Who Is Alyx?

‘Who Is Alyx?’数据集由德国维尔茨堡大学人机交互组创建，专注于XR用户的动作和生理数据，特别是针对行为和生物识别识别。数据集包含71名用户在玩‘半条命：Alyx’游戏时的动作和眼动追踪数据，以及31名用户的生理数据。创建过程涉及在两个不同的日子里，每次45分钟的记录。该数据集旨在解决XR环境中用户身份验证的问题，通过分析用户的行为模式来识别和验证用户身份。

The "Who Is Alyx?" Dataset was developed by the Human-Computer Interaction Group at the University of Würzburg, Germany. It focuses on motion and physiological data of XR users, with a particular emphasis on behavioral and biometric recognition. The dataset includes motion and eye-tracking data from 71 users while they were playing the game *Half-Life: Alyx*, as well as physiological data from 31 of these users. Data collection was conducted over two separate sessions, each lasting 45 minutes. The core objective of this dataset is to address the issue of user authentication in XR environments, by analyzing users' behavioral patterns to recognize and verify user identities.

搜集汇总

数据集介绍

构建方式

在扩展现实（XR）用户识别研究领域，公开数据集的稀缺性长期制约着行为生物特征识别技术的发展。为应对这一挑战，研究团队精心构建了“Who Is Alyx?”数据集。该数据集通过邀请71名参与者在受控实验室环境中，使用HTC Vive Pro头戴式设备分两次进行《半衰期：爱莉克斯》游戏，每次持续45分钟，系统采集了头部、手部控制器的运动追踪数据以及眼动数据。此外，针对其中31名参与者，同步记录了来自Empatica E4腕带和Polar H10胸带的心率、皮电活动等多模态生理信号。数据采集过程遵循严格的伦理审查，确保了参与者的知情同意与数据匿名化处理，所有原始数据与采集代码均已开源，为后续研究提供了高保真、多会话的行为与生理基准数据。

特点

该数据集的核心特征在于其边际情境化的行为序列与丰富的多模态信息。相较于现有专注于特定动作的XR数据集，“Who Is Alyx?”捕捉了用户在自由游戏过程中产生的广泛、非特定的连续动作，这更贴近真实XR应用中被动监测用户身份的场景。数据集规模显著，包含71名用户跨越两个独立会话、总计约90分钟每人次的运动数据，有效支持深度学习模型训练所需的时序长度与泛化能力评估。其独特价值还体现在同步整合了高精度眼动追踪与可穿戴设备生理数据，为探索运动特征之外的跨模态身份识别提供了可能。数据集的构建兼顾了用户多样性，涵盖了不同的年龄、身高与虚拟现实经验，增强了其在真实世界中的代表性。

使用方法

该数据集主要服务于XR环境下基于行为生物特征的用户识别与验证研究。研究者可利用其多会话结构，模拟现实场景中的用户注册（使用第一会话数据）与识别（使用第二会话数据）流程。典型使用方法是提取连续的运动追踪序列（如身体相对坐标或衍生速度、加速度特征），并输入至循环神经网络或卷积神经网络等时序模型中进行用户分类。数据集中提供的基准性能表明，基于身体相对加速度编码的卷积神经网络在2分钟识别窗口内可达95%的准确率。此外，眼动与生理数据为探索多模态融合或跨域识别模型提供了额外维度。数据集附有详细的元数据与预处理脚本，支持研究者进行数据分割、特征工程与模型评估，以推动可复现、可比较的算法创新。

背景与挑战

背景概述

随着扩展现实（XR）技术的迅猛发展，虚拟现实（VR）、增强现实（AR）与混合现实（MR）应用日益普及，为用户提供了沉浸式的交互体验。然而，XR环境中的身份认证与识别面临独特挑战，传统基于密码的验证机制因输入不便而难以适用。在此背景下，行为生物特征识别作为一种无需额外硬件的解决方案，通过分析用户运动数据来实现身份识别，成为研究热点。2023年，维尔茨堡大学人机交互团队发布了“Who Is Alyx?”数据集，旨在为XR用户识别研究提供大规模、多模态的公开数据资源。该数据集采集了71名用户在两天内玩《半衰期：爱莉克斯》游戏时的运动与生理数据，核心研究问题聚焦于利用非特定动作下的行为模式进行用户身份辨识，以推动XR领域安全与可用性的提升。

当前挑战

该数据集致力于解决XR环境中基于行为生物特征的用户身份识别问题，其核心挑战在于如何从高噪声、低上下文的运动序列中提取稳定且具判别性的个人特征。具体而言，用户在执行游戏任务时动作随意性强、时序变化大，模型需克服运动轨迹的显著方差以准确区分个体身份。在构建过程中，研究团队面临多重挑战：首先，数据采集需在受控环境下协调大量参与者完成长时间、多会话的XR体验，确保硬件一致性与数据完整性；其次，数据集需整合多源异构数据流，包括运动追踪、眼动及生理信号，其同步与校准过程复杂；此外，为提升研究的可复现性，团队必须公开详尽的数据文档与基准模型，以应对机器学习领域普遍存在的可复现性危机。

常用场景

经典使用场景

在扩展现实（XR）用户识别与行为生物特征识别领域，'Who Is Alyx?' 数据集为研究者提供了一个高度真实且数据丰富的基准平台。该数据集的核心使用场景在于训练和评估基于用户运动数据的身份识别模型。通过采集71名用户在两天内分别进行45分钟《半衰期：爱莉克斯》游戏过程中的全身运动追踪、眼动数据及部分生理信号，数据集模拟了用户在沉浸式XR环境中执行非特定、多样化动作的自然交互情境。这种边际情境化的数据构成，使得模型必须从高度随机的用户动作序列中学习并提取个体特有的行为模式，而非依赖预设的、重复的特定动作。因此，该数据集最经典的用途是开发和验证能够被动、连续地监控XR用户并实现高精度身份识别的机器学习算法，尤其适用于无需用户主动配合的识别场景。

衍生相关工作

自'Who Is Alyx?' 数据集发布以来，其已成为XR行为生物特征识别领域的重要基石，催生并支撑了一系列后续研究。数据集论文本身提供的基于GRU和CNN架构的基准性能（如CNN+BRA模型在2分钟内达到95%的识别准确率），为后续工作设立了明确的比较基线。该数据集启发了对更优数据编码方式（如身体相对加速度BRA）的深入探索，以及不同神经网络架构在复杂时序数据上泛化能力的系统性对比研究。此外，其边际情境化的数据特性，促使研究者开发能够从非特定、多样化动作中提取稳健身份特征的通用型识别模型。这些衍生工作共同推动了从依赖特定动作的主动验证，向基于自然交互的被动、连续识别的范式转变，为构建下一代XR智能身份系统提供了关键的理论与实践依据。

数据集最近研究

最新研究方向

在扩展现实（XR）领域，用户身份识别与行为生物特征分析正成为前沿研究热点。Who Is Alyx? 数据集以其丰富的多模态数据，包括运动追踪、眼动及生理信号，为探索非特定动作下的用户识别提供了重要基础。当前研究聚焦于利用深度学习架构，如卷积神经网络与循环神经网络，从高维时序数据中提取个性化运动模式，以实现跨会话的稳健身份认证。该数据集不仅推动了被动式生物识别技术的发展，还促进了XR环境中隐私保护与用户体验的平衡，为构建安全、可信的沉浸式交互系统奠定了实证基础。

相关研究论文

• Who Is Alyx? A new Behavioral Biometric Dataset for User Identification in XR

  人机交互(HCI)组，信息学，维尔茨堡大学，维尔茨堡，德国 · 2023年