个方面：领域问题的挑战和构建过程中的挑战。在领域问题方面，该数据集旨在解决功能视觉评估的复杂性和主观性问题，但如何准确区分视觉障碍导致的错误与受试者操作不当引起的错误仍是一个难题。在构建过程中，研究团队需要克服虚拟现实环境下的技术难题，如运动数据的精确采集与同步、眼动追踪数据的有效性验证，以及不同光照条件下物体可见度的标准化。此外，数据集还需解决虚拟现实环境可能引发的晕动症问题，确保测试的舒适性和安全性。

常用场景

经典使用场景

VR-SO&M数据集在功能性视觉评估领域具有重要应用价值，其经典使用场景包括通过虚拟现实环境模拟真实世界中的导航任务，评估受试者在不同光照条件和路径配置下的视觉功能表现。该数据集通过记录受试者在虚拟环境中的交互行为、眼动数据及任务完成情况，为研究者提供了丰富的定量分析基础。

解决学术问题

该数据集解决了功能性视觉评估中缺乏标准化、可重复性差的关键问题。传统物理测试如MLMT存在空间占用大、成本高等局限，而VR-SO&M通过虚拟化测试流程，实现了环境参数（如光照、路径复杂度）的精确控制，同时通过坐姿设计消除了运动能力差异对测试结果的干扰，为眼科疾病患者的视觉功能退化研究提供了可靠工具。

衍生相关工作

该数据集衍生出多项创新研究，包括基于眼动行为模式的视觉注意力分析框架、动态光照阈值检测算法开发等。受其启发，Bennett等人优化了虚拟障碍物识别机制，Aleman团队则扩展了IRT疾病评估协议。这些工作共同推动了VR功能性评估从单一时间指标向多模态行为分析的范式转变。