触觉反馈对动态VR行人环境中用户避障行为与视觉探索的影响研究
当虚拟世界终于学会了“触摸”，我们与之互动的方式也将被彻底重塑
（映维网Nweon 2025年11月14日）在虚拟现实构建的宏大世界里，我们能用双眼见证奇迹，用双耳聆听共鸣，但我们的身体，却常常是沉默的。尤其是在模拟人群熙攘的街头或紧急疏散场景时，那份源于肌肤与肌肉的、对于拥挤和碰撞的微妙感知，一直处于缺失状态。这份缺失，使得我们在VR中的行为，与真实世界相比，总隔着一层难以言喻的疏离感。
针对这个问题，东京大学与斯坦福大学团队正尝试填补这一关键空白。他们的发现揭示：当虚拟世界能够“触摸”我们时，我们的身体会以更真实、更本能的方式作出回应。 这不仅是一项技术成就，更是我们理解人机交互、构建下一代沉浸式模拟器的重要一步。
此前，学术界和产业界并非没有尝试在VR人群模拟中加入触觉反馈。然而，许多研究得出的结论颇为矛盾：有的认为触觉提升了沉浸感，但另一些，如Berton等人在2022年的研究，却发现它并未显著改变用户的行走路径。
一个被广泛接受的观点是：人类移动行为主要依赖于视觉。 在现实世界中，我们依靠双眼就能判断出与他人的距离、速度和间隙，从而规划路径。因此，有研究者认为，在VR中，即便提供了触觉信息，它也可能被更主导的视觉系统所覆盖，从而显得无足轻重。
团队成员指出：“但这里存在一个关键的局限性。先前的研究环境，大多不够‘混乱’和‘压迫’。” 许多实验设置要么是用户静止而NPC移动，要么是稀疏的单向人流。在这样的环境下，用户的视觉系统有足够的能力处理全部信息，触觉自然成了锦上添花，而非雪中送炭。
真正的挑战，在于视觉系统过载的瞬间。想象一下下班高峰期的地铁换乘通道，人群从四面八方涌来，你的视野被完全占据，无法同时顾及每一个潜在的碰撞威胁。这时，来自肩膀或背部的一次轻触，会成为至关重要的警报信号。本研究的核心，正是要复现这种视觉受限的、高动态的密集环境，探究触觉在其中扮演的角色。
要回答这个科学问题，首先需要创造一个能逼真模拟真实世界人群复杂性的VR平台。研究团队并未满足于现成的简单方案，而是从底层开始，构建了一个能够“呼吸”、能够自主反应的动态虚拟社会。
赋予NPC智慧：从“社会力”到自主决策的个体
研究团队采用了一种经过改良的基于速度的行人动力学模型。你可以将它理解为每个NPC体内都有一套精密的“自动驾驶系统”。
这套系统由两大核心指令驱动：
第一指令：“你要去哪里？”（全局导航） 系统为整个环境设定了一个看不见的“速度场”，如同给每个NPC设定了目的地和理想步行速度（本研究设置为1.2米/秒）。在毫无干扰的情况下，他们会沿着这条理想的路径直线前进。
第二指令：“小心撞到人！”（局部避障） 当其他NPC或用户进入其安全距离（一个围绕自身的“排斥力场”）时，系统会立即计算出一个额外的速度矢量，驱使它进行避让。这个力场的大小和强度，可以根据人群密度进行调节。
关键在于，最终的行走方向是这两个指令——导航与避障——实时矢量叠加的结果。 这意味着，每个NPC的每一步都是即时计算出来的，而不是沿着预设的固定路径。正是这种自下而上的计算，才能自然涌现出真实人群中常见的现象：如面对迎面而来的人流时自动分成两股，或在瓶颈处形成的短暂拥堵与疏通。这种“涌现”行为，是规则脚本动画无法实现的，也是本研究能模拟动态密集人流的基础。
赋予NPC生命：从“滑动模型”到活生生的动画
仅有智慧的移动还不够，如果NPC的动作僵硬、不自然，会严重破坏用户的沉浸感，从而影响实验数据的可靠性。为了解决这个问题，团队引入了游戏与动画工业界的前沿技术——Motion Matching（动作匹配）。
传统动画要么是预设的循环动作，要么需要在不同动作间进行复杂的混合，容易产生滑步或不连贯。Motion Matching 则采用了一种数据驱动的“检索”思维。
它拥有一个庞大的、预先录制好的人类行走、转向、停顿等动作的动画数据库。同时，还有一个记录了这些动作发生时角色状态（如速度、朝向、位置）的特征数据库。
在运行的每一帧，系统都会根据NPC当前的实际状态（比如：正在以1.1米/秒的速度向左前方移动），生成一个“搜索提问”。然后，它会在特征数据库中飞速寻找与当前状态最匹配的“那一帧”动画。找到后，便直接从动画数据库中调用对应的角色姿势来渲染。
这相当于为每个NPC配备了一位实时的、永不疲倦的动画导演，能随时从海量动作库中挑选出最贴合当前移动状态的一帧。 其结果就是，NPC的动画无比流畅自然，转身、闪避、加速都如真人般顺滑。
然而，计算数百个NPC的Motion Matching是极其耗费算力的（本研究使用了顶级的RTX 4090显卡）。为此，团队采用了巧妙的细节层次（LOD）优化：只为用户头戴显示器（HMD）视野范围内的NPC进行高精度的Motion Matching计算；对于视野之外的NPC，则使用简化的动画或甚至暂停计算。这确保了整个系统能够在维持高保真视觉效果的同时，流畅运行。
