خلاصه

این دست نوشته مشکلات حل نشده و چالش های تحقیقاتی در حوزه واقعیت توسعه یافته (XR) (یعنی مجازی (VR)، افزوده (AR)، و واقعیت ترکیبی (MR)) را شناسایی و مستند می کند. ساختار این نسخه خطی شامل فناوری ، طراحی و عامل انسانی باشددیدگاه ها متن روی تجسم/نمایش متمرکز است، یعنی سایر روش‌ها مانند صدا، لمس، بو و لمس، در حالی که برای XR مهم هستند، خارج از محدوده این مقاله هستند. ما بیشتر تمرکز خود را بر روی تحقیقات عمدتاً جغرافیایی، با انحرافات ضروری به سایر حوزه‌هایی که این فناوری‌ها به طور گسترده در آن تحقیق می‌شوند، محدود می‌کنیم. هدف اصلی این مطالعه ارائه یک نمای کلی از چالش ها و جهت گیری های تحقیقاتی گسترده تر در XR، به ویژه در علوم فضایی است. جدای از چالش‌های تحقیقاتی شناسایی‌شده بر اساس بررسی ادبیات جامع، ما مطالعات موردی را با نتایج اصلی از مطالعات خود در هر بخش به عنوان نمونه‌هایی برای نشان دادن ارتباط چالش‌ها در تحقیق فعلی ارائه می‌کنیم. ما معتقدیم که این مقاله برای هر کسی که علاقه علمی به واقعیت گسترده دارد، مرتبط خواهد بود.

کلید واژه ها:

واقعیت توسعه یافته (XR) ؛ واقعیت مجازی (VR) ؛ واقعیت افزوده (AR) ؛ واقعیت ترکیبی (MR) ؛ محیط های مجازی (VE) ؛ GIScience ; چالش های تحقیق

1. معرفی

اصطلاحات واقعیت مجازی، افزوده و ترکیبی (VR، AR، MR) به فن‌آوری‌ها و گزاره‌های مفهومی رابط‌های فضایی مورد مطالعه توسط محققان مهندسی، علوم کامپیوتر و تعامل انسان و کامپیوتر (HCI) در چندین دهه اشاره دارد. اخیراً اصطلاح “واقعیت گسترده” (یا XR) به عنوان یک اصطلاح چتر برای فناوری های VR/MR/AR پذیرفته شده است. در حدود پنج سال گذشته، XR با هیجانی تازه در علوم و صنعت مواجه شده است، زیرا پیشرفت‌های تکنولوژیکی اخیر منجر به تولید دستگاه‌های ارزان‌تر و سبک‌تر و نرم‌افزارهای قدرتمندتر نسبت به نسل‌های قبلی شده است. پیش از این، استفاده از XR “در آزمایشگاه” یا فقط در حوزه های تخصصی باقی می ماند. چرخش اخیر منجر به جذب گسترده تر در جامعه مانند دفاع غیرنظامی، هوانوردی، آمادگی اضطراری و برنامه ریزی تخلیه شده است. و تقریباً تمام رشته های آموزشی و همچنین در بخش خصوصی. در علم اطلاعات جغرافیایی (GIScience) و حوزه‌های مرتبط، مفاهیم و فن‌آوری‌های XR فرصت‌های منحصربه‌فردی را برای ایجاد تجربیات فضایی در شیوه‌های تعامل انسان با محیط خود و کسب دانش فضایی ارائه می‌کنند.1 ، 2 ، 3 ]، تغییری که محققان علم GIS قبلاً 20 سال پیش تصور کرده بودند [ 4 ، 5 ]. با پیشرفت‌های اخیر در نرم‌افزار، محاسبات فضایی [ 6 ، 7 ] به‌عنوان یک الگوی قدرتمند ظاهر شده است که شهروندان با تلفن‌های هوشمند را قادر می‌سازد تا محیط خود را در زمان واقعی، سه‌بعدی و با وفاداری بالا نقشه‌برداری کنند. با این حال XR صرفاً در مورد بازنمایی های سه بعدی یا فوتورئالیسم نیست: رابط های غوطه ور تجربیات قدرتمندی را بر اساس تجسم و طراحی تعامل ارائه می دهند که حس ما از فضا را تغییر می دهد. از طریق تجارب اطلاعاتی که به خوبی طراحی شده، قانع کننده و معنی دار هستند، می توانیم به طور جمعی گسترش دهیمتجربه زیسته ما با فضاهای جغرافیایی (از این رو، اصطلاح واقعیت گسترده). یک تغییر پارادایم اساسی در این مفهوم نهفته است که با VR، ما می توانیم حسی از مکان قابل مقایسه یا حتی یکسان با دنیای واقعی را تجربه کنیم. چنین پیشرفتی ممکن است نیاز به سفر از طریق دوربری مجازی و سفر در زمان را کاهش دهد و تحقیقات علمی را به روش های بی سابقه ای تحت تاثیر قرار دهد. Bainbridge (2007) [ 8 ] پتانسیل دنیای مجازی آنلاین مانند Second Life [ 9 ] و World of Warcraft [ 10 ] را ارائه می کند.] برای آزمایش های آزمایشگاهی مجازی، قوم نگاری مشاهده ای و تجزیه و تحلیل شبکه های اجتماعی. علاوه بر واقعیت مجازی، با تزریق اطلاعات به محیط خود از طریق محاسبات فضایی با AR و MR، می‌توانیم دنیای فیزیکی خود را به روش‌هایی که قبلا غیرقابل تصور بود، حاشیه‌نویسی و طراحی مجدد کنیم. چنین حاشیه نویسی (متن، شنیداری، بصری یا حتی بویایی) پتانسیل قابل توجهی برای تأثیرگذاری بر تفکر فضایی و یادگیری انسان و همچنین زندگی روزمره دارد. از جنبه مثبت، افراد می توانند به راحتی اطلاعات مرتبط (یا کمک، همراهی، الهام) را در زمینه دریافت کنند. به عنوان مثال، می توان اطلاعات را در دنیای واقعی با برجسته کردن، برجسته کردن یا پوشاندن اشیاء خاص یا هر بخشی از میدان بینایی تعمیم داد، به طوری که پدیده های مربوطه متفاوت از “نویز” ارائه شوند. در جنبه نگران‌کننده، ملاحظات اخلاقی مهمی وجود دارد [ 11 ]: اگر شخص دیگری واقعیت جغرافیایی ما را مدیریت کند، خطری برای استقلال انسان از طریق کنترل سیاسی بی‌سابقه، آلودگی اطلاعاتی با انگیزه تبلیغات، و مسائل عمیق‌تری وجود دارد که ممکن است بر سیستم شناختی ما تأثیر بگذارد. یک سطح اساسی به عنوان مثال، ممکن است فرض اساسی شناختی خود را در مورد ماندگاری شی از دست بدهیم [ 12] اگر دیگر نتوانیم اشیاء مجازی را از واقعی تشخیص دهیم، که سؤالات زیادی را برای ایجاد حس فضایی باز می کند.

در مجموع، انبوه داده‌های فضایی سه‌بعدی، دموکراتیزه‌سازی فناوری‌های توانمند، و پیشرفت‌هایی در گرافیک رایانه‌ای که شبیه‌سازی واقعی پدیده‌های طبیعی را امکان‌پذیر می‌سازد، همگی نیاز به بررسی مجدد مناسب از آخرین هنر در XR و چالش‌های تحقیقاتی فعلی دارند. بنابراین، در این مقاله، ما به طور انتخابی گفتمان XR میان رشته‌ای را مرور می‌کنیم و چالش‌ها را از منظر فناوری ، طراحی و عوامل انسانی شناسایی می‌کنیم ( بخش 2 ، بخش 3 و بخش 4).). قبل از ارائه این بخش‌های اصلی، اصطلاحات در حال تکامل XR را مرور می‌کنیم، مفاهیم کلیدی مشخص‌کننده XR را ابهام می‌کنیم و توضیح مختصری از روش‌شناسی خود ارائه می‌دهیم. از طریق این مقاله، ما طیف وسیعی از فرصت‌ها و چالش‌های تحقیقاتی و همچنین خطرات مرتبط با فناوری‌ها و تجربیات XR را پوشش می‌دهیم، به‌ویژه در ارتباط با علوم اطلاعات مکانی. هر بخش با یک مثال از GIScience به پایان می رسد تا بررسی ادبیات را به عمل تحقیق پیوند دهد.

1.1. اصطلاحات کلیدی

در سال‌های اخیر، اصطلاح واقعیت توسعه‌یافته (XR) به‌عنوان یک اصطلاح چتر برای دربرگرفتن کل طیف VR، AR، و MR استفاده شده است [ 13 ]، و به نوعی شبیه به زنجیره واقعیت مجازی شناخته شده است. [ 14 ] (در بخش بعدی توضیح داده شده است). برخی XR را به‌عنوان واقعیت متقابل باز می‌کنند، اگرچه به نظر می‌رسد که این موضوع کمتر غالب است: جستجوی Google برای واقعیت توسعه‌یافته 323 هزار بازدید ارائه کرد، در حالی که واقعیت متقابل در زمان نگارش این مقاله 63 هزار بازدید ارائه کرد. اصطلاحات مربوط به XR اغلب در زمینه های بین رشته ای بدون توضیح یا توجیه عمیق استفاده می شود و باعث سردرگمی می شود.

1.1.1. ابهام زدایی از شرایط اساسی

از آنجایی که XR طیفی از VR، AR و MR را بیان می کند، تعیین بین این اصطلاحات لزوماً مبهم باقی می ماند. بحث کمی در مورد تعریف VR وجود دارد (به جز نقش غوطه وری، که در بخش بعدی توضیح داده شد)، اما تمایز MR و AR به همین سادگی نیست. برای مشخص کردن نمایشگرهای VR و جدا کردن آنها از رسانه هایی مانند ویدیوها یا نرم افزارهای تجسم، چندین محقق معیارهای متمایز را پیشنهاد کردند. در GIScience، MacEachren [ 4 ] چهار عامل کلیدی را پیشنهاد می کند: غوطه وری ، تعامل ، شدت اطلاعات ، و هوش اشیا ، که بر اساس گزاره های قبلی مانند مثلث VR Burdea است. 15 ].]. با در نظر گرفتن این معیارها، یک فیلم سه بعدی، که در آن کاربر به طور تعاملی دیدگاه را کنترل نمی کند، به عنوان یک محیط مجازی (VE) در نظر گرفته نمی شود [ 14 ]. تعریف Slocum و همکاران (2009، ص 521) [ 14 ] از یک VE نیز به طور ضمنی شامل این معیارها می شود: “شبیه سازی کامپیوتری سه بعدی از یک محیط واقعی یا خیالی که کاربران قادر به حرکت و تعامل با آن هستند.” . بر اساس درک مشابه، لین و گونگ (2001) [ 16 ] از دیدگاه‌های اولیه درباره آینده جغرافیا توسط کاستلز (1997) [ 17 ] و باتی (1997) [ 18 ] استفاده کردند و اصطلاح محیط‌های جغرافیایی مجازی (VGEs) را رسمی کردند. ) [ 19 ، 20]. Peddie (2017) اظهار داشت که یک ویژگی تعیین کننده VR این است که کاربر را از واقعیت واقعی با معرفی موانع حذف می کند (به عنوان مثال، مانند نمایشگرهای روی سر (HMDs) و همچنین تا حدی توسط Cave Automatic Virtual Environments (CAVEs) [ 21 ، 22 ]. ، 23 ]). برعکس، AR و MR حاوی اشیاء مجازی بدون واقعیت مسدود کننده کامل هستند: نمایشگرهای AR و MR یا اپتیکال هستند یا از طریق ویدیو . با نمایشگرهای شفاف نوری، بینندگان می‌توانند دنیای واقعی را از طریق آینه‌های نیمه شفاف ببینند، در حالی که با مشاهده ویدیویی، دنیای واقعی از طریق دوربین‌ها گرفته می‌شود و در HMD به کاربر ارائه می‌شود [ 16 ، 24 ]. شکل 1چند مثال در طیف XR را نشان می دهد.

چگونه باید AR را از MR تشخیص دهیم؟ میلگرام و کیشینو (1994) پیوستار واقعیت مجازی ( شکل 2 ) به وضوح از تمایز بین AR و MR پشتیبانی می کند: MR یک ابرکلاس از نمایشگرهای بصری است که از هر دو AR و AV (مجازیتی تقویت شده) تشکیل شده است [ 24 ]. در این طبقه بندی ( شکل 2 )، می توان MR را بین محیط واقعی و مجازی در نقطه ای مشاهده کرد که ترکیب دنیای فیزیکی و عناصر مجازی را امکان پذیر می کند.

