Cybersickness Dataset

本研究介绍了名为‘Cybersickness Dataset’的数据集，由香港科技大学（广州）创建，旨在通过虚拟导航任务预测虚拟现实环境中的晕动症。数据集包含来自53名不同参与者的159个数据点，包括生理反应（皮肤电活动和心率）和自我报告的晕动症症状。数据集的创建涉及设计诱发晕动症的虚拟环境导航任务，并通过HTC Vive Pro和Empatica E4腕带收集数据。该数据集为研究者提供了开发和评估晕动症预测模型的宝贵资源，有助于深入研究晕动症的缓解措施，并应用于虚拟现实环境的设计优化。

This study presents a dataset titled "Cybersickness Dataset", developed by The Hong Kong University of Science and Technology (Guangzhou). The primary objective of this dataset is to predict cybersickness in virtual reality (VR) environments using virtual navigation tasks. The dataset comprises 159 data points from 53 distinct participants, including physiological responses (skin conductance activity and heart rate) and self-reported cybersickness symptoms. The creation of this dataset involved designing virtual environment navigation tasks that induce cybersickness, and collecting data via HTC Vive Pro and Empatica E4 wristbands. This dataset provides researchers with a valuable resource for developing and evaluating cybersickness prediction models, facilitating in-depth research on cybersickness mitigation measures and their application to the design optimization of virtual reality environments.

搜集汇总

数据集介绍

构建方式

针对虚拟现实环境中预测晕动症（Cybersickness）的需求，本研究构建了一个专门的数据集。该数据集通过设计一个旨在诱发晕动症的虚拟导航任务，收集了53名参与者在三次不同日期的159个样本数据。数据收集过程中，参与者佩戴了HTC Vive Pro头戴式设备和一个Empatica E4腕带，以记录生理信号（如皮肤电导和心率）以及自我报告的晕动症症状。通过详细的导航任务设计、数据收集程序和数据分析，该数据集为研究虚拟现实环境中晕动症的预测模型提供了丰富的信息资源。

特点

该数据集的特点在于其全面性和细致性，涵盖了参与者在虚拟导航任务中的头部追踪数据、动作数据、生理信号以及晕动症评分。头部追踪数据包括原始和重采样的头部位置与旋转信息，动作数据包括速度和旋转信息，生理信号包括皮肤电导、血容量脉冲、温度和心率，晕动症数据包括晕动症问卷评分、恶心评分、眼动评分和迷失方向评分。这些数据类型共同构成了一个多维度的数据集，有助于深入分析晕动症的成因和影响因素。

使用方法

使用该数据集时，研究人员可以依据数据集提供的详细说明，通过GitHub仓库获取完整数据。数据集的结构化设计允许研究者利用机器学习和深度学习算法来分析生理信号与晕动症症状之间的相关性，进而开发出预测晕动症的模型。此外，数据集的使用不仅限于模型开发，还可以用于评估和优化虚拟现实环境的设计，以减少晕动症的诱发可能性。

背景与挑战

背景概述

Cybersickness Dataset是一款旨在预测虚拟现实环境中晕动症（Cybersickness）的数据集。该数据集由香港科技大学（广州）的Yuyang Wang、Ruichen Li和Pan Hui以及法国Arts et Métiers Institute of Technology的Jean-Rémy Chardonnet等研究人员于2023年创建。该数据集通过虚拟导航任务收集了大量参与者的生理反应（如皮肤电导和心率）以及自我报告的晕动症症状。这一数据集的构建旨在为研究人员提供一种评估和开发预测晕动症模型的宝贵资源，进而指导虚拟现实环境的设计以减轻晕动症的不适感，并探究晕动症的内在机制以发展更有效的治疗方法。

当前挑战

该数据集在构建过程中面临的挑战主要包括：一是如何精确地捕捉和量化参与者在虚拟环境中的生理和行为数据，以确保数据的有效性和可靠性；二是如何在保持数据多样性的同时，确保数据集的规模足够大，以便能够支持深度学习算法的训练和验证；三是如何通过数据分析识别出与晕动症发生和严重程度相关的关键因素，并构建出准确的预测模型。在研究领域问题上，Cybersickness Dataset面临的挑战是如何准确预测虚拟现实环境中用户是否会出现晕动症，以及晕动症的严重程度。

常用场景

经典使用场景

在虚拟现实技术不断发展的当下，预测和处理网络晕动症成为了一项重要任务。Cybersickness Dataset数据集为此提供了丰富的实验资源，其经典使用场景主要在于通过收集用户的生理和行为数据，利用深度学习算法预测虚拟现实环境中用户是否会产生网络晕动症。该数据集详细记录了参与者在执行虚拟导航任务时的生理反应（如皮肤电导和心率）及自我报告的晕动症状，为算法的训练和验证提供了坚实基础。

衍生相关工作

基于Cybersickness Dataset数据集，学术界已经衍生出了一系列相关研究工作。例如，有研究利用模糊逻辑结合个体差异来预测虚拟现实导航中的晕动症；还有研究采用拓扑数据分析结合机器学习方法来预测虚拟环境中的晕动症。这些工作不仅拓展了数据集的应用范围，也为虚拟现实技术的未来发展提供了新的视角和工具。

数据集最近研究

最新研究方向

在虚拟现实技术迅速发展的当下，如何有效预测和缓解虚拟现实引发的晕动症（即网络晕动症）成为研究热点。Cybersickness Dataset数据集为此领域提供了重要资源，其中包含参与者在执行虚拟导航任务时的生理反应（如皮肤电导和心率）以及自我报告的网络晕动症症状。近期研究利用该数据集，通过深度学习算法准确预测网络晕动症的出现，为虚拟现实环境的设计和交互技术的优化提供了指导。该数据集的分析初步结果显示，其含有丰富的信息，有助于进一步研究虚拟现实环境对生理和心理反应的影响，推动更有效的预防策略和治疗方法的开发。

相关研究论文

• Dataset for predicting cybersickness from a virtual navigation task

  香港科技大学（广州） · 2023年