多用户重置控制器在重定向行走中的应用：基于强化学习的方法
摘要：多用户重定向漫步（RDW）的重置技术明确地扭转用户的方向，以避免与边界、障碍物或其他用户在物理空间中发生碰撞。然而，过多的重置会降低用户的沉浸感和存在感。已经进行了许多RDW研究来解决这个问题。其中，对于通过制定重置方向规则（例如2:1转向、重置到中心）或针对给定环境进行优化来减少重置次数的重置技术进行了大量研究。然而，现有的重置技术优化研究主要集中在单用户环境中。在多用户环境中，其他用户的动态移动和物理空间中的静态障碍物增加了重置的可能性。在本研究中，我们提出了一种多用户重置控制器（MRC），该控制器在重置时考虑了物理障碍物和多用户移动，以最小化重置次数。通过使用多智能体强化学习训练MRC，在不同环境中确定最佳的重置方向。这种方法使MRC能够有效考虑不同的环境背景，包括任意物理障碍物和同一物理空间中其他用户的动态移动。我们通过模拟测试和用户研究将MRC与其他重置技术进行了比较，结果显示MRC将平均重置次数减少了高达55\%。总体而言，我们的研究证实了MRC在多用户环境中是一种有效的重置技术。附加材料可在匿名链接上找到：(https://osf.io/rpftu/?view\_only=8230f344502f4013af2a5229db5e21c3)。
作者：Ho Jung Lee, Sang-Bin Jeon, Yong-Hun Cho and In-Kwon Lee
论文ID：2306.11433
分类：Human-Computer Interaction
分类简称：cs.HC
提交时间：2023-06-21