苏黎世联邦理工学院开发基于脑电图的VR晕动症实时检测方法
实时跟踪晕动症水平
（映维网Nweon 2025年07月10日）虚拟现实提供了沉浸式体验，但在交互过程中产生晕动症的固有风险会严重降低乐趣和采用。晕动症的特征是头晕和恶心等症状，而以前的研究主要是通过主观的沉浸后问卷调查和运动受限的控制装置来评估。
在一项研究中，瑞士苏黎世联邦理工学院调查了用户在虚拟现实中体验和自由交互时晕动病的动态性质，并提出了一种从脑电图EEG和头部运动信号中识别和定量测量晕动症水平的新方法。相关解决方案从脑电图中估计多锥度频谱，整合专门的脑电图处理技术来对抗运动伪影，从而实时跟踪晕动症的水平。与以前的方法不同，所提出方案不需要用户特定的校准或个性化来检测晕动症。团队表示：“我们的研究解决了晕动症研究中可重复性和主观性的重大挑战。”
虚拟现实提供沉浸式体验，允许用户参与从娱乐到医疗保健的各种活动。VR可以高保真地模拟环境和场景，允许用户参与模拟现实世界交互的活动。从医疗专业人员的培训模拟到恐惧症或创伤后应激障碍（PTSD）患者的治疗干预，VR可以有效地支持体验式学习和治疗。
尽管虚拟现实在各个领域都有非常大的潜在帮助，但一个重要的障碍是晕动症。缺乏缓解晕动症的手段对VR设备的广泛采用和长期可用性构成了障碍。晕动症状表现为头晕、恶心、胃部不适等，持续时间可以长达一周。随着虚拟现实技术的不断发展，我们需要一种有效的方法来检测、监控，尤其是防止运动珍贵的发生。
所以，持续监测参与者的晕动症水平对于提高用户体验和满意度以及确保VR中的安全和健康至关重要。通过实时响应晕动症程度的变化，干预措施可以迅速减轻不良影响。
以前的晕动症研究通常只收集VR后的晕动症主观测量。这种方法无法估计感知到的晕动症程度的持续和即时变化，而它们对于促进预防晕动症症状发生的干预措施至关重要。
大多数现有的方法通常是基于立体图像，并进一步假设相同的帧和声音序列总是对不同的参与者产生相同的效果。然而，晕动症在很大程度上依然是高度主观的，个体在VR中对相同的帧序列表现出不同的反应。
更复杂的方法收集了生物生理测量来估计晕动症，同时限制参与者在VR中的运动，以尽量减少运动伪影并获得合适的生物信号。它们表明，从测量中提取的特征（例如皮电活动EDA、心率HR、瞳孔大小和大脑活动等）与参与者报告的晕动症程度有关。
限制运动与记录脑电图信号特别相关，这在晕动症检测中显示出非常大的希望。遗憾的是，这种约束并不代表VR中的用户行为。所以，我们需要更强大的方法来持续检测晕动症。
在这项研究中，瑞士苏黎世联邦理工学院团队首先介绍了一个新的数据集。其中，数据集来自16名参与者在VR循环模拟过程中的脑电图记录。然后，他们提出了一种实时持续估计晕动症水平的方法，延迟最小，无需用户特定微调即可及时干预。研究人员强调了持续监测晕动症对于优化VR体验的重要性。
研究人员用所提出的方法设计的实验揭示了有关VR环境中晕动症的多个问题。首先，研究结果强调了在虚拟现实环境中评估和检测晕动症时兼顾主观和客观测量的重要性。
具体来说，研究结果表明，当采用正确的预处理步骤来消除噪点和运动伪影时，脑电图信号可以提供有关用户晕动症程度的信息。相比之下，立体图像和仅基于运动学的技术可能无法检测和估计晕动症水平的突然变化，特别是考虑到用户对VR的主观反应。因此，团队相信未来的系统有很大的空间来设计和优先考虑不同的模式，以满足不同的VR交互需求。
另外，VR技术的进步应该旨在解决与内向外追踪相关的挑战，例如自遮挡和有限的追踪准确性，以确保在不同的VR设置中保持一致和可靠的用户体验。同时，研究强调了神经生理标志物作为虚拟现实环境中晕动症水平的有价值指标的潜力。通过将晕动症与已建立的神经生理学标志物联系起来，这弥合了晕动症对大脑活动的影响与现有神经生理学研究之间的差距。
团队提出的方法利用量身定制的脑电图处理技术，在持续估计晕动症水平方面显示出卓越的准确性和可靠性，为更有效的干预铺平了道路，并改善了VR体验中的用户幸福感。另外，综合评估和烧蚀研究表明所提出方法的有效性，并超越了目前最先进的方法，同时减少了传感器的模式，可获得更好的续航和增强的用户体验。
然而，相对较小的样本量（N=16）和较窄的年龄范围意味着需要进一步研究更大、更多样化的参与者群体，以调查晕动症与人口因素（包括性别、年龄和潜在的其他特征）之间的潜在相关性。另外，受控制的虚拟环境限制了所述方法在更复杂VR场景中的评估，因为更复杂场景可能会对晕动症产生不同的影响。
同时，研究的一个主要限制在于使用相对有限的虚拟环境。为了解决这个问题，未来的研究应该致力于在更广泛的虚拟环境中进行实验，包括不同程度的复杂性、交互方式和感官刺激。通过在不同的虚拟环境中探索晕动症的检测，包括物体操作和不同的运动方式，团队相信神经生理标志物的重要性可以更全面地理解，同时改进检测和监测方法，从而开发更好的干预技术。
例如，研究人员在VR的初始非交互阶段纳入了基线测量，参与者被动地暴露在没有主动交互的环境中。然而，结合非VR脑电图测量可以提供有价值的比较，通过神经生理标记更好地了解VR引起的晕动症。另外，研究视觉保真度、交互性和空间布局等环境因素对晕动病易感性的影响，可以为设计更舒适和沉浸式的VR体验提供有价值的见解。
总的来说，扩大实验环境的范围将有助于开发强大且适应性强的晕动症检测技术，以满足VR用户的不同需求和偏好。研究的一个重要方面是每个会话之间有10 - 15分钟的休息时间，其中包括一段放松时间。所述持续时间的选择是基于研究结果表明这通常足以从晕动症中恢复。然而，这段时间可能不能完全消除所有参与者的残余疲劳或晕动症。未来的研究可以探索使用更长的休息时间或在不同的日子，以进一步减少遗留影响。
概括而言，研究人员引入了一种新颖的处理方法来从VR环境中的脑电图信号中提取有意义的特征，从而可以连续估计晕动症。与传统方法不同，他们处理脑电图和头部运动信号的方法利用基于多锥体的技术来实现卓越的光谱分辨率和减少方差，以消除噪点和运动伪影。
实验已经证明，这可以更准确、更可靠地预测晕动症程度。他们同时在参与者的动态晕动症水平和神经生理学中常用的生理标记之间建立了有价值的联系，这揭示了晕动症对大脑活动的影响。通过多次评估，包括对记录的晕动症数据集的消融研究，团队证明所提出方法优于当前最先进的晕动病检测和估计方法。
重要的是，相关解决方案通过减少所需传感器模式的数量和计算需求来增强整体用户体验和电池续航。团队希望可以加速晕动症检测和支持技术的发展，最终甚至可以预测和预防晕动症病及其症状在更广泛的虚拟现实和混合现实中出现。