در مدل میلگرام و کیشینو (1994)، AR همچنین می‌تواند مکمل VEs باشد که منجر به مجازی‌سازی تقویت‌شده (AV) شود. یک محیط مجازی با رگه هایی از واقعیت مانند دست های کاربر. دو مقوله درونی (AR و AV) در زنجیره واقعیت مجازی از نظر طراحی مبهم هستند، و بنابراین توسط نویسندگان مختلف به طور متفاوت تفسیر می شوند. MR میلگرام و کیشینو (شامل AR و AV)، و منظور مردم امروز از MR متفاوت است. در گفتمان مدرن، MR پیشنهاد می‌کند که ارجاع مکانی در زمان واقعی وجود دارد (یعنی محاسبات فضایی)، بنابراین اشیاء مجازی و واقعی در یک چارچوب مرجع فضایی قرار دارند و تعاملات معنی‌دار بین آنها امکان‌پذیر است، در حالی که اطلاعات در هر نقطه از جهان روی هم قرار می‌گیرند (مانند یک صفحه نمایش، آیتم های منو و غیره) AR [ 7]. ما این تعریف را در این دست‌نوشته اتخاذ خواهیم کرد، اگرچه خوانندگان باید توجه داشته باشند که در این مرحله توافق نظری در مورد تعریف MR وجود ندارد [ 26 ]. میلگرام و کیشینو (1994) [ 24 ] پیش‌بینی کردند که طبقه‌بندی یک تجربه به عنوان «بر اساس محرک‌های واقعی یا مجازی» ممکن است در طول زمان کمتر آشکار شود، بنابراین اصطلاحات AV و AR کمتر مورد نیاز خواهند بود و MR ممکن است جایگزین هر دو شود. امروز، 26 سال بعد، AR هنوز واژه غالب است، حتی زمانی که مردم به معنای MR یا AV هستند: جستجوی گوگل برای AR حدود 49 میلیون بازدید را نشان داد، اگرچه MR در واقع در حال افزایش است (9.75 میلیون بازدید) و افراد زیادی از آن استفاده نمی کنند. اصطلاح AV (~74k بازدید). توجه داشته باشید که طعم های مختلف MR نیز گاهی اوقات به عنوان واقعیت ترکیبی نامیده می شود [ 21]. زمانی که منظورمان محیط‌هایی است که شامل اشیاء مجازی ثبت‌شده مکانی (یعنی ارجاع جغرافیایی بلادرنگ) در دنیای واقعی هستند، از MR در سراسر این مقاله استفاده می‌کنیم.

1.1.2. ابهام زدایی از برخی مفاهیم کلیدی

علاوه بر طیف XR، مفاهیم زیر در گفتمان XR مهم هستند: غوطه وری و حضور (حس حضور، حضور دور)، و اصطلاحات (دوباره) ظهور دیجیتال دوقلوی دیجیتال ، جهان آینه ای و زمین دیجیتال .

غوطه وری یک اصطلاح مهم برای روشن شدن است زیرا به نظر می رسد به معنای چیزهای کمی متفاوت است. منشا آن در زبان طبیعی به غوطه ور شدن در آب مرتبط است [ 27 ]. بنابراین، استفاده استعاری از کلمه غوطه وری نشان می دهد که کاملاً توسط چیزی احاطه شده است، در نتیجه تجربه را از طریق تمام حواس انسانی “به عنوان یک کل” درک می کنیم. اسلاتر و ویلبر (1997) [ 28 ] با اتخاذ موضع فناوری محور، بیان می کنند که غوطه وری توانایی نمایشگر رایانه برای ایجاد یک توهم زنده (بصری) از واقعیت است. با این حال، فناوری XR در نهایت آرزوی ایجاد یک تجربه کامل شامل تمام حواس انسان (نه تنها بینایی) را دارد. شرمن و کریگ (2018) [ 29] تصدیق کنید که این اصطلاح هم برای فضاهای فیزیکی و هم برای فضاهای روانی کار می کند و اینکه غوطه ور شدن می تواند به حالت ذهنی صرفاً درگیر بودن بسیار عمیق با یک محرک (مثلاً خواندن داستان، تماشای یک فیلم) یا احاطه شدن فیزیکی توسط محرک های محرک اشاره کند. هدف دستیابی به چنین غوطه وری ذهنی است (به عنوان مثال، مانند تجزیه و تحلیل غوطه ور، که در آن بازنمایی واقعیت نیست اما می توانیم در داده ها قدم برداریم [ 30 ]). بسیاری از نمایشگرهای استریوسکوپی محرک هایی را ارائه می دهند که بیننده را احاطه می کند و در سیستم های XR مهم هستند [ 28 ، 31 ]. تا حدی به دلیل غوطه وری ارائه شده توسط نمایشگرهای استریوسکوپی، به نظر می رسد هدست های واقعیت مجازی فعلی یک اثر فک افکن ایجاد می کنند (یعنی به اصطلاح فاکتور wow-factor ( شکل 3))).

بینندگانی که از نظر فضایی در یک فضای مجازی «احاطه شده‌اند» ممکن است در آن فضا احساس حضور داشته باشند و حضور دیگران را احساس کنند، و اصطلاحات (حس) حضور و حضور دور، ساختارهای مفهومی انتقادی هستند. در اصطلاح اساسی، حضور به معنای حس بودن در جایی است [ 32 ]. حضور در XR نشان می دهد که بیننده به سادگی تماشا می کند ، اما آنها احساس می کنند که خودشان در آن فضا هستند. این ایده اصلی که می توان از طریق ابزارهای فناورانه به حس حضور دست یافت، پیامدهای جالب بسیاری برای علوم فضایی دارد. برای مثال، با حضور دور [ 29]، می‌توان سفر در فضا را شبیه‌سازی کرد (مثلاً از قله هیمالیا دیدن کرد، روی ماه قدم زد، اقیانوس‌ها را کاوش کرد، از یک دوست در خانه دیدن کرد)، یا در زمان (مثلاً به خانه دوران کودکی خود برگردید، از مایاهای باستانی دیدن کنید) [ 33 ]. شهروندان به عنوان حسگر [ 34 ] و اینترنت اشیا (IoT) به طور مداوم تولید داده ها را تسریع می کنند و این دیدگاه های XR آینده نگرانه را بیش از پیش قابل قبول تر می کنند. با توجه به دستگاه‌های هوشمند و اینترنت اشیا، هر موجودیتی از نظر تئوری می‌تواند داده‌های بلادرنگ را به دوقلو دیجیتال خود منتشر کند [ 35 ]. یک دوقلو دیجیتال یک کپی دیجیتالی از یک موجود فیزیکی است. در حالت ایده آل، شامل به روز رسانی ها است و تمام اطلاعات مربوط به همتای فیزیکی خود را ذخیره می کند، و تعاملات دو طرفه بین دوقلوها وجود دارد [35 ] (مثلاً با سفت کردن دوقلو دیجیتالی یک پیچ، می‌توانیم پیچ فیزیکی را محکم کنیم وبرعکس) . با تولید شتابان دوقلوهای دیجیتال، مفاهیم طولانی مدت زمین فضایی جهان های آینه ای [ 36 ] و زمین دیجیتالی [ 37 ] قابل تصور تر می شوند و همچنان بر علم GIS تأثیر می گذارند.

1.2. واقعیت توسعه یافته (XR) در GIScience

در حالی که شایستگی تحلیل‌های فضایی کلاسیک به خوبی تثبیت شده است، XR شامل محاسبات فضایی یکپارچه است که راه‌های صریح و ضمنی جدیدی را برای اتصال بازنمایی‌های مبتنی بر داده به طور مستقیم به پدیده‌های دنیای واقعی ارائه می‌کند. بنابراین، فن‌آوری‌های XR تجربیات منحصربه‌فردی با پتانسیل قابل‌توجهی برای تغییر نحوه و مکان تولید و مصرف داده‌های مکانی ارائه می‌کنند و نه تنها روش‌های جدید (برای مشاهده، تعامل و درک آن داده‌ها)، بلکه فضاهای اساساً جدید تعامل و نمایش را ارائه می‌دهند. 1 ]. هیوگ و همکاران (2011) [ 38] یک طرح طبقه بندی پیشنهاد کرد که کاربردهای واقعیت افزوده (که MR به طور ضمنی در آن گنجانده شده است) را برای نمایش داده های مشتق شده از GIS به عنوان نقشه های افزوده یا مناطق تقویت شده دسته بندی می کند. اولی نماهای افزوده‌شده‌ای از داده‌های جغرافیایی را به‌عنوان مدل‌های سه‌بعدی دیجیتالی مستقل ارائه می‌کند، و دومی نماهای افزوده‌شده‌ای از محیط طبیعی همراه با محتوای دیجیتال ارائه می‌دهد. در هر دو مورد، برنامه های AR به عنوان قطعی توصیف شدند، به سادگی مجموعه ای از تجسم های سه بعدی ساخته شده را به کاربر ارائه می دهد. XR در GIScience فراتر از محتوای ثابت و از پیش تعیین شده به سمت واسط هایی حرکت می کند که بسترهای تجربی را برای پرس و جو، آزمایش، همکاری و تجزیه و تحلیل بصری داده های مکانی فراهم می کند. رابط‌های XR تجسم، درک و تعامل با داده‌های مکانی را در فضاهای روزمره و انجام عملیات فضایی (مثلاً با استفاده از منطق بولی یا از طریق بافر) با استفاده از این رابط‌ها در محل برای ترویج انتقال دانش فضایی با بستن شکاف بین فضاهای تحلیل سنتی ( دنیای واقعی) و فضاهایی که به طور سنتی تجزیه و تحلیل های GIS انجام می شود (آزمایشگاه های GIS). در تحلیل های سنتی فضایی، این واقعیت که کاربر باید رابطه بین محصول داده و فضای مشخص شده توسط آن را در ذهن خود تفسیر کند، نیاز به پردازش شناختی اضافی دارد. فن آوری های موبایل از جمله گوشی های هوشمند، تبلت ها و HMD ها مانند هولولنز مایکروسافت [39 ] و Magic Leap [ 40 ] قادرند داده ها و فضا را از طریق فرآیندی به نام واقعی سازی در زمان واقعی [ 40 ] به هم متصل کنند. به عنوان نمونه هایی از MR در GIscience، Lonergan و Hedley (2014) [ 41 ] مجموعه ای از برنامه های کاربردی شبیه سازی جریان آب مجازی در سطوح واقعی را توسعه دادند و Lochhead and Hedley (2018) [ 42 ]] شبیه‌سازی‌های مکانی از تخلیه‌شده‌های مجازی در حال حرکت در فضاهای چندسطحی واقعی را ارائه می‌کند. در هر دو، شبیه‌سازی‌ها با نمایش داده‌های مکانی ساختار فیزیکی آن فضاها امکان‌پذیر شد. برنامه‌های MR آینده نمونه‌برداری و شبیه‌سازی بلادرنگ را امکان‌پذیر می‌سازد و به کاربر امکان می‌دهد جریان‌های آب مجازی را در هر سطحی کشف کند یا تخلیه‌های مجازی را از طریق هر ساختمانی تجزیه و تحلیل کند. یک چالش اصلی تحقیقاتی برای چنین کاربردهایی، توسعه فناوری است که بتواند ساختار فضاهای پیچیده را با دقت و دقت بالا حس کند (در بخش بعدی فناوری توضیح داده شده است).

1.3. روش بررسی

با توجه به ماهیت چند وجهی و میان رشته ای موضوعی که در این دست نوشته به آن پرداخته شده است (یعنی مروری بر کل گفتمان XR و چالش های گسترده پژوهشی)، ما از قالب روایت سنتی پیروی کردیم. یک ساختار کلیدی در متن، سه دیدگاه اصلی است که ما برای ایجاد بخش‌های اصلی استفاده کردیم: فناوری ، طراحی و عوامل انسانی . این سه بعد طیف گسترده‌ای از تلاش‌ها در این حوزه را پوشش می‌دهند، و ساختارهای مشابهی در آثار قبلی (مثلاً نقشه‌برداری معروف MacEachren ³ [ 43 ])، و انتشارات اخیر در مورد پیچیدگی بصری [ 44 ] پیشنهاد شده‌اند.] منابع الهام بوده اند. در صورت لزوم، ما استدلال های خود را کمی کردیم، در غیر این صورت متن ترکیبی کیفی از ادبیات است. ما بیش از 150 نشریه علمی و برخی اطلاعات مبتنی بر وب در مورد فناوری های اخیر را بررسی کردیم. این نشریات بر اساس رویکردی نیمه ساختاریافته انتخاب شدند. طیف وسیعی از ترکیب کلمات کلیدی برای شناسایی کار اصلی و تحقیقات اخیر با استفاده از طیف گسترده ای از موتورهای جستجو (به عنوان مثال، Google Scholar، Scopus، IEEE (موسسه مهندسین برق و الکترونیک)) استفاده شد که مجموعه ای جامع را نشان می دهد. پوشش کامل به دلیل تعداد زیاد مقالات و دامنه گسترده بین رشته ای معقول نیست. مخزن ایجاد شده برای ارزیابی ارتباط با علوم فضایی، و درجه اهمیت انتشارات در حوزه XR، توسط نویسندگان مشترک حاشیه نویسی شد (“کد” شد. سپس مواد جمع آوری شده تحت ساختار معرفی شده سنتز شدند. تفسیر (تفسیر و نقد) را نیز در این متن قرار می دهیم که الفموقعیت در مورد موضوعات تحت پوشش

2. فناوری

اگرچه ایده‌های اصلی توسعه‌های مرتبط با XR و الهام‌بخش آن‌ها در هسته آنها فلسفی بوده است، اکثر تحقیقات XR تا به امروز مبتنی بر فناوری بوده است. نمونه سوالاتی که معمولاً از منظر فناوری پرسیده می شوند عبارتند از: چگونه می‌توانیم دنیای مجازی با کیفیت بصری بالا ایجاد کنیم که با تجربه بصری روزمره انسان مطابقت داشته باشد. چگونه می توانیم این کار را هوشمندانه انجام دهیم (مثلاً با بیشترین کارایی و سودمندی). آیا می‌توانیم چنین جهان‌های بصری باکیفیتی را در دستگاه‌های شبکه پخش کنیم؟ چگونه می توانیم سطح جزئیات را مدیریت کنیم. چگونه می‌توانیم همه موارد فوق را به صورت سریع، بی‌درنگ و بر اساس تقاضا انجام دهیم. چگونه می توانیم سخت افزار و نرم افزاری بسازیم که ارگونومیک باشد… و غیره.این خط از تحقیقات به خوبی توجیه شده است. فناوری عملکرد به سادگی در ایجاد تجربیات مورد نظر و آزمایش فرضیه ها ضروری است و اینکه چگونه عملکرد فناوری (یا عملکرد نمی کند) نقش مهمی در هر تجربه XR ایفا می کند. با توجه به این تعامل قوی بین فناوری و تمام تحقیقات XR، ما چالش های تحقیقاتی فناوری و شکاف های فعلی در تجربیات XR را به دلیل مسائل فن آوری حل نشده بررسی می کنیم.

