对于曲线行径轨迹的虚拟行人,怎么让他避障呢?

   自动化那些事        

在拥挤的社区空间中导航,需要与遵循直线和曲线轨迹的行人进行互动。在直线轨迹的情况下,已经证明了步行者的感知行动机会可能是基于未来最接近的距离而提供的。然而,对于避开遵循曲线轨迹的步行者时的避撞行为却知之甚少。


二十二名参与者沉浸在虚拟环境中,在不同的最近接近距离上避开了一个遵循直线路径或半径为5米或10米的曲线的虚拟人(VH)。本文以“Influence of path curvature on collision avoidance behaviour between two walkers”为题于2020年11月11日发布于《Experimental Brain Research》杂志上。

对于曲线行径轨迹的虚拟行人,怎么让他避障呢?


研究背景与实验


在普通的情况下,研究者走在大街上,会摄取环境信息来调节与其他障碍物的人际距离,并在不发生碰撞的情况下移动。有些障碍物是静止的,而有些障碍物则是移动的(即人为障碍物)。


在对撞避让交互的情况下,直线轨迹的避让行为已经被广泛报道。已有研究表明,观察到的行为反应可能是特定情况因素的结果,如穿越顺序、穿越角度和未来的碰撞风险,可以用最小预测距离来表征。


此前已有研究表明,在拦截任务中,视觉系统对直线和曲线轨迹的自我运动和物体运动的方向性变化都很敏感,而且有证据表明,视觉系统对速度的感知很敏感,但对加速度反而不敏感。以往的研究结果报道,与恒速相比,非恒速(即不断加速)时的接触时间判断能力较差。


然而,人类有能力调整自己的行为来与加速的障碍物进行交互。正如在各种心理物理学操作下拦截飞行中的球所证明的那样;例如,步行者在试图拦截一个沿着5米和10米半径曲线的中侧轨迹的球时,使用恒定的方位角策略前瞻性地控制他们的速度。


前瞻性控制是连续利用视觉信息进行连续的动作调节。而预测控制则是从初始感知变量出发的适应性行为,刺激的进一步更新并不影响动作的调节。拦截飞行中的球的动态允许在整个交互过程中进行预见性控制,是一种连续的行动调节多种可能性,朝着一个特定的目标前进。


然而,一个避免碰撞的任务开始于一个特定的场景(即有碰撞的风险),可以根据初始行为发展出多种结果。因此,拦截任务的研究结果在多大程度上适用于避撞任务中的行人导航是不确定的。


实验控制曲线轨迹与可重复的法线加速将是困难的,因此是一个限制。虚拟现实是一种新颖的方法,此前已被用于研究运动和相互作用,因为它已被证明是生态感知-行动研究的有力工具。尽管虚拟现实并非没有局限性,但对于目标导向的运动任务来说,在虚拟现实中观察到的行为反应符合现实,尽管交互方法不同。此外,关于避撞任务,个人空间的保存和类似的避撞行为反应也有报道。因此,研究者开发并在虚拟现实中进行了实验。


行者能否考虑到曲率的问题,会导致两种不同的行为。首先,如果步行者感知到的情况没有考虑到曲率,那么在碰撞风险变得足够高(即接近0米)的时刻才会有适应性,从而诱发避让动作。


相应地,如果避撞确实是依靠方向和速度的线性外推,那么当另一个步行者以弯曲的轨迹接近它们时,预计步行者会更频繁地改变他们的穿越顺序,并更频繁地碰撞。因此,MPD演化曲线将揭示行者(试图)对MPD的线性外推做出反应。另外,如果步行者考虑到路径的曲率,MPD演化曲线将与之前描述的直线交互过程中的MPD演化曲线相似。在这种情况下,步行者可以避免反转,只有当碰撞的实际风险接近0米时才会进行避让机动。


22名健康大学生(男13人,女9人),年龄27.59±4.11岁(平均±SD)。所有参与者均有正常或矫正至正常视力,没有疾病或损伤史,这可能影响他们的参与能力。

对于曲线行径轨迹的虚拟行人,怎么让他避障呢?


假设未来最接近的方法(MPD)随着时间的推移,考虑曲率(红线),而不考虑曲率。蓝色和橙色线是曲线轨迹相互作用中的线性外推(分别为5米和10米半径),也没有适应性。注意,在这些线性外推情况下,MPD开始为正,而实际MPD为负。不考虑路径曲率的一个后果是它会影响避碰行为。


对于曲线行径轨迹的虚拟行人,怎么让他避障呢?


图为虚拟环境布局


参与者从封闭走廊内的起始位置开始每个试验,并以操纵杆基线速度自动移位;当参与者离开走廊时,操纵杆功能被恢复给参与者,虚拟步行者从参与者的左右推进。


参与者交互响应的后处理是使用定制的MATLAB脚本执行的(Mathworks,2016b)。利用参与者和虚拟步行者的轨迹和速度,研究者计算了最小交叉距离、交叉顺序的反演和碰撞(如果有的话)。最小交叉距离被定义为参与者与虚拟步行中心之间的最短距离,交叉顺序被划分为通过虚拟步行器的参与者作为第一或第二步,当参与者改变初始顺序作为其避碰策略的一部分时,将反转。当最小交叉距离小于50 cm时,定义了碰撞,这是参与者和虚拟步行者半径之和。研究者还计算了MPD在整个试验中的时间演变。

对于曲线行径轨迹的虚拟行人,怎么让他避障呢?


