苏州大学等机构开发基于眼动追踪的VR认知负荷检测系统
认知负荷检测
（映维网Nweon 2025年08月18日）虚拟现实运动过程中认知负荷（CL）的准确检测对于增强用户体验和改进交互设计至关重要。传统的CL评估方法，如自我报告和生理测量，在VR环境中面临挑战。眼动追踪已显示出在各种人机交互（HCI）任务中作为CL可靠指标的潜力。它为VR中的预测模型提供了一个重要的鉴别特征。
在一项研究中，苏州大学，太原理工大学和慕尼黑工业大学团队探讨了使用可解释的机器学习方法和眼动追踪技术检测VR运动引起的CL的可行性。用户研究评估了五种独特的无步态运动技术。统计分析显示，运动技术的CL水平不同。另外，研究人员利用眼动追踪数据开发了几种用于CL检测的机器学习模型，其中Light Gradient Boosting machine （LightGBM）的准确率最高，为0.78。SHAP方法用于分析特征的重要性，以提供可解释性，并为机器学习模型的决策过程提供见解。
研究结果强调了使用基于眼动追踪的机器学习技术作为VR中认知负荷检测的实用方法的潜力，并展示了如何利用眼动追踪数据来改善用户交互并优化基于认知负荷分析的沉浸式多媒体体验。
......（全文 2666 字，剩余 2265 字）
请微信扫码通过小程序阅读完整文章或者登入网站阅读完整文章
映维网会员可直接登入网站阅读
PICO员工可联系映维网免费获取权限