编织一件会“说话”的触觉衣
创造了可信的虚拟人群后，下一步就是建立用户与这个世界之间的触觉沟通渠道。研究团队自主研发了一款全方位触觉反馈服，这不仅是硬件创新，更包含了一套精巧的“触觉语言”编码系统。
触觉服的核心是6个独立的触觉单元，它们战略性地布置在用户上半身的胸部左右侧、左右上臂以及上背部。它覆盖了人体上半身的主要受力和感知区域，能够模拟来自前、后、左、右以及所有斜向的触碰。每个单元都由一个微型振动电机和一个采用Shore A 80硬度橡胶材料3D打印的外壳构成。选择橡胶材质而非硬塑料，是为了更好地与人体贴合，让振动波更柔和、更广泛地传递，模拟真实的触碰感，而非生硬的“嗡嗡”震动。
同时，研究团队设计了一套精细的方向编码系统。当虚拟环境中的NPC与用户的距离小于设定的0.65米碰撞阈值时，系统不会粗暴地让所有电机一齐震动。相反，它会进行一系列高速计算：
步骤一：判定碰撞方向。 以用户为中心，将360度平面划分为12个30度一个的扇形区域。
步骤二：激活对应电机。 根据碰撞发生的具体方向，激活与之最接近的1到2个触觉单元。
通过这种组合，这件触觉服能够生成12种截然不同的触觉模式。这就像一套由12个基本单词构成的触觉语言，能够清晰地向用户的大脑传递“碰撞来自何方”这一关键信息。所有这些单元通过蓝牙由一颗ESP32微控制器统一协调，确保了反馈的即时性和低延迟。
接下来，团队设计了一套严谨的数据采集与分析流程，像侦探一样从用户的行为痕迹中寻找线索。为了在VR中还原用户的真实动作，团队使用了索尼的Mocopi（一款基于6个惯性测量单元IMU的动捕系统）。然而，纯IMU系统在长时间使用后容易产生位置漂移，导致用户的虚拟化身“飘走”。
为此，他们创新地采用了传感器融合方案：用户的身体姿态（关节弯曲、躯干转动）由Mocopi提供，而头部（HMD）的精确位置和朝向，则直接采用HMD自身的定位数据。这样既利用了IMU捕捉身体运动的灵活性，又保证了整体定位的稳定性，确保了自我化身的准确渲染。
研究人员进一步将每次碰撞事件，按照NPC相对于用户的方位（前、侧、后） 和是否在视野内进行了分类。这种精细化的分类使得他们能够回答更深刻的问题：触觉反馈是在所有情况下都起作用，还是仅在视觉盲区（如身后）才效果显著？
数据显示，在有触觉反馈的条件下，用户的行走轨迹显著变长、更加曲折，同时骨盆的转动幅度也更大。这表明，感受到“触碰”的用户，不再满足于“挤过去”，而是做出了更多侧身、绕行的主动避让动作。他们的虚拟身体变得更加“礼貌”和“谨慎”。
然而，一个反直觉的现象是：触觉反馈组的用户，与NPC发生的碰撞次数反而增加了。 这并非触觉失灵，恰恰相反，它揭示了动态环境的复杂性。更积极的避让动作，在如此密集且多变的人流中，就像在拥挤的舞池中跳起了更复杂的舞步，虽然意图是避开眼前的舞伴，却可能意外地撞到身后的其他人。
触觉不仅指挥了身体，也指挥了目光。数据显示，有触觉反馈时，用户头部（颈部）转动的幅度和频率都显著更高。那份来自侧方或背后的轻微震动，仿佛是一个无声的警报，促使他们下意识地转头去确认情况。问卷调查结果与此完美印证：用户普遍报告，在触觉帮助下，他们对视野盲区内的NPC意识更强了。
在步行速度上，研究发现了一个有趣的现象：触觉反馈并没有改变用户的平均步行速度，但却显著增大了速度的标准差。
这意味着什么？想象一下你在真实人群中的行走：突然有人挡在面前，你会减速或停顿；发现一个空当，你会立刻加速通过。你的速度是不断变化的。而在无触觉的VR中，用户更容易保持一种“匀速”的、略带机械感的行进模式。触觉反馈的引入，打破了这种匀速状态，让用户的步行节奏变得更动态、更“一惊一乍”。这正是用户对虚拟环境中的碰撞变得更敏感、行为模式更接近现实的有力证据。
这项研究为我们勾勒出了下一代沉浸式模拟技术的清晰蓝图。在应急疏散训练领域，未来的消防员、安保人员或普通民众，可以在绝对安全的环境中，通过触觉反馈亲身“感受”到灾难性拥挤的压力和混乱。这种训练所塑造的肌肉记忆和应激反应，将远比观看视频或进行简单的VR行走训练要深刻得多。
对于城市规划和建筑设计，设计师们可以利用这个平台，在建筑动工之前，就在虚拟空间中测试其设计的流通效率。他们不仅能“看到”人群的流动，还能通过触觉服“体验”到设计瓶颈所带来的拥堵和碰撞感，从而从源头上优化设计，预防潜在的公共安全隐患。
展望未来，研究人员指出，当前的振动反馈仍相对初级。未来的触觉设备可能会集成力度可调的线性共振致动器、温度模拟、甚至轻量的电肌肉刺激，以模拟从擦肩而过的轻柔触感到强烈挤压的不同感受。同时，如何在极高密度人群中优化触觉提示，避免信息过载，也是一个充满挑战的课题。