2.1. وضعیت هنر و روندها در فناوری واقعیت توسعه یافته (XR).

2.1.1. نمایش دستگاه ها

به دنبال ایده‌های موجود در مقدمه ، سطوح غوطه‌وری را به‌عنوان یک بعد مهم که نمایش‌ها در آن طبقه‌بندی می‌شوند ( شکل 4 )، و سطوح واقع‌گرایی (بصری) را به‌عنوان یک ملاحظات اضافی که به GIScience مرتبط است، بررسی می‌کنیم [ 13 ].

از دهه 1990، نمایشگرهای بصری به عنوان غیر غوطه ور، نیمه غوطه ور، یا (کاملا) غوطه ور طبقه بندی شده اند [ 45 ]. اگرچه غوطه وری تنها به دستگاه بستگی ندارد، بلکه به تعامل و طراحی تجسم بستگی دارد، چنین طبقه بندی هایی بسیار رایج هستند، بنابراین در اینجا نیز پوشش داده خواهد شد. با توجه به تعاریف رسمی، یک نمایشگر غیرقابل نفوذ نباید VR در نظر گرفته شود. با این حال، در عمل، این اصل اغلب نقض می‌شود (به عنوان مثال، پیاده‌روی‌های تعاملی سه‌بعدی پیش‌بینی‌شده بر روی نمایشگرهای دوبعدی یا ویدیوهای سه‌بعدی گرفته‌شده از VEs VR نامیده می‌شوند [ 46 ]]). دستگاه های نیمه غوطه ور اغلب از نمایشگرهای استریوسکوپی استفاده می کنند، اگرچه نمایشگرهای تک نما نیز ممکن است نیمه غوطه ور در نظر گرفته شوند (مانند شبیه سازها، نمایشگرهای بزرگ و منحنی). نمایشگرهای کاملاً غوطه ور کاربر را احاطه کرده و کل میدان دید او را با دنیای مجازی پوشش می دهند [ 47 ]. نمونه‌های اصلی انواع نمایشگر کاملاً غوطه‌ور، HMD و CAVE‌های 6 جداره [ 48 ] فهرست‌شده در شکل 4 هستند. نمایشگرهای AR/MR می‌توانند روی سر، مبتنی بر گوشی هوشمند یا تبلت، عینک هولوگرافیک یا هوشمند باشند و معمولاً بر اساس سطح غوطه‌وری طبقه‌بندی نمی‌شوند. نمونه‌هایی از دستگاه‌های AR/MR شفاف نوری شامل Hololens [ 39 ] مایکروسافت، Magic Leap One [ 40 ] و Google Glass [ 49 ] است.]، و نمونه‌های واضح ویدیویی شامل HMD مبتنی بر گوشی‌های هوشمند و دستگاه‌های مبتنی بر واقعیت مجازی مانند HTC VIVE [ 50 ] است که می‌تواند برای ایجاد تجربیات واقعیت افزوده استفاده شود. نمایشگرهای هولوگرافیک (به عنوان مثال، Looking Glass [ 51 ] و Holovect [ 52 ]) قدیمی‌ترین اشکال واقعیت افزوده هستند که قدمت آن به دهه 1940 برمی‌گردد [ 53 ] و ذاتاً متفاوت از نمایشگرهای استریوسکوپی هستند، زیرا از پراش نور برای تولید اشیاء مجازی استفاده می‌کنند در حالی که نمایشگرهای استریوسکوپی متکی هستند. روی یک توهم وقتی صحبت از استفاده از این سیستم‌ها در GIScience به میان می‌آید، کیت‌های توسعه نرم‌افزار مانند ARCore گوگل ظرفیت آن‌ها را برای درک محیطی نشان می‌دهند، اما تا کنون، آنها دنیای واقعی را به مجموعه‌ای از نقاط و سطوح ویژگی محدود می‌کنند [ 54 ]]. ثبت نقشه‌های تقویت‌شده در فضا یا انجام شبیه‌سازی‌های مسطح پایه به تنهایی ممکن است برای برخی کارها کافی باشد، با این حال، این ساده‌سازی بیش از حد فضا توانایی انجام هر گونه تجزیه و تحلیل فضایی معنادار شبیه GIS را به شدت مختل می‌کند. حسگرهای نوظهور مانند Structure Sensor by Occipital [ 55 ] و iPad Pro اپل [ 56 ] از پروژکتورهای مادون قرمز، دوربین ها یا اسکنرهای LIDAR برای نقشه برداری فعال محیط استفاده می کنند. هر رویکرد محدودیتی دارد (به عنوان مثال، مادون قرمز در داخل خانه به خوبی کار می کند اما در خارج از منزل مشکل دارد)، با این وجود، ترکیبی از این حسگرهای فعال ابزارهای نقشه برداری قوی خواهند بود که به پروژه های GIS و فضایی مانند ناوبری، اکتساب اطلاعات مکانی و تجزیه و تحلیل های سه بعدی حجمی خدمات خواهند داد. .

2.1.2. ردیابی در XR: مفاهیم، دستگاه‌ها، روش‌ها

ردیابی موقعیت، جهت‌گیری و وضعیت سر، دست‌ها، چشم‌ها، بدن و موقعیت و جهت دستگاه‌های نمایش/کنترل کاربران در رابط‌های XR بسیار مهم است. چنین ردیابی برای ایجاد مکاتبات فضایی در فضای مجازی (یا به صورت دیجیتالی ارتقا یافته) حیاتی است. هنگامی که ردیابی به خوبی کار می کند، نمایشگر می تواند با دیدگاه کاربر سازگار شود و به تعاملاتی که به طور فعال یا غیرفعال توسط کاربر ایجاد می شود پاسخ دهد و تجربه را باورپذیرتر کند. ردیابی ناکارآمد تجربه و حس غوطه وری را مختل می کند. همانطور که Billinghurst و همکاران. (2008) [ 57] فرض شده، دقت ردیابی برای MR بسیار مهمتر از VR است. در MR، ثبت فضایی حیاتی است، در حالی که در VR، موقعیت‌های نسبی اشیاء مجازی در یک چارچوب مرجع هستند و کاربران سطوح حرکتی یکسانی ندارند، بنابراین ردیابی ساده‌تر است. علاوه بر این، در VR، نقص در دقت ردیابی مکانی-زمانی ممکن است مورد توجه قرار نگیرد یا توسط سیستم ادراکی اصلاح شود (به عنوان مثال، یک تاخیر کوچک یا یک عدم تطابق کوچک در هندسه ممکن است تهدیدی برای تجربه نباشد).

ردیابی سر معمولاً در سیستم های XR یکپارچه می شود تا جهت گیری سر را نظارت کند و محتویات میدان دید کاربر را مطابق با آن تطبیق دهد [ 58 ]. بخش مهمی از سیستم ردیابی واحد اندازه گیری اینرسی (IMU) است [ 57 ]. IMU ها معمولاً در HMD های ارزان قیمت ادغام نمی شوند. با این حال، می توان از IMU های ادغام شده در گوشی های هوشمند بهره مند شد که می توانند با چنین HMD هایی استفاده شوند. به عنوان مثال، Vuforia [ 59 ] به این اطلاعات دسترسی پیدا می کند تا ویژگی های ردیابی گسترده ای را فعال کند که به دوربین اجازه می دهد در حالی که محتوای مجازی را حفظ می کند از هدف دور شود. ARCore [ 54] نیز به این صورت عمل می کند. برخلاف ردیابی VR، که در محیط‌های کاملاً کنترل‌شده کار می‌کند (مثلاً در داخل خانه، در یک اتاق فیزیکی منفرد، یا کاربری که HMD پوشیده است و حداقل مقدار را جابه‌جا می‌کند)، اجزای ردیابی برای نمایشگرهای AR/MR باید بتوانند در خارج از منزل یا در فضای باز کار کنند. فضاهای داخلی بزرگ در حوزه فناوری های AR/MR به طور کلی دو نوع ردیابی وجود دارد [ 60 ]: مبتنی بر تصویر و مبتنی بر مکان (ردیابی موقعیت). ردیابی مبتنی بر تصویر به محتوای مجازی اجازه می دهد تا پس از اینکه دوربین سیستم یک نشانگر بصری منحصر به فرد از پیش تعریف شده را تشخیص داد، نمایش داده شود [ 58 ]]. فناوری‌های AR/MR مبتنی بر مکان به کاربر این امکان را می‌دهد تا محتوای مجازی ثبت‌شده در فضای دنیای واقعی را با استفاده از یک شبکه بی‌سیم یا سامانه ماهواره‌ای ناوبری جهانی (GNSS) مشاهده کند. در صورت نیاز، می توان کل بدن یک فرد را ردیابی کرد، که مجموعه ای همه کاره از پارادایم های جدید HCI را قادر می سازد [ 61 ]. در حالی که تعامل کل بدن آزمایشی باقی می ماند، دو پارادایم خاص به عنوان جهت های مهم در تعامل با XR ظاهر می شوند: ردیابی چشم و ردیابی دست. ردیابی چشم جالب است زیرا نه تنها تعامل [ 62 ]، بلکه احتمالاً بهینه سازی ادراکی نمایشگر را ممکن می کند [ 63 ]. ورودی مبتنی بر نگاه را می‌توان با به اصطلاح «میداس لمس» و خانواده‌ای از مسائل مرتبط با آن (مثلاً دستورات ناخواسته‌ای که با خیره شدن یا پلک زدن داده می‌شود) پیچیده شود.64 ]. با این وجود، با طراحی دقیق تعامل و آموزش کاربر، افراد حتی می توانند با استفاده از چشمان خود تایپ کنند [ 65 ، 66 ]. ردیابی دست نیز جالب است زیرا در یک رابط کاربری سه بعدی (3DUI)، فعل و انفعالات استاندارد ماوس و صفحه کلید کمک محدودی ارائه می دهد یا اصلاً کمکی نمی کند و طبیعی ترین رفتار برای انسان دستیابی و لمس اشیا است [ 67 ]. ردیابی دست ها و انگشتان در سیستم های XR تعامل (به طور بالقوه) بصری را ممکن می کند و به قابلیت استفاده از این سیستم ها به روش های بی سابقه ای کمک می کند. در بخش زیر به توضیح بیشتر در مورد دستگاه ها و پارادایم های کنترل می پردازیم.

2.1.3. کنترل دستگاه ها و پارادایم ها برای رابط های کاربری سه بعدی

مسلماً، وقتی از یک رابط کاربری دو بعدی به یک رابط کاربری سه بعدی می رویم، کل «دنیا» به رابط تبدیل می شود. برای رابط های کاربری سه بعدی، بومن و همکاران. (2004) [ 68 ] پیشنهاد می کند که در VR، تعامل کاربر باید با استفاده از دستگاه هایی با بیش از دو درجه آزادی (DOF) کنترل شود و در حالت ایده آل، آنها باید شش DOF را ارائه دهند. یک ماوس سه بعدی به معنای کلاسیک (موسی که روی یک سطح مسطح قرار می گیرد) شاید برای برنامه های کاربردی VR دسکتاپ یا زمانی که کاربر نشسته است کافی باشد ( شکل 5 ، سمت چپ). کنترل‌کننده‌های دستی ( شکل 5 ، وسط و راست) آزادانه در فضا حرکت می‌کنند و امکان ایستادن و حرکت را برای کاربر فراهم می‌کنند. مثال‌ها عبارتند از Nintendo WiiMote [ 69 ]، که از سه DOF (حرکت در سه بعدی، بدون چرخش) یا HTC VIVE [ 50 ] پشتیبانی می‌کند.] و کنترلرهای Oculus Touch [ 70 ] که شش ردیابی DOF را ارائه می دهند. تعداد DOF های لازم به هدف تعامل بستگی دارد [ 71 ]. دستگاه های ورودی دسکتاپ مانند صفحه کلید، ماوس یا تعاملات لمسی تنها دو DOF را ارائه می دهند که ممکن است در برخی موارد (مثلاً VR دسکتاپ یا موارد مشابه) کافی باشد [ 68 ].

جدا از سخت افزار اختصاصی فوق الذکر، پارادایم های ردیابی مبتنی بر سخت افزار و نرم افزار ترکیبی در کنترل دنیای مجازی و اشیاء درون آن با استفاده از بدن، چشم ها و دست ها استفاده می شود [ 29 ، 62 ، 72 ، 73 ، 74 .]. چالش‌های تحقیقاتی کنونی در مورد ردیابی سر/دست/چشم تا حدی فنی هستند، مانند افزایش دقت و دقت مکانی-زمانی، کارآمد کردن الگوریتم‌ها برای پاسخ‌دهی زمان واقعی، و سبک‌تر کردن سخت‌افزار و ادغام یکپارچه‌تر در تنظیمات XR. با این حال، چالش‌های مهمی نیز در طراحی و تجربه کاربر وجود دارد، مانند یافتن ترکیب مناسبی از پارادایم‌های تعاملی که متناسب با نیاز کاربر باشد، ایجاد تأخیرهای قابل تحمل ادراکی، و ارگونومی سخت‌افزار (به بخش‌های طراحی و عوامل انسانی مراجعه کنید ).

2.1.4. رئالیسم بصری، سطح جزئیات و پردازش گرافیکی

یکی دیگر از نگرانی های فناوری از منظر تجسم، با پیوندهای نزدیک به طراحی و تجربه کاربر، تنش بین واقع گرایی و انتزاع در نمایشگرها است. این یک چالش تحقیقاتی مداوم در نقشه‌برداری و علم GIS است [ 75 ]. از نظر مفهومی، اکثر نمایشگرهای VR – اگر نه همه – آرزوی دستیابی به سطح بالایی از رئالیسم بصری را دارند («R» در XR در نهایت برای «واقعیت» است)، و سیستم‌های فعلی در (عکس)رئالیسم بسیار خوب می‌شوند [ 76 ] . با این حال، بسیاری از (عمدا) اشیاء مجازی با ظاهر انتزاعی و/یا ساختگی و همچنین دنیاهای مجازی با وضوح پایین وجود دارند. این تا حدی به دلیل این واقعیت است که حجم داده‌های جهان‌های مجازی کاملاً واقعی یک مسئله برای پردازش، ارائه و انتقال باقی می‌ماند [ 77 ]]. بنابراین، ما هنوز به رویکردهای پیچیده سطح از جزئیات (LOD) و سطح واقع‌گرایی (LOR) برای ارائه و پخش کارآمد داده‌ها نیاز داریم. نمایشگرهای XR را می‌توان شخصی‌سازی کرد، به‌عنوان مثال، بر اساس ثبت‌نام کاربر برای مدل‌سازی الگوهای رفتار کاربر [ 78 ]، یا ورودی ردیابی چشم در برنامه‌هایی مانند نمایشگرهای احتمالی نگاه فووید (GCDs) [ 63 ، 79 ، 80 ]. ما GCD ها را در زیر بخش طراحی تعامل بیشتر بررسی می کنیم . در مورد AR و MR، بحث رئالیسم بصری با VR متفاوت است. استفاده از نمایشگرهای شفاف به این معنی است که کاربر همیشه دنیای واقعی را تا حدی می بیند [ 22 ، 23]. با AR و MR، مسائل رئالیسم بصری بیشتر به عوامل انسانی و طراحی مرتبط است تا با فناوری (مانند مسدود کردن بخش‌هایی از دنیای واقعی و استفاده از شفافیت)، بنابراین در آن بخش توضیح داده خواهد شد.

علاوه بر این، در ارتباط با مدیریت داده ها، سخت افزار واحد رندر گرافیکی سیستم نمایش برای ایجاد برنامه های XR موفق حیاتی است. یک رندر ناکارآمد به دلیل قدرت پردازش پایین ممکن است منجر به چالش هایی در حفظ توهم واقعیت شود زیرا مصنوعات بصری و تاخیر در رندر چیزی نیست که ما با پردازش بصری طبیعی خود تجربه کنیم. نرخ به روز رسانی، قدرت رندر، و الزامات وضوح صفحه باید برای پروژه سفارشی شود زیرا در فضای “نامحدود” یک صفحه نمایش XR، پیکسل ها به طور چشمگیری بیشتر از نمایشگرهای استاندارد رندر می شوند. در عین حال، این وضوح بالاتر باید در زمان‌های تأخیر کمتر نمایش داده شود تا توهم مداوم واقعیت حفظ شود. این دو الزام، تقاضاهای زیادی را برای حافظه عملیاتی (RAM)، پردازنده (CPU) ایجاد می کنند. و کارت گرافیک (GPU). مجموعه‌های رایانه‌ای در حال حاضر از حافظه عامل با ظرفیت ده‌ها گیگابایت (گیگابایت)، پردازنده‌های چند هسته‌ای (مثلاً اینتل و AMD) و کارت‌های گرافیک سطح بالا (مانند NVidia GeForce RTX 2080 یا AMD Radeon VII) استفاده می‌کنند. همچنین ممکن است مهم باشد که همه محاسبات و رندر به سرعت یا در زمان واقعی انجام شوند. کامینگز و بیلنسون (2016) [32 ] گزارش می‌دهند که – هرچند بر اساس حجم نمونه کوچک – نرخ‌های رندر سیستم‌های VR تأثیر قابل‌توجهی بر سطح حضور منتقل شده توسط برنامه‌های VR دارند.

2.1.5. تنگناها در بازسازی سه بعدی و نقش نوظهور هوش مصنوعی در اتوماسیون

یکی دیگر از مسائل فنی مهم در گفتمان XR، تولید محتوای مجازی است. در حال حاضر، ساخت یک مدل سه بعدی با ظاهر واقعی و هندسی درست از یک جسم فیزیکی شامل مجموعه ای نسبتاً پیچیده از عملیات است [ 81 ، 82 ، 83 ]]. داده های ورودی معمولاً یکی (یا ترکیبی) از اشکال مختلف تصویربرداری و اسکن مانند عکاسی، رادار/LiDAR، اولتراسوند و توموگرافی است. مراحل زیر شامل قدرت محاسباتی شدید و کار دستی دقیق با استفاده از نرم افزارهای زیادی است. در این فرآیند، تنگناهایی از جمله تقسیم‌بندی تصاویر، مشکلات توپولوژیکی بعدی، فرآیندهای ساخت سطوح جامد، مدل‌های چند ضلعی، بهینه‌سازی داده‌ها، و شامل «فیزیک» برای حرکت (انیمیشن، تعامل) وجود دارد [ 81 ، 82 ، 83 ] . برخی از این مراحل را می توان خودکار یا حداقل به صورت نیمه خودکار انجام داد. امروزه سیستم‌های XR با سیستم‌های هوش مصنوعی (AI)، به‌ویژه یادگیری ماشینی (و عمیق) هم‌افزایی دارند. چارچوب های XR اخیر [ 84] از هوش مصنوعی برای محاسبات فضایی استفاده کنید (یعنی تفسیر صحنه فیزیکی در MR [ 6 ]، بهبود ویژگی هایی مانند پیش بینی و افزایش پایداری در برابر بیماری حرکت [ 85 ]، ردیابی و تشخیص حرکت [ 86 ] در میان بسیاری دیگر). به این ترتیب، تحقیقات XR و AI به طور اجتناب ناپذیری در هم تنیده شده اند. هوش مصنوعی می‌تواند از داده‌های جمع‌آوری‌شده از طریق تعاملات و فناوری‌های XR بیاموزد، در حالی که به طور همزمان، تجربیات XR را می‌توان از طریق پیشرفت‌های بعدی هوش مصنوعی بهبود بخشید.

2.2. اولویت های تحقیق در فناوری XR

در حالی که فناوری‌های XR در سال‌های اخیر پیشرفت بی‌سابقه‌ای داشته‌اند، اما هنوز برای جایگزینی سیستم‌های نمایش روزمره ما آماده نیستند. در زیر، چالش‌ها و اولویت‌های تحقیقاتی گسترده‌تری را که در ادبیات شناسایی شده‌اند، فهرست می‌کنیم که مانع رایج شدن XR می‌شوند.

کیفیت بصری بهبود یافته و رندر کارآمدتر

○

تراکم صفحه نمایش بالاتر (پیکسل در واحد سطح)، وضوح صفحه (تعداد کل پیکسل های یک صفحه نمایش)، و نرخ فریم (فریم در ثانیه بیشتر (فریم در ثانیه))؛

○

تکنیک‌های رندر کارآمدتر که توسط تحقیقات عوامل انسانی و هوش مصنوعی ارائه می‌شوند (به عنوان مثال، رندر تطبیقی که کیفیت ادراکی را به خطر نمی‌اندازد [ 79 ]). دستگاه‌های XR آینده با ردیابی چشم ممکن است رندر فووید را برای مدیریت سطح ادراکی جزئیات (LOD) کیفیت بصری و واقع‌گرایی فعال کنند [ 63 ].

○

رویکردهایی برای رسیدگی به یک فرصت/چالش جدید خاص (یعنی تعمیم واقعیت در MR (اشاره به تعمیم کارتوگرافی) از طریق پوشاندن/فیلتر کردن). بسیاری از سؤالات تحقیقاتی خاص از این ایده در زمینه های فنی، مرتبط با HCI (به عنوان مثال، استفاده از شفافیت برای جلوگیری از انسداد، هشدار به کاربر) و اجتماعی (اگر تجربه مردم از واقعیت را تغییر دهیم، چه نوع مسئولیت های روانشناختی، سیاسی و اخلاقی باید به وجود بیاید. یکی آگاه باشد؟) دامنه ها.
تعامل بهبود یافته و غوطه وری به حداکثر می رسد

○

ردیابی دقیق تر دستگاه های کنترل و IMU برای هدست.

○

دستگاه‌های کنترل بصری‌تر که توسط عوامل انسانی تحقیق می‌کنند و سودمندی و قابلیت استفاده هر کدام را برای کار(ها) و مخاطبان خاص بررسی می‌کنند.

○

پشتیبانی از هوش مصنوعی یا سایر راه حل های جدید برای کنترل و پیمایش در XR بدون دستگاه های کنترلی (مانند ردیابی دست، تشخیص حرکت یا ردیابی نگاه).

○

ابزارهای همکاری بیشتر سیستم های فعلی حاوی ابزارهایی برای یک کاربر هستند. ابزارهای بیشتری باید طراحی و اجرا شود تا امکان استفاده مشترک از XR فراهم شود.

○

ایجاد سخت افزار و نرم افزار بر اساس تحقیقات عوامل انسانی که از غوطه وری و حضور ذهنی پشتیبانی می کند.
پشتیبانی از تحقیقات عوامل انسانی: فراافزار پیچیده/هدف‌مند، قابل تنظیم، با استفاده آسان برای مشاهده سیستم و کاربر، پیوند با فن‌آوری‌ها و روش‌های مفید در آزمایش کاربر ( ثبت نام کاربر، ردیابی چشم، اندازه‌گیری‌های روان‌فیزیولوژیکی و غیره). ) برای اطلاع از پیشرفت های فنی و بهبود تجربه کاربر ضروری هستند.
تلاش بیشتر برای ایجاد محتوای خودکار با یادگیری ماشین و هوش مصنوعی و محتوای معنادارتر مورد نیاز است. در حال حاضر، محتوای XR عمدتاً توسط فن‌آوران، با برخی تعامل با هنرمندان سه بعدی (البته نه همیشه) ایجاد می‌شود. اگر XR به «هوشمند جدید» تبدیل شود، محتوا باید برای افراد بیشتری فراتر از متخصصان جالب و مرتبط باشد.

2.3. مثال: یک واقعیت مجازی قمری تصور شده

فضاها (یا زمان‌هایی) که نمی‌توانیم به راحتی از آنها بازدید کنیم، مطالعات موردی VR را به‌ویژه معنادار می‌کنند. اگر مکانی قابل دسترس نیست یا دسترسی به آن بسیار سخت است، تجربه VR می تواند «بهترین چیز بعدی» باشد. از سوی دیگر، چنین مکان‌ها یا زمان‌هایی به دلیل عدم دسترسی به «حقیقت زمینی»، چالش‌هایی را برای خلق تجربیات یا بازنمایی‌های واقع‌بینانه ایجاد می‌کنند. در چنین مواردی، تیم‌های تحقیقاتی هم از داده‌های معتبر علم فضایی برای پر کردن جهان‌های مجازی و هم از رندرهای هنری تعاملی از محیط‌های فرضی استفاده می‌کنند. اگر ماه زمین را در نظر بگیریم، یک تجربه دست اول بسیار پیچیده است، اما می توان از مدل های زمین (به عنوان مثال، به شکل 6 نگاه کنید )، فناوری سنجش از راه دور، و داده های حسگر اضافی برای ایجاد یک تجربه VR استفاده کرد [ 87 ].

یک VR قمری به‌عنوان یک ابزار آموزشی در مدارس [ 88 ] یا در نمایشگاه‌های علمی مفید خواهد بود و می‌تواند به‌عنوان آزمایشگاهی عمل کند که در آن می‌توان آزمایش‌هایی انجام داد (به عنوان مثال، برای کشف پتانسیل آن به عنوان یک ایستگاه فضایی [ 89 ، 90 ، 91 ، 92 ، 93 ]). با استفاده از مشاهدات ثبت شده تعبیه شده در VR، دانشمندان می توانند فرآیندهای پیچیده در ماه را بررسی و نظریه پردازی کنند. به عنوان مثال، می توان فیزیک و شیمی ماه را کشف کرد، یا اینکه چگونه گرانش ممکن است بر تعامل انسان با محیط ماه تأثیر بگذارد. برخی از این ایده ها توسط چندین تیم برای مدت طولانی مورد بررسی قرار گرفته اند، به عنوان مثال، Loftin (1996) و همکاران [ 94] مدتها قبل از اینکه ایستگاه فضایی بین المللی (ISS) برای تایید ارگونومی، آموزش فضانوردان و پیش بینی چالش های عملیاتی ساخته شود، شبیه سازهای واقعیت مجازی کاملاً قابل کاوش را ساخت.

یک دید «ماه دیجیتال» (مانند زمین دیجیتال) می‌تواند شبیه مناظر ماه منطقه‌ای باشد. با این حال، تجربیات باید با شبیه سازی تقریباً یک ششم گرانش زمین تولید شود. لباس‌های پرواز مجازی (مثلاً با استفاده از لباس بدن VR) می‌توانند برای کاربران طراحی شوند تا از یک تجربه واقعی پشتیبانی کنند. کاوش عمیق دانش موجود در مورد شیمی، فیزیک و قابلیت سکونت کلی ماه را می توان از طریق VE ها تسهیل کرد و می توان این تجربه مجازی را برای هر سیاره ای ایجاد کرد زیرا اهداف مشابهی مرتبط هستند. یک مثال جالب در رابطه با VR ماه، Moon Trek از آزمایشگاه پیشرانش جت ناسا (JPL) است که می‌توانید در https://trek.nasa.gov/moon/ کاوش کنید .

