研究员用生理信号提前预测VR晕动症,准确率达97.44%
研究人员最近提出了使用深度神经网络来检测和预测晕动症程度的方法。他们通过机器学习和深度学习方法训练了一个名为Convolutional Long Short-Term Memory的模型,并使用生理数据来进行实验。通过采集被试的心率、呼吸频率、心率变异性和皮肤电反应数据,研究人员发现在经历晕动症时的生理信号与正常基线存在显著差异。然后,他们比较了不同分类器在检测和预测未来晕动症程度方面的精确度。结果显示Convolutional Long Short-Term Memory分类器在检测当前晕动症程度方面的精确度达到97.44%,预测未来晕动症严重程度的精确度为87.38%。研究人员指出需要进行更多的研究,包括扩大被试人数和被试类型,以及针对不同类型的VR体验进行测试。如果能够精确地测量用户的晕动症程度并提前预测严重程度,系统就能及时采取适当的预防措施。