比利时鲁汶大学提出轻量级VR晕动症检测方法，准确率达93％
准确率达93%
（映维网Nweon 2026年05月04日）造成用户出现恶心、头晕、视觉疲劳等症状的晕动症长期困扰着业界。日前，比利时鲁汶大学发表了一项研究，利用眼动和头部追踪数据，配合轻量级集成学习模型，可实现高效、低成本的实时晕动症检测。在跨用户测试中，这一解决方案取得93%的检测准确率。
现有晕动症检测方法多依赖脑电、心电等生理信号，不仅需要额外传感器，而且模型复杂、计算负担重。研究团队另辟蹊径，仅使用VR头显内置的眼动和头部追踪数据：共40维原始信号。通过特征筛选，他们发现瞳孔位置、注视原点、眼睛原点、头部旋转角度等23维特征最具判别力，可解释约92%的检测性能。
在模型选择方面，团队对比了LSTM、GRU、CNN-LSTM等多种深度学习模型，以及随机森林、XGBoost等集成学习模型。结果显示，XGBoost集成模型在10折交叉验证中取得了平均准确率92%，对“无”“低”“中”“高”四类晕动症等级的F1分数更为均衡，而训练时间仅数秒，推理时间每样本约0.06毫秒。相比之下，部分深度学习模型在同样数据上表现不稳定，且训练时间更长。
......（全文 878 字，剩余 501 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