3. طراحی

در گفتمان XR، می‌توان جنبه‌های مختلف یک سیستم یا تجربه کاربری مانند نمایشگر بصری، صداها، تعامل با سیستم و خود داستان را طراحی کرد. در اتخاذ چنین تصمیم‌گیری‌های طراحی، روش‌های مبتنی بر درون‌نگری مانند راه‌حل‌های شناختی [ 95 ] و شامل کاربران از طریق چرخه‌های طراحی کاربر محور (UCD) [ 96 ] مهم هستند. در این بخش به بررسی طراحی سیستم های XR در زیربخش های طراحی تجسم و طراحی تعامل می پردازیمو به دنبال آن چالش ها و مثال های شناسایی شده. اگرچه جداسازی کامل تجسم و طراحی تعامل در XR دشوار است زیرا تجسم می‌تواند وسیله‌ای برای تعامل باشد، ما آنها را در اینجا از هم جدا کردیم زیرا معمولاً به عنوان کانون‌های تحقیقاتی متفاوت در نظر گرفته می‌شوند و مجموعه دانش از جوامع تخصصی می‌آید.

3.1. پیشرفته ترین و روندها در طراحی واقعیت توسعه یافته (XR).

3.1.1. طراحی تجسم

به طور کلی، جوامع تجسم “رابطه پیچیده” با 3D در بازنمایی دارند (یعنی، نظرات و شواهد در مورد خوب یا بد بودن 3D مخلوط می شوند [ 97 ]). هنگامی که 3D در نمودارها، نقشه ها و سایر گرافیک ها (یعنی در اطلاعات یا تجسم داده ها) استفاده می شود، اغلب یک ایده بد در نظر گرفته می شود و شواهد تجربی برای حمایت از این موقعیت وجود دارد [ 98 ، 99 ]. سه بعدی می تواند به هم ریختگی بصری را معرفی کند، به خصوص اگر بعد سوم برای کار اضافی باشد [ 100 ، 101 ]، و می تواند پیچیدگی شناختی بیشتری را برای کاربران در تعامل با نقشه ها یا نمودارها به ارمغان بیاورد [ 98 ، 100 ، 101 ]]. علاوه بر این، اگر نمایش سه بعدی تعاملی یا متحرک باشد و کار مستلزم به خاطر سپردن آنچه نشان داده شده و مقایسه از روی حافظه باشد، این می تواند تعداد خطاهایی را که افراد در کارهای فضایی بصری مرتکب می شوند افزایش دهد [ 98 ، 101 ]. تخمین فاصله و اندازه نیز می‌تواند با تجسم‌های سه بعدی سخت‌تر باشد، زیرا مقیاس به دلیل اثر پرسپکتیو در فضا غیریکنواخت است [ 97 ]. از سوی دیگر، اگر هدف نیاز به پردازش اطلاعات جامع‌تری مانند شناسایی پدیده‌ها، نام‌گذاری اشیاء، تشخیص ماهیت یا تفسیر صحنه داشته باشد، سه بعدی می‌تواند کمک کند [ 102 ]. این احتمالاً به این دلیل است که سه بعدی یک انسان قابل تشخیص را فراهم می کندکیفیت (یعنی در اکثر موارد، اشیاء و صحنه‌های سه‌بعدی بیشتر به آنچه نشان می‌دهند شباهت دارند تا نمونه‌های دو بعدی [ 97 ]). در حالی که استفاده از سه بعدی در تجسم اطلاعات (یعنی infovis) مورد بحث است، ما استدلال می‌کنیم که اهداف XR اساساً با infovis متفاوت است. (به جز تجزیه و تحلیل همه جانبه ، که ترکیبی از infovis و XR [ 30 ]) است. با XR، هدف ایجاد تجربیاتی است که باید با تجربیات دنیای واقعی مقایسه شود یا آنها را تقویت کند. بنابراین، در XR، 3D معمولاً به معنای سه بعدی استریوسکوپی است که طبیعی را تقلید می کند. درک عمق انسان. سه بعدی استریوسکوپی تجربه ای کاملا متفاوت از نمایش های شبه سه بعدی است که از نشانه های عمقی تک نمایی مانند انسداد، اعوجاج پرسپکتیو، سایه زدن و غیره بهره برداری می کنند [ 103 ]]. همچنین مشکلات شناخته شده ای در مورد مشاهده استریوسکوپی وجود دارد (به عنوان مثال، برخی از افراد نمی توانند استریو را ببینند، و استفاده طولانی مدت می تواند به طرق مختلف ناراحتی ایجاد کند [ 104 ])، با این وجود، شواهد تجربی قوی وجود دارد که نمایشگرهای سه بعدی استریوسکوپی عملکرد را در تعدادی از فضاهای فضایی بهبود می بخشد. وظایف [ 102 ]. بنابراین، در انتقال اصول تجسم استاندارد به نمایشگرهای XR باید محتاط بود. با این وجود، متغیرهای بصری برتین (یعنی موقعیت، اندازه، شکل، ارزش، رنگ، جهت و بافت) و اصول نشانه‌شناسی [ 105 ] یا ایده علائم و کانال‌ها [ 106 ] به طور گسترده با XR مرتبط می‌مانند، حتی اگر XR نیاز به تفکر داشته باشد. از متغیرهای اضافی مانند زاویه دوربین [107 ]، موقعیت منبع نور برای درک رنگ، سایه و زمان، سطوح واقع گرایی مورد استفاده در بافت ها و غیره [ 29 ، 58 ]. اصول گشتالت (به عنوان مثال، شکل/زمینه، مجاورت، شباهت، تقارن، پیوستگی، پیوستگی، بسته شدن، سرنوشت مشترک، شفافیت [ 108 ]) نیز ممکن است در XR در نظر گرفته شوند (مثلاً در داستان‌گویی، برای ارائه جهان‌ها/اشیاء خیالی، برای گروه بندی هر گونه آیتم های منوی همپوشانی برای اهداف اطلاعاتی یا تعاملی [ 109]). جدای از این دو تئوری اساسی طراحی برای تجسم (یعنی متغیرهای بصری برتین و قوانین گشتالت)، ترکیبی از اصول از تعمیم در نقشه برداری و مدیریت LOD در گرافیک کامپیوتری در تصمیم گیری های طراحی در مورد نمایشگرهای XR مفید هستند. تعمیم و مدیریت LOD برای کارایی محاسباتی، وفاداری ادراکی و معنایی یک نمایشگر مهم هستند. آنها طراح را در تصمیم گیری در مورد اینکه چه چیزی را شامل شود و چه چیزی را حذف کند، چه چیزی را ساده، کم بیان یا برجسته کند راهنمایی می کنند. در نمایشگرهای پویا، تصمیمات زمانی نیز مهم هستند (یعنی تصمیم گیری در مورد زمانشامل چه چیزی). این تصمیمات تجربه بصری بیننده را تعیین می کند. مدیریت LOD امکان ارزیابی را فراهم می کند، برای مثال، زمانی که یک جزئیات ممکن است از نظر ادراکی نامربوط باشد، یا اینکه آستانه ها برای کیفیت بصری در مقابل کارایی محاسباتی هستند [ 79 ]]، در حالی که تعمیم نقشه‌کشی به ما می‌آموزد که گاهی اوقات می‌توانیم دقت را به نفع وضوح یا خوانایی (عملیات جابجایی) قربانی کنیم، یا تصمیم بگیریم چه چیزی برای گروه بزرگ‌تری از مردم (بیمارستان‌ها، مدارس، سایر ساختمان‌های عمومی) مهم است، تا آنها بتوانند تصمیم بگیرید که چه برچسب‌ها یا ویژگی‌هایی را هنگام تغییر مقیاس حفظ کنید، یا نشانه‌های مهم را در نظر بگیرید. هیچ راه حل LOD یا تعمیم کاملی وجود ندارد که به همه نیازها پاسخ دهد، اما طراحان با اکتشافات، دانش تخصصی و در صورت وجود، شواهد تجربی کار می کنند. بر اساس ملاحظات بالا، یک صحنه با استفاده از یک جهت روشنایی خاص با استفاده از LOD خاص، فوتورئالیسم یا شفافیت (در برابر انسداد، چالش مداوم با سه بعدی) سازماندهی و ارائه می شود. اینها همه نمونه هایی از تصمیمات طراحی در میان بسیاری از افراد هنگام تهیه یک شی یا صحنه مجازی است و نیاز به تفکر دقیق دارد. جدای از سه بعدی، سطح واقع گرایی یک ملاحظات تجسمی جالب در XR است. از آنجایی که XR آرزوی خلق تجربیات واقع گرایانه را دارد، ممکن است واضح به نظر برسد که صحنه XR باید با وفاداری بصری بالایی ارائه شود. اکثر تحقیقات مبتنی بر فناوری تاکنون استدلال کرده اند که هر دلیلی برای ارائه یک صحنه با وفاداری پایین به دلیل محدودیت منابع بوده است، و اگر از آن جلوگیری شود، می توان بالاترین وفاداری بصری ممکن را ارائه داد. این یک موضع مورد بحث است: اگر به عنوان یک “فرض کلی” استفاده شود، اصول تعمیم نقشه برداری را نفی می کند (یعنی فواید زیادی برای انتزاع وجود دارد).عوامل انسانی ).

3.1.2. طراحی تعامل

در دستگاه‌های سنتی، صفحه کلید، ماوس یا تعاملات مبتنی بر لمس به بلوغ رسیده‌اند و به خوبی عمل می‌کنند و نیازهای نرم‌افزار GIScience معاصر را برآورده می‌کنند. با این حال، این روش‌های تعامل و استعاره‌های کلاسیک مانند پارادایم WIMP (ویندوز، نمادها، منوها، اشاره‌گر) برای XR به خوبی کار نمی‌کنند. در XR، به طور ایده‌آل یکی در یک دنیای مجازی (VR) است، یا اشیاء مجازی با دنیای واقعی (AR/MR) مخلوط می‌شوند. این بدان معناست که کاربران می‌خواهند مانند دنیای واقعی با استفاده از دست‌های خود اشیا را راه بروند، به آن‌ها برسند، چنگ بزنند و حرکت دهند. پس چگونه باید یک تعامل در XR طراحی کرد؟ کدام روش های تعامل برای XR بهتر است؟ تعامل صوتی به دلیل پیشرفت های اخیر در پردازش زبان طبیعی (NLP) و یادگیری ماشینی از نظر فنی امیدوارکننده است [ 110 ]]. با این حال، برای زبان‌هایی که کمتر مورد مطالعه قرار گرفته‌اند، و در مورد فقدان حریم خصوصی، به تحقیقات بیشتری نیاز است. تشخیص حرکات دست و جداسازی حرکات دقیق انگشتان نیز امیدوار کننده به نظر می رسد. اگرچه دقیقاً شهودی نیستند، اما قابل یادگیری هستند (مانند زبان اشاره). علاوه بر این، به اصطلاح اثر بازوی گوریل (به عنوان مثال، بازوها، گردن و کمر خسته می شوند زیرا آنها به بیرون کشیده می شوند) نگرانی های ارگونومی را ایجاد می کند [ 111 ] (همچنین به بخش فاکتورهای انسانی مراجعه کنید ). برای دست‌ها، تلاش‌های قبلی شامل پوشیدن دستکش [ 112 ] بود که ایده‌آل نیست، اما برای بازخورد لمسی همراه با لباس‌های بدن جالب است [ 113 ، 114 ]]. با پیشرفت‌هایی که آنها را دقیق‌تر و استفاده از آنها را کم‌تر می‌کند، ممکن است بخشی از پوشیدنی‌های آینده شوند. تعامل مبتنی بر نگاه نیز بر اساس ردیابی چشم [ 115 ]، یا ردیابی سر (یعنی نگاه سر ) [ 116 ] یک امکان تقریباً عملی در XR است. دستگاه های ردیابی چشم که توسط حسگرهای مادون قرمز نزدیک پشتیبانی می شوند، به خوبی کار می کنند، و ردیابی چشم مبتنی بر وب کم در حال بهبود است [ 117 ، 118 ]. با این حال، همانطور که قبلاً بحث شد، تعامل نگاه به عنوان یک چالش در تقاطع فناوری، طراحی و عوامل انسانی باقی می‌ماند زیرا دارای چندین اشکال در یک روش ورودی است. تلاش‌های دیگری برای تشخیص حالات چهره و حرکاتی مانند تکان دادن سر به عنوان ورودی وجود دارد، اگرچه آنها عمدتاً تجربی هستند.119 ، 120 ، 121 ]. کنترل کننده های دستی ( شکل 5) رایج ترین دستگاه های ورودی فعلی هستند، اما ورودی متن با آنها دشوار است. راه رفتن یا سایر حرکات (حرکت) در XR نیز زودرس باقی می ماند. روش‌های آزمایشی فعلی شامل تردمیل و لباس‌های تمام بدن است. البته، لازم نیست از یک مدالیت تعاملی استفاده کنید، بلکه می‌تواند چندین مورد را به عنوان بخشی از طراحی تجربه کاربر ترکیب کند. بسته به هدف پروژه، طراحی تجربه کاربر با سیستم XR مستلزم طراحی یک داستان به عنوان مثال، استفاده از تابلوهای داستان یا موارد مشابه، و در نظر گرفتن اینکه چه نوع تعاملی ممکن است در جریان داستان ضروری و مفید باشد (توجه داشته باشید که بخش‌هایی از این پاراگراف از یک موضوع توییتری توسط Antti Oluasvirta در مورد مشکلات تعامل فعلی در XR با تفسیر و پیوندهایی به ادبیات مربوطه الهام گرفته شده است:https://twitter.com/oulasvirta/status/1103298711382380545 ).

یکی دیگر از چالش های تحقیقاتی در حال انجام در تقاطع تعامل و تجسم، نحوه طراحی یک تجربه XR برای بیش از یک نفر (XR مشترک) است. فعال کردن چندین کاربر همزمان برای برقراری ارتباط و همکاری در بسیاری از برنامه‌ها مفید است (مثلاً به بخش 4.3 مراجعه کنید ). شخص(ها) چیزی)، و تعامل (به عنوان مثال، آیا دو نفر می توانند با یکدیگر تماس چشمی داشته باشند، آیا یک کاربر می تواند چیزی را به کاربر دیگر بدهد، آیا دو نفر می توانند یک میز مجازی را با هم حمل کنند). اینها چالش های پیش پا افتاده نیستند و راه حل های پیشنهادی عمدتاً تجربی هستند [ 122 ، 123]. در حالت ایده‌آل، در یک XR مشترک، افراد باید (1) حضور دیگران را تجربه کنند (به عنوان مثال، استفاده از آواتارهای تمام بدن، یا قسمت‌هایی از بدن مانند دست‌ها) [ 124 ، 125 ]. (2) قادر به تشخیص جهت نگاه دیگران [ 126 ]، و در نهایت، تجربه “تماس چشمی” [ 127 ] باشد. (3) دسترسی بر اساس تقاضا به آنچه دیگران می بینند (“میدان دید مشترک”) [ 128 ، 129 ]; (4) قادر به به اشتراک گذاشتن بافت فضایی [ 123]، به خصوص در مورد همکاری از راه دور (یعنی آیا در مکان یک نفر “باران می بارد یا می درخشد”، آیا آنها در حال حرکت هستند، آیا تاریک است یا روشن، آیا آنها به یک آب نگاه می کنند؟) (5) قادر به استفاده از حرکات مجازی (دست دادن، دست دادن، تکان دادن سر، سایر ارتباطات غیرکلامی) [ 129 ، 130 ]؛ (6) قادر به اضافه کردن حاشیه نویسی مناسب به صحنه ها و اشیاء و دیدن حاشیه نویسی دیگران. و آخرین اما نه کم اهمیت ترین (7)، قادر به “خواندن” واکنش های احساسی شریک همکاری خود [ 131 ]. برای پاسخ به این نیازها، یک پارادایم رایج که در حال حاضر در جامعه تعامل انسان و کامپیوتر (HCI) برای XR مشترک استفاده می شود، به اصطلاح نشانه های آگاهی است [ 132 ].] (یعنی عناصر بصری مختلفی به صحنه اضافه می شوند تا نشان دهند که طرفین چه کاری انجام می دهند (مثلاً نمایشی از دستان آنها)، یا آنچه را که آنها به آن نگاه می کنند (مثلاً مکان نما که نگاه آنها را نشان می دهد) [ 122 ]).

3.2. اولویت های تحقیق در طراحی واقعیت توسعه یافته (XR).

طراحی محتوای XR دارای ابعاد زیادی است که باید در نظر گرفته شود. اول، وقتی XR را به VR/AR/MR تقسیم می کنیم، مشکلات مختلفی برای حل کردن داریم. سپس، هدف پروژه مهم است: هنگام طراحی برای سرگرمی در مقابل یک پروژه GIScience، محدودیت‌های مختلفی بر روی آزادی‌هایی که طراحان می‌توانند اتخاذ کنند وجود خواهد داشت. در زیر، فهرست کوتاهی از جهت‌های تحقیقات باز گسترده‌تر را ارائه می‌کنیم:

کارهای تئوری بیشتر که نه تنها فنی هستند، بلکه بر روی سؤالات «چرا» و سؤالات «چگونه» برای طراحی محتوای XR مورد نیاز است. در حال حاضر مجموعه‌ای از اصول تجسم و تعامل برای XR که توسط شواهد تجربی، بررسی‌های متا، نظریه‌های فلسفی و اجتماعی، از جمله اخلاق، ارائه شده است، وجود ندارد.
مفاهیم HCI بالغ‌تر و آزمایش‌شده‌تر و جایگزین‌های جدید مورد نیاز است (به عنوان مثال، تعامل مبتنی بر دست یا نگاه باید به دقت مورد بررسی قرار گیرد). از آنجایی که دست‌ها و چشم‌ها بیش از یک عملکرد دارند، عوارضی مانند لمس Midas در تعامل ایجاد می‌کنند، بنابراین باید طراحی کرد که چه زمانی ردیابی دست یا چشم در یک سیستم XR فعال یا غیرفعال شود.
مفاهیم تعامل XR مشترک باید بیشتر مورد بررسی قرار گیرد، مانند نشانه های مشترک، تعامل مبتنی بر نگاه، تماس چشمی، دست دادن، و سایر تعاملات غیرکلامی.
ما باید هم محتوای بصری کاربردی و هم جذاب ایجاد کنیم و تلاش بیشتری را برای ایجاد پل در رشته‌های مختلف (مانند هنرهای خلاق، روانشناسی و فناوری) صرف کنیم.

3.3. مثال ها

مثال 1: طراحی XR برای موارد استفاده در محل

در اینجا، ما دو نمونه MR درجا را ارائه می کنیم. اولین برنامه به کاربران اجازه می دهد تا با “حذف” ساختمان های موجود و افزودن ساختمان های مجازی [ 133 ]، طراحی شهری را دستکاری کنند ( شکل 7 ).

برای پوشاندن ساختمان موجود، باید چشم اندازهای جدید و تغییر یافته را طرح ریزی کرد. نگاشت متراکم موبایل امکان شناسایی آنچه در پشت شی حذف شده وجود دارد را می دهد و به برنامه اجازه می دهد ساختمان را با آنچه در پشت آن وجود دارد مسدود کند. یک چالش کلیدی در اینجا این است که اطمینان حاصل شود که کاربران تفاوت‌های بین واقعیت و مجازی را درک می‌کنند، بدون اینکه توسط بازنمایی یا مصنوعات تعاملی اشتباه گرفته شوند (به عنوان مثال، پارادایم‌های طراحی جدید زمانی مورد نیاز است که “تجسم” شامل اشیاء فیزیکی و مجازی باشد). به عنوان مثال، بخش مجازی چقدر باید واقعی باشد؟ اگر در یک تجربه MR نتوان تفاوت بین مجازی و واقعی را تشخیص داد اشکالی ندارد؟ آیا باید علامت گذاری اشیاء مجازی را در نظر بگیریم تا اطمینان حاصل کنیم که بیننده می داند که آنها به یک “جعلی” نگاه می کنند؟ چگونه باید با انسداد برخورد کنیم که در برخی موارد مطلوب است؟

مثال 2: قدم زدن در زمان

در مثال دوم MR، زمانی که کاربر راه می‌رود، برنامه عکس‌های قدیمی را در مکان اصلی خود قرار می‌دهد. همانطور که سیستم ویژگی های دنیای واقعی را با استفاده از بینایی کامپیوتری و فتوگرامتری ردیابی و تفسیر می کند، کاربر با انتخاب بین امروز و یک قرن پیش روبرو می شود ( شکل 8 ).

یک مدل شهر سه بعدی دقیق با داده های دقیق سطح خیابان برای ثبت فضایی داده های تاریخی در مکان اصلی آنها ضروری است. این فرآیند یک خیابان تاریخی را با استفاده از عکس های قدیمی به عنوان بافت بازسازی می کند. پس از این مراحل پردازش آفلاین، تجربه MR می‌تواند آغاز شود. موقعیت جغرافیایی دقیق برای نمایش تصاویر تاریخی دقیقاً بر روی ساختمان ها و جاده های واقعی بسیار مهم است. تعدادی از سوالات طراحی نیز در این مورد مطرح می شود: چگونه می توان با عدم قطعیت در مورد مطالب تاریخی برخورد کرد (به عنوان مثال، اگر عکس های واقعی و تفاسیر “هنرمندانه” مخلوط شوند، برای مثال، برای پر کردن شکاف ها، چگونه باید بیننده را مطلع کرد؟ چگونه باید ما از خطرات ناشی از انسداد اجتناب می کنیم، شفافیت کار می کند، یا به قیمت غوطه ور شدن خواهد بود؟ آیا راه‌حل‌های طراحی تعامل و تجسم وجود دارد که به ما امکان می‌دهد به واقعیت «پوست» دیگری به شیوه‌ای فراگیر و در عین حال ایمن ببخشیم؟). این دو آزمایش همچنین مسائل مربوط به دقت (ژئو)محلی سازی را مطرح می کند. ممکن است دقت سانتی متری یا میلی متری لازم نباشد، یا مدل های سه بعدی با جزئیات زیاد لازم نباشد، اما این مثال MR به وضوح نیاز به مکان های دقیق و دقیق و مدل های سه بعدی بسیار دقیق را بازتعریف می کند تا به طور موثر به توهم محتوای مجازی آمیخته با واقعیت دست یابد.

4. عوامل انسانی

در این مقاله، ما از واژه عوامل انسانی به معنای وسیع آن استفاده می‌کنیم، که تمام جنبه‌های انسان محوری در گفتمان XR از قابلیت استفاده تا اخلاق را پوشش می‌دهد. توجه به این نکته مهم است که در ادبیات HCI، عوامل انسانی اغلب مترادف ارگونومی است. انجمن بین المللی ارگونومی (IEA) ارگونومی را چنین تعریف می کند: «…رشته علمی مربوط به درک تعاملات بین انسان ها و سایر عناصر یک سیستم، و حرفه ای که نظریه، اصول، داده ها و سایر روش ها را برای طراحی به کار می گیرد تا بهینه سازی رفاه انسان و عملکرد کلی سیستم» [ 134]. در گفتمان XR، تحقیقات عوامل انسانی معمولاً در تقاطع حوزه های HCI و علوم شناختی انجام می شود (به عنوان مثال، [ 13 ، 29 ، 46 ، 58 ، 98 ، 135 ، 136 ، 137 ]). محققان HCI سعی می کنند با درک بهتر انسان، فناوری و طراحی را بهبود بخشند [ 46 ، 97 ، 138 ]، در حالی که محققان علوم شناختی از فناوری برای درک بهتر انسان ها استفاده می کنند [ 139 ، 140 ]]. در تقاطع این دو حوزه، چندین سوال HCI مرتبط با پردازش ادراکی و شناختی اطلاعات فضایی – بصری مطرح می شود، از جمله:

هنگام گذار از دستگاه های دستی به عینک های هندزفری و مجهز به رایانه در کاربردهای XR همهجانبه، به ویژه در علوم فضایی، کدام عوامل انسانی را باید در نظر گرفت؟
انسان در کوتاه مدت و بلند مدت چگونه تحت تأثیر XR قرار می گیرد؟ از آنجایی که خطوط واقعی و مجازی تار می شوند و مراجع بصری-فضایی ما دیگر قابل اعتماد نیستند، آیا استفاده از XR در همه جا پیامدهای وجودی خواهد داشت، به عنوان مثال، سؤالاتی که در بخش مقدمه در مورد کودکان در سن رشد و از دست دادن ماندگاری اشیا به آنها اشاره کردیم؟ مسائل اخلاقی مستقیم در مورد قدرت سیاسی، نیت تجاری، و سایر زمینه‌های ممکن که در آن‌ها می‌توان از این فناوری‌ها برای بهره‌برداری از جمعیت‌های آسیب‌پذیر استفاده کرد، چیست؟ برخی از این سؤالات ذاتاً ژئوپلیتیک هستند و بنابراین در حوزه تحقیقات GIS نیز قرار دارند.
آیا واکنش‌های نامطلوب انسان (به عنوان مثال، حالت تهوع، بیماری حرکت) بیشتر از تازگی و هیجان XR (به ویژه VR) است و آیا راه‌حل‌های خوبی برای این مشکلات وجود دارد؟ آیا فرد به تدریج تحمل غوطه وری طولانی را ایجاد می کند؟ آیا بازیابی مغز ما بعد از جلسات طولانی مدت XR زمان می برد؟ اگر بله، آیا این به سن بستگی دارد؟
چرا برخی از “فرصت می پرند” در حالی که برخی دیگر حتی از آزمایش هدست خودداری می کنند؟ تفاوت های فردی و گروهی بر اساس نگرش، توانایی ها، سن و تجربه چگونه بر آینده دسترسی به اطلاعات تأثیر می گذارد؟ آیا می توانیم نمایشگرهای XR فراگیر برای علوم فضایی ایجاد کنیم؟
چگونه می‌توانیم مسائل ناشی از کمبود یا کمبود توانایی‌های ادراکی (مانند بینایی دوچشمی، دید رنگی) و کنترل بار شناختی را به بهترین نحو اندازه‌گیری و به آنها پاسخ دهیم؟

بسیاری از سوالات بالا بی اهمیت نیستند و پاسخ های مستقیمی ندارند. در زیر، مروری بر ادبیات ارائه می‌دهیم که به برخی از این سؤالات و همچنین برخی از مواردی که در بخش‌های قبلی مطرح شده‌اند، بازنگری می‌کنیم، اما این بار با دیدگاهی انسان محور.

4.1. وضعیت هنر و روندها در عوامل انسانی برای XR

در نظر بگیرید که تجربه کامل XR شامل در نظر گرفتن احساسات و راحتی کاربران است که احتمالاً بزرگترین موانع در برابر پذیرش گسترده دستگاه های XR است [ 141 ]. عوامل انسانی مهم برای XR را می توان به شش دسته [ 142 ] زیر تقطیر کرد ، از جمله 20 موردی که در ابتدا توسط انجمن عوامل انسانی و ارگونومی (HFES) برای دستگاه های پوشیدنی [ 143 ] شناسایی شد: زیبایی شناسی (جذابیت، مطلوبیت)، راحتی (استفاده طولانی مدت ). ، دما، بافت، شکل، وزن، سفتی)، آگاهی زمینه ای (راحتی درک شده بستگی به زمینه دارد)، سفارشی سازی(مناسب با همه اندازه ها و شکل ها، ارائه گزینه هایی برای سبک، به عنوان مثال، رنگ، ظاهر کلی)، سهولت استفاده (سخت افزار ضخیم)، و اضافه بار (به عنوان مثال، توانایی های شناختی). حداقل، این شش عامل انسانی باید هنگام ارزیابی دستگاه های XR پوشیدنی در نظر گرفته شوند. IEA سه حوزه مورد علاقه خاص برای سیستم های XR را برجسته می کند: فیزیکی ، شناختی ، و ارگونومی سازمانی [ 134 ]]. ارگونومی سازمانی با بهینه‌سازی فرآیندهایی مانند مدیریت، تیم‌ها، خط‌مشی و غیره سروکار دارد که ممکن است از گشودگی تصمیم‌گیرندگان به نوآوری و اتخاذ سیستم‌های جدید با XR مرتبط باشد، اما این جنبه‌های ارگونومی خارج از محدوده این مقاله است. ارگونومی فیزیکی به آناتومی، فیزیولوژی و ویژگی های بیومکانیکی انسان مربوط می شود. به عنوان مثال، یک هدست سنگین ممکن است نامطلوب به نظر برسد، اما راحتی به عوامل متعددی بستگی دارد (به عنوان مثال، وزن یک هدست کمتر از 500 گرم مانند Oculus Rift می تواند به دلیل درجات حرکت اضافی باعث بیماری حرکت شود، در حالی که یک هدست سنگین تر مانند SONY). PlayStation VR ممکن است احساس راحتی کند اگر برای ویژگی های فیزیکی انسان به خوبی طراحی شده باشد و روی تاج سر قرار گیرد [ 144 ]]). عوامل شناختی و ادراکی که در XR مهم هستند فهرست بزرگی را تشکیل می دهند. به عنوان مثال، بخشی از جمعیت نمی توانند به صورت استریوسکوپی ببینند (~20٪) یا کمبود رنگ دارند (~8٪ برای مردان) [ 104 ]، ممکن است مهارت های حرکتی، شنوایی، یا سایر مسائل به دلیل افزایش سن یا ناتوانی داشته باشند [ 137 ] ، یا هنوز در یک سن رشد هستند که فشار ناشی از تعارض همگرایی سازگاری ممکن است پیامدهای متفاوتی داشته باشد. با توجه به اینکه دستگاه های XR باید برای همه قابل دسترسی باشد، نمی توان این نگرانی های روانی و سایر مسائل حسی را نادیده گرفت. یک مفهوم مقطعی که به همه موارد فوق مرتبط است، بار شناختی [ 145 ] است (یعنی، اگر اطلاعات بیش از حد باشد، افراد در پردازش یا به خاطر سپردن چیزها مشکل بیشتری دارند [ 46 ،138 ، 146 ]، یا تعامل بیش از حد [ 147 ]). به عنوان مثال، در مطالعات رئالیسم بصری، نشان داده شده است که نمایش انتخابی بافت های عکس (یک «واقع گرایی کاهش یافته») که توسط نظریه های ناوبری ارائه می شود، وظایفی مانند یادگیری مسیر را بهتر از جایگزین های کاملاً واقعی فوتورئالیستی انجام می دهد [ 46 ، 138 ، 147 ]. چنین مطالعاتی نشان می دهد که دلایل ادراکی و شناختی برای طراحی صحنه مجازی با وفاداری کمتر وجود دارد. به طور مشابه، اگر پیچیدگی ادراکی را به عنوان موضوع در نظر بگیریم [ 44 ، 108 ، 148 ، 149 ]، نمایشگرهای مشروط نگاه (GCDs) ممکن است با کاهش آنتروپی کلی به کاهش بار شناختی کمک کنند.63 ، 79 ، 80 ]. یک استدلال ادراکی در تقاطع پیچیدگی بصری و بار شناختی این است که سیستم بینایی انسان اطلاعات موجود در میدان بینایی را به صورت یکنواخت پردازش نمی کند، بنابراین جزئیات “از لحاظ ادراکی نامربوط” فراوانی وجود دارد که می توان آنها را بر اساس نگاه حذف یا مدیریت کرد. یا ورودی ماوس [ 80]. هر دو با استفاده از واقع گرایی انتخابی و GCD ها برخی از اطلاعات را از نمایشگر بصری حذف می کنند. حتی اگر آنها به بهبود عملکرد انسان در برخی کارها کمک کنند، ممکن است فرد آزادی اطلاعات را کنار بگذارد یا نداشته باشد (به عنوان مثال، در مواردی مانند مستندسازی صحنه جرم و بازسازی، وفاداری کامل به صحنه/شیء اصلی ممکن است بسیار مهم باشد). علاوه بر این، بار شناختی را می توان از دریچه تفاوت های فردی و گروهی نیز مشاهده کرد (یعنی آنچه برای یک فرد دشوار است می تواند برای دیگری آسان باشد). عواملی مانند تخصص [ 149 ]، توانایی های فضایی [ 150 ، 151 ]، سن [ 152 ]]، قرار گرفتن در معرض فناوری مانند تجربه بازی های ویدیویی همگی بر عملکرد و نگرش فرد نسبت به فناوری تأثیر می گذارد. بنابراین، شخصی سازی برای گروه های هدف و شخصی سازی برای افراد ممکن است مهم باشد. به عنوان مثال، نگرانی های کلیدی ارگونومی در مورد نمایشگرهای استریوسکوپی از تفاوت های فردی و گروهی ناشی می شود. برخی از ناراحتی‌های ناشی از نمایشگرهای استریوسکوپی مانند حالت تهوع، بیماری حرکت یا خستگی [ 153 ] ممکن است با شبیه‌سازی عمق میدان به‌طور واقع بینانه، و احتمالاً با راه‌حل‌های شخصی‌سازی شده با نگاه مشروط [ 104 ] کاهش یابد. گفتگوی جالب دیگر در مورد تأثیر XR بر انسان، سؤالات مربوط به غوطه وری و حضور است. بیشتر به عنوان جنبه مثبت XR ارائه می شود، غوطه وری و حضور نیز می تواند تجربه را گیج کننده کند (یعنی عدم توانایی تشخیص واقعی از مجازی). تمام سؤالات مربوط به تأثیر شناخت و اخلاق انسانی در حال حاضر مورد بررسی قرار نگرفته است. با این حال، تلاش های طولانی مدتی وجود داشته است، به عنوان مثال، برای تعیین کمیت و بررسی سطوح غوطه وری [ 28 ، 32 ، 154 ]، که می تواند در چارچوب بندی سوالات بزرگتر و انجام مطالعات مفید باشد. علاوه بر این، از آنجایی که هدست‌های XR کنونی از فناوری و طراحی بهتری نسبت به نسل‌های قبلی برخوردار هستند، ممکن است برخی از پاسخ‌های منفی انسان کاهش یافته باشد [ 141 ، 155 ]. با این حال، ارزش درک شدهو دانش فن آوری نیز مهم است [ 141 ]. بررسی استفاده از XR در آموزش [ 60 ، 156 ، 157 ]، برناردس و همکاران. (2018) [ 158 ] با استفاده از موتورهای بازی برای یادگیری تجربی XR، سیستم غوطه وری و ژئوویژوالیشن سه بعدی (3DIG) را توسعه داد. در زیر، ما یک نظرسنجی کاربر اصلی را ارائه می کنیم که به 3DIG مرتبط است.

یک نظرسنجی دانش XR

در مطالعه‌ای با 425 شرکت‌کننده (41.7 درصد مرد؛ سن 18 تا 20 سال)، دانش دانشجویان کارشناسی و مواجهه قبلی با فناوری‌های XR را اندازه‌گیری کردیم، تجربه آنها و همچنین درک آنها از ارزش و کاربردهای بالقوه این فناوری‌ها را ارزیابی کردیم. 90.5٪ از دانش آموزان در کلاس “مقدمه ای بر جغرافیای فیزیکی” ثبت نام کردند و 9.5٪ مابقی ترکیبی از رشته های جغرافیا و علوم محیطی در سطوح مختلف در مطالعات خود بودند (یعنی یک گروه همگن نبودند، بنابراین منحرف نمی شوند. نتیجه در یک جهت خاص). اکثریت اطلاعات قبلی را از AR/MR گزارش نکردند، در حالی که با واقعیت مجازی آشنایی کمی داشتند ( شکل 9).). بیشترین دانش خود گزارش شده مربوط به VR بود که کمتر از حد وسط (متوسط امتیاز 2.6) بود و پس از آن AR (1.7) و MR (1) قرار گرفتند. این نتایج تا حدودی شگفت‌انگیز بود، زیرا ما فرض می‌کردیم که مردان و زنان جوان در سطح کالج فرصت‌هایی برای قرار گرفتن در معرض فناوری‌های XR داشتند. کسانی که با این فناوری تجربه داشتند، در درجه اول قرار گرفتن در معرض را از طریق بازی گزارش کردند. در حالی که اقدامات گزارش شده توسط خود می تواند سوگیری داشته باشد، این نتایج با مصاحبه های انجام شده توسط اسپیچر و همکاران مطابقت دارد. (2019) [ 26 ]، نشان دهنده نیاز به افزایش مواجهه با فناوری های XR در آموزش و گنجاندن در برنامه های درسی آموزشی GIScience موجود است.

یکی از اولویت‌های پژوهشی در XR مرتبط با آموزش، ارزیابی‌های قابل تعمیم از این است که آیا افراد با XR بهتر از روش‌های سنتی (یا جایگزین) یاد می‌گیرند، و اگر چنین است، چرا چنین است. مطالعات تجربی فعلی عملکرد بهتری را در انواع آموزش نشان داد: دانش‌آموزان پس از یادگیری با XR در آزمون‌ها امتیاز بهتری کسب کردند، کارآموزان با استفاده از XR در حوزه‌های مختلفی از جمله یادگیری مکانی، ناوبری، آموزش شناختی، آموزش جراحی یا یادگیری نحوه عمل کردن، به نتایج خوبی دست یافتند. ماشین‌ها (شبیه‌سازهای پرواز یا رانندگی) [ 102 ، 138 ، 156 ، 159 ، 160 ، 161 ، 162 ، 163 ،164 ، 165 ]. آزمایش‌های آزمایشگاهی کنترل‌شده‌تر که عوامل و رویکردهای مختلف را به صورت ترکیبی آزمایش می‌کنند، و متاآنالیزهایی که نقاط را به هم متصل می‌کنند، زمینه را در جهت درست هم در علوم کاربردی و هم در علوم بنیادی هدایت می‌کنند. درمان عمیق تر عوامل انسانی در XR به طور گسترده در کتاب های اخیر پوشش داده شده است، به عنوان مثال، توسط Jung and Dieck (2018) [ 166 ]، Jerald (2016) [ 137 ]، Aukstakalnis (2012) [ 167 ] و Peddie. (2018) [ 21 ].

4.2. اولویت های تحقیق در عوامل انسانی برای XR

علاوه بر موارد ذکر شده در بالا، بسیاری از چالش‌های عوامل انسانی دیگر وجود دارد که محققان XR باید در دهه آینده به آنها بپردازند. در زیر، فهرستی از مواردی که به عنوان اولویت های پژوهشی فعلی در نظر می گیریم، ارائه می دهیم:

چارچوب های نظری، به عنوان مثال، بر اساس متاآنالیز، شناسایی ابعاد کلیدی در رشته های مرتبط و سنتز دانش میان رشته ای سیستماتیک.
سفارشی سازی و شخصی سازی که تجسم و طراحی تعامل را با توجه به تفاوت های فردی و گروهی و بار شناختی در یک زمینه معین ارائه می دهد. فشار چشم، خستگی و سایر ناراحتی‌ها نیز می‌توانند بر اساس راه‌حل‌های شخصی‌سازی شده برطرف شوند.
راه‌حل‌ها یا راه‌حل‌هایی که به افرادی که ممکن است در فناوری به حاشیه رانده شده‌اند، کمک کنند تا با یافتن راه‌هایی برای ایجاد فناوری و محتوای قابل دسترس مشارکت کنند.
ایجاد فرهنگ برای آزمایش و گزارش مناسب کاربر برای تکرارپذیری و تعمیم یافته ها در مطالعات فردی.
بررسی پتانسیل XR به‌عنوان «آزمایشگاه‌های مجازی» برای انجام آزمایش‌های علمی برای مطالعه موضوعات بصری-فضایی، برای مثال، درک ناوبری، پردازش اطلاعات بصری-فضایی، واکنش افراد به تجسم یا طراحی‌های تعامل خاص، مطالعات اکتشافی برای بررسی آنچه ممکن است در زیر اقیانوس‌ها یا بالاتر باشد. آسمان ها… و غیره، و اینکه چگونه XR به عنوان یک ابزار ممکن است بر دانش علمی ایجاد شده در این آزمایش ها تأثیر بگذارد.
توسعه قوانین سرانگشتی برای تمرین‌کنندگان در مورد محدودیت‌های ادراکی و شناختی انسان در رابطه با XR. مطالعاتی در مورد مقایسه دستگاه های نمایشگر با سطوح مختلف غوطه وری فیزیکی برای بررسی اینکه چه زمانی غوطه وری مفید است و چه زمانی مفید نیست. معیارهای جداگانه و استاندارد شده غوطه وری فیزیکی در مقابل ذهنی در گفتمان جاری مرتبط است.
مطالعات دقیقی که XR مشترک را بررسی می کند. چگونه باید تعامل و حضور را برای بیش از یک کاربر طراحی کنیم؟ به عنوان مثال، در حضور از راه دور، آیا همه می‌توانند مراجع بصری فضایی مانند از طریق نسخه XR «اشتراک‌گذاری صفحه» را به اشتراک بگذارند تا نمای خود را در زمان واقعی برای شخص دیگری که حتی می‌تواند با این نما تعامل داشته باشد، پخش کند؟ آیا می توان دست دادن و تماس چشمی را به شیوه ای قانع کننده شبیه سازی کرد؟ آیا می توان سایر ویژگی های غیر بصری تجربه را شبیه سازی کرد (مانند دما، تجربیات لمسی، بوها).
مهمتر از همه، مسائل اجتماعی سیاسی و اخلاقی در رابطه با ردیابی و ثبت حرکات افراد، همراه با آنچه که آنها می بینند یا لمس می کنند [ 11 ] باید به دقت مورد توجه قرار گیرند. چنین ردیابی و ثبت اطلاعات خصوصی را قادر می سازد تا مدل سازی و پیش بینی شود و بخش های آسیب پذیر جمعیت بی دفاع باقی بماند. ابتکارات اخلاقی برای بررسی فناوری، طراحی و راه‌حل‌های خط‌مشی مربوط به گنجاندن، حریم خصوصی و امنیت مورد نیاز است.

4.3. مثال: برنامه ریزی شهری

در این مثال ها استفاده از XR در برنامه ریزی شهری را نشان می دهیم. برنامه ریزی شهری به طور سنتی سطوح پایینی از پذیرش را در استفاده از فناوری نوظهور تجربه کرده است [ 168 ، 169 ]. نرم‌افزار صفحه‌گسترده و سیستم‌های اطلاعات جغرافیایی (GIS) سطوح بالایی از جذب داشتند، اما سیستم‌های پشتیبانی برنامه‌ریزی پیچیده‌تر [ 170 ] به دلیل عدم قابلیت استفاده، مخاطب قوی‌تری پیدا نکردند [ 169 ]. در اینجا، ما به طور خلاصه در مورد پلتفرم‌های XR منتخب و کاربرد آن‌ها برای پشتیبانی از برنامه‌ریزی شهری فکر می‌کنیم.

تصور شهرهای آینده با استفاده از واقعیت مجازی: جهان های مجازی سه بعدی (به عنوان مثال، جهان آلفای جهان های فعال، سایبر تاون، زندگی دوم و ترف) در شیوه های برنامه ریزی شهری جذابیت محدودی پیدا کرده اند. از Terf برای آموزش استفاده شده است [ 171 ]، اما مسائل فنی در رسیدگی به اشیاء مدل سازی اطلاعات ساختمان (BIM) در مقیاس شهر، کاربرد آنها را در عمل محدود می کند. کره های مجازی سه بعدی (به عنوان مثال، Google Earth، NASA Worldview، و Worldwind، Cesium) از تعداد فزاینده ای از برنامه های برنامه ریزی دیجیتال پشتیبانی می کنند. به عنوان مثال، جعبه ابزار Rapid Analytics Interactive Scenario Explorer (RAISE) ( شکل 10 ) از سزیوم استفاده می کند و به برنامه ریزان شهری اجازه می دهد تا زیرساخت های جدید مترو را در یک VE 3 بعدی بکشند و رها کنند تا تأثیر آن بر قیمت ملک را بهتر درک کنند و سایر موارد “چه می شود اگر” را کشف کنند. سناریوها [ 171، 172 ].

تصور شهرهای آینده با استفاده از AR/MR: با پیشرفت سریع هدست‌های XR، مجموعه وسیعی از داده‌های موجود به دست آمده است، و رابط‌ها پیچیده‌تر شده‌اند زیرا هم موتورهای بازی (مانند Unity و Unreal Engine) و هم رابط‌های برنامه‌نویسی کاربردی (API) پیچیده‌تر شده‌اند. تحریک توسعه ابزارها و خدمات کاربردی. در نتیجه، ما شاهد افزایش چشمگیر محصولات عملی در حوزه برنامه ریزی و معماری (و فراتر از آن) هستیم. نمونه هایی از این محصولات عبارتند از HoloCity [ 173 ] ( شکل 11 ).

شکل 11 آرایه‌های بزرگی از داده‌های حسگر حمل‌ونقل را نشان می‌دهد که روی یک مدل مجازی از سیدنی، استرالیا، که از طریق OpenStreetMap (OSM)، شکلی از اطلاعات جغرافیایی داوطلبانه (VGI) [ 173 ]، و MapBox AR، یک جعبه ابزار منبع باز ترکیبی از AR ، تولید شده‌اند، همپوشانی شده‌اند. نرم افزار با داده های مکان جهانی MapBox. Tabletop AR MapBox می‌تواند مناظر شهری تعاملی ایجاد کند که خود را به نزدیک‌ترین سطح صاف قابل مشاهده متصل می‌کند. تجسم درجا XR از اشیا و «تحلیل‌های موقعیت‌یافته» شهری چالش‌برانگیزتر هستند [ 174 ، 175 ]. با فرصت‌هایی که پلتفرم‌های XR ارائه می‌کنند، چالش‌هایی با معرفی آنها به وجود می‌آیند. این شامل:

دسترسی به داده ها با ظهور جنبش داده های باز، دارایی های داده دیجیتال بسیاری از شهرها برای ایجاد محصولات XR شهر برای محققان و توسعه دهندگان قابل دسترس تر می شوند. به عنوان مثال، Helsinki 3D دسترسی به بیش از 18000 ساختمان مجزا را فراهم می کند [ 176 ].
توسعه و آزمایش. قابلیت استفاده از سیستم های XR برای پذیرش آنها بسیار مهم است. به کارگیری استانداردهای طراحی و آزمایش انسان محور (به عنوان مثال، ISO9421 [ 171 ، 177 ]) می تواند به محققان در درک چگونگی ایجاد سیستم های مؤثر در زمینه های طراحی و برنامه ریزی شهری خاص کمک کند.
برهم زدن رویه های استاندارد پذیرش گسترده XR در جامعه برنامه ریزی شهری منوط به ایجاد اختلال در شیوه های استاندارد است که به طور سنتی بر نقشه ها و نقشه های دو بعدی تکیه می کنند. یک مطالعه اخیر در مورد ارزیابی استفاده از VR مبتنی بر HMD توسط برنامه ریزان شهری نشان داد که برنامه ریزان نقشه های استاندارد دو بعدی را ترجیح می دهند، و تجربه VR همهجانبه را به عنوان چالش برانگیز توصیف می کنند، با برخی از شرکت کنندگان بیماری حرکت به عنوان مانعی برای پذیرش [ 171 ].
حرکت فراتر از “بلینگ دیجیتال”. در حالی که XR تجسم داده‌ها را به روش‌های جدید و جالب ارائه می‌کند، یک چالش بزرگ در این زمینه فراتر از جدید بودن «Digital Bling» و همچنین ارائه بینش‌های جدید و معنادار در مورد استفاده کاربردی از این پلتفرم‌ها است. این به نوبه خود باید به دنبال تولید برنامه ریزی شهری آگاهانه تر از آنچه با رسانه های سنتی امکان پذیر بود باشد.

5. نتیجه گیری ها

شرح کامل تمام دانش XR فراتر از محدوده یک مقاله است. برای مثال، نمونه های بیشتری از مطالعات موردی در مورد آمادگی اضطراری و برنامه ریزی تخلیه با استفاده از XR [ 178 ، 179 ] می تواند مقاله را غنی تر کند. با این وجود، سازماندهی اطلاعات تحت فناوری ، طراحی و عوامل انسانیابعاد به هم پیوستگی پرسش‌های میان رشته‌ای را نشان می‌دهد و به جای تمرکز بر یکی از آنها به تنهایی، اجازه می‌دهد تصویری جامع‌تر ساخته شود، برای مثال، چگونه ابزارها و روش‌های ما (تکنولوژی و طراحی) بر مطالعات عوامل شناختی و انسانی ما تأثیر می‌گذارند؟ این فناوری برای چه کسانی در نظر گرفته شده است، چقدر خوب کار خواهد کرد و تحت چه شرایطی و برای چه هدفی استفاده خواهد شد؟ آیا می‌توانیم طراحی را مطابق با زمینه و مخاطب مورد نظر بهینه کنیم؟ امروزه، گوشی‌های هوشمند سطح بالا می‌توانند دنیای فیزیکی اطراف خود را اسکن کنند، آن را در زمان واقعی پردازش کنند تا ابرهای نقطه‌ای و مدل‌های هندسی ایجاد کنند، و به صورت مکانی اشیاء مجازی را با دنیای فیزیکی برای MR ارجاع دهند. بسیاری از این موارد صرفاً به دلیل پیشرفت‌های سخت‌افزاری فعال می‌شوند، اما همه دستگاه‌ها نمی‌توانند با نیازهای محاسباتی MR مقابله کنند. همچنین امکان ضبط یا پخش جریانی چنین داده هایی با وضوح بالا در هر تنظیمی وجود ندارد. چنین تجسم‌های درجا و سنجش و شبیه‌سازی بلادرنگ باعث ایجاد XR GIScience می‌شود که شامل توانایی جمع‌آوری داده‌ها، تجسم و پرس‌وجو از آن‌ها، و کاوش نتایج در محل در حین استفاده از یک رابط MR واحد است. MR آینده می‌تواند به بستن شکافی که بین فضای میدانی و فضای آزمایشگاهی وجود دارد کمک کند و امکان GIScience را فراهم کند که از ارتباط شناختی بین داده‌ها و فضا پشتیبانی می‌کند. XR فرصت هایی را برای تعامل و تجربه داده ها نشان می دهد. درک و تفسیر داده ها به صورت چند بعدی؛ و آنالیزهای حجمی، توپولوژیکی سه بعدی و شبیه سازی ها را به طور یکپارچه در محیط های واقعیت غوطه ور، موقعیتی و مختلط انجام دهید. برخی حدس می زنند که XR پوشیدنی انقلاب تکنولوژیکی بعدی است (تلفن های هوشمند پست). این ممکن است درست باشد، اگرچه نیازمند تلاش آگاهانه است که چندین رشته را به هم متصل کند. یک جنبه جالب XR (به خصوص MR) این است که می توانیدواقعیت مردم را تغییر دهد با فرض رایج شدن MR، این ممکن است پیامدهای مهمی برای تجربه و تکامل انسان داشته باشد. ایجاد تجربیات خوب، مفید و متفکرانه XR تنها با همکاری میان رشته ای امکان پذیر است. تثبیت و هضم تخصص از رشته‌های مختلف می‌تواند پیچیده باشد و خطر عدم عمق کافی و ایجاد فرضیات ساده‌لوحانه وجود دارد. با این حال، مهم است که به طور کامل به یاد داشته باشیدتحقیقات مبتنی بر فناوری نیز می تواند مخاطره آمیز باشد و بازتاب انتقادی تأثیرات این فناوری ها بر افراد و جوامع مهم است. همه دانشمندانی که بر روی XR کار می کنند باید در مورد سیاست ها نیز فکر کنند و در صورت امکان با سیاست گذاران برای تأثیرگذاری بر استفاده مسئولانه از این فناوری های قدرتمند، با این پرسش که XR ممکن است برای درک ما از جهان چه معنایی داشته باشد، با همه پیامدهای اخلاقی و سیاسی زیربنایی آن.

منابع

هدلی، ن. واقعیت افزوده. در دایره المعارف بین المللی جغرافیا: مردم، زمین، محیط زیست و فناوری ؛ جان وایلی و پسران، آموزشی ویبولیتین: آکسفورد، بریتانیا، 2017. صص 1-13. [ Google Scholar ]
هدلی، ن. واقعیت افزوده و GIS. در سیستم های جامع اطلاعات جغرافیایی ; الزویر: آمستردام، هلند، 2018; صص 355-368. [ Google Scholar ]
Chmelařová، K. شاسینکا، چ. Stachoň، Z. تجسم اطلاعات مرتبط با محیط در واقعیت افزوده: تجزیه و تحلیل نیازهای کاربر. در مجموعه مقالات کنفرانس بین المللی کارتوگرافی، واشنگتن دی سی، ایالات متحده آمریکا، 2 تا 7 ژوئیه 2017؛ ص 283-292. [ Google Scholar ]
MacEachren، AM; ادسال، آر. هاگ، دی. باکستر، آر. اتو، جی. مستر، ر. فورمن، اس. کیان، ال. محیط های مجازی برای تجسم جغرافیایی. در مجموعه مقالات کارگاه پارادایم های جدید در تجسم و دستکاری اطلاعات در ارتباط با هشتمین کنفرانس ACM در مدیریت اطلاعات و دانش – NPIVM’99، کانزاس سیتی، MO، ایالات متحده، 2 تا 6 نوامبر 1999. صص 35-40. [ Google Scholar ]
اسلوکام، TA; بلوک، سی. جیانگ، بی. کوسولاکو، ا. مونتلو، DR; فورمن، اس. هدلی، NR مسائل شناختی و قابلیت استفاده در ژئو تجسم. کارتوگر. Geogