巴西团队用AI量化VR赛车和飞行游戏的晕动症诱因
旋转和加速度是主要元凶
（映维网Nweon 2026年06月22日）VR头显带来的沉浸式体验令人惊叹，但许多用户在使用时会感到恶心、头晕、疲劳。这种称为“晕动症”的不适感长期困扰着行业。巴西弗鲁米嫩塞联邦大学和巴拉那联邦理工大学的最新研究提出，机器学习算法不仅可以预测不适的发生，而且能对诱因进行排序，为游戏设计师提供精准的缓解策略。
研究发现，在飞行游戏中，旋转和加速度更频繁地触发晕动症。在赛车游戏中，用户自主控制的加速度变化反而诱因比例较低（5.6%，飞行游戏为11.8%）。旋转在飞行游戏中的致因评分（PCS）为18.70，高于赛车游戏的13.83。
团队认为，用户控制的加速度变化在赛车游戏中较少导致不适，这可能是因为用户有一定的预测能力。
研究同时发现，VR经验较少的受试者更容易感到不适。在赛车游戏中，先前经验对不适的影响更为突出，因为赛车游戏给予用户更多的控制器自由度、更多移动选择和用户控制的加速度变化。这一结论提示，低复杂度控制器的VR游戏更适合新手用户。
在两种游戏场景中，暴露时间（即使用时长） 均列为最常见的晕动症诱因。赛车游戏的CS总贡献率为39.4，飞行游戏为35.9。研究建议，赛车游戏最好将单次暴露时间控制在5分钟以内，或者在每5分钟体验后安排休息间隔。
另外，短期暴露（如5分钟）与长期暴露（20分钟）的诱因模式存在明显差异。在20分钟游戏的前5分钟，速度扮演了关键角色（PCS高达28.97），而随着时间推移，旋转和加速度的权重会发生变化。这意味着，在设计长时间VR体验时，需要动态调整缓解策略。
尽管有效样本中女性仅有9人，但初步数据显示，女性在赛车游戏中以更恒定的加速度和更慢的速度游玩，而男性则更频繁地变化加速度。一个潜在原因是，女性因视野更宽，可能更容易出现不适。年龄方面，年长参与者更易感晕动症。
与以往使用深度神经网络预测CS的研究不同，研究选择了符号化机器学习（决策树和随机森林）。这类模型的可解释性使研究者能够理解决策路径，并计算出每个特征对不适的“贡献度”，即通过决策树中节点的深度和出现频率，得到潜在致因评分。
随机森林在实验中取得了更好的泛化能力：赛车游戏测试集AUC平均0.77，飞行游戏高达0.95。
基于识别出的诱因排序，研究人员为两种游戏分别提出了缓解策略：
-
赛车游戏：首要应对暴露时间（引入间隔），其次是速度（可使用慢动作效果），再次是旋转（可采用旋转模糊或隧道视野）。
-
飞行游戏：同样首先控制暴露时间；在游戏的第5-10分钟，旋转最为关键，建议使用旋转模糊+隧道视野；加速度在第5-10分钟和第15-20分钟期间权重较高，可进行实时加速度调整。
相关论文：Identifying cybersickness causes in virtual reality games using symbolic machine learning algorithms
当然，研究团队坦诚，女性、老年人和有VR经验的受试者样本偏少，可能影响结论的普适性，未来将致力于数据集平衡、探索性别差异与具体任务的关联，以及开展更长时间的暴露实验，从而隔离单一诱因。