图为虚拟步行者路径函数中碰撞和反转次数的百分比


在3501起中有79个审判中发生了碰撞,3501次试验中发生340次倒置,虚拟步行路径对交叉顺序倒置的百分比有显著的整体影响。

对于曲线行径轨迹的虚拟行人,怎么让他避障呢?


图中顶部,曲线与交叉顺序之间的相互作用对最终穿越距离的影响;底部,曲线对平均(±SD)调节时间的主要影响

对于曲线行径轨迹的虚拟行人,怎么让他避障呢?


图为规划和规范回避行为时考虑路径曲率


该研究的目的是研究在与一个具有正常加速度并产生曲线轨迹的虚拟步行者互动时的避撞行为。研究者包括一个使用直线轨迹的避免碰撞任务,类似于先前的研究,作为控制情况。


此外,研究者将重点放在与参与者路径垂直相交的曲线轨迹上,作为对避碰行为的曲线轨迹的初步研究,研究者使用具有固定半径的轨迹。为此,研究者评估了曲线轨迹对适应行为和特定事件时间的影响,并着重分析了两个步行者之间预测的最接近距离。在3501个试验中,几乎所有试验都出现了动作适应。


在虚拟步行路径的不同条件下,参与者的避碰行为呈现出三个不同的交互阶段:观察、反应和调节。这些发现与现实中的线性轨迹步行者、步行者和轮式机器人和虚拟现实中的步行者。


结果表明,虚拟行人路径对最终穿越距离有主要影响。P5条件的最终穿越距离显著小于INF、P10和N10条件。研究者还考虑了最终穿越距离的变异性,如果条件难以感知,预期变异性会更大。然而,研究者没有发现虚拟步行路径在最终穿越距离变异性上的显著差异。


这些发现支持了参与者感知虚拟步行路径的差异,并成功地调整了自己的轨迹以避免碰撞。P5的最终穿越距离明显小于INF、P10和N10。但是,这个距离并没有造成碰撞。总的来说,几乎没有碰撞报道,从碰撞的总数,P5条件大大超过正报道。从这些发现,研究者可以总结,当虚拟沃克是一个曲线轨迹半径5米和方法从参与者,后面整体回避行为会产生较小的跨越距离和碰撞的概率增加。


这可能是由于参与者需要更多的时间来理解任务,或者相反,任务被更快地解决了,并且在P5条件下可能不正确。当考虑初始交叉顺序的逆序时,研究者的结果显示了路径的影响。与轮式机器人和虚拟现实的研究类似,研究者观察到试验中存在3%至20%的逆反现象。


从研究者的结果来看,INF的逆序数最少,与以往的研究相似,而N5的逆序数最多。在现实生活中两个步行者之间的直线设置中,没有反转的报告,两个步行者都保持了MPD的交叉顺序。倒置的作用以前被解释为保护个人空间免受物理危险的一种极端行为反应,因为它在能量方面效率低下。


研究者的这些发现支持了他们的假设,即回避行为会受到曲线轨迹的干扰。此外,这些行为适应可能是预先控制的行为的结果。演化表明,在最初的交互过程中,具有较大的近似值,并且越来越接近交叉。


研究结论


该研究调查了被动虚拟步行者的直线和曲线轨迹对避撞行为的影响。研究者表明,虚拟步行者路径信息的性质确实影响了最终的穿越距离和MPD演化的阶段。然而,只有当虚拟步行者遵循半径为5米的曲线轨迹时,才会观察到这些影响。


从定性上看,所有的实验条件都再现了类似的运动适应性;参与者通过观察、反应和调节来预期相互作用。从有报告碰撞或倒转的少量试验中,P5的碰撞次数最多,N5的倒转次数最多。从控制条件来看,10米的曲线路径对碰撞或倒转次数没有显著影响。


由于与直线轨迹相比,曲线轨迹的碰撞和反转次数增加,研究者可以得出结论,参与者在避免碰撞时不能考虑到曲率。未来的碰撞风险在互动的早期就被预测到了,并且在最终穿越之前就被预期到了。此外,这项工作还证明了MPD在考虑路径曲率的性质时,描述两个步行者之间互动的能力。为了充分理解复杂互动中的碰撞避免,未来的工作需要考虑加速度、不同半径和其他较难预测的轨迹。


参考文献:Sean D. Lynch, Richard Kulpa, Laurentius A. Meerhoff, Anthony Sorel, Julien Pettré & Anne-Hélène Olivier Influence of path curvature on collision avoidance behaviour between two walkers  Experimental Brain Research (2020)


最新评论(0)条评论
不吐不快,我来说两句

还没有人评论哦,抢沙发吧~

相关新闻推荐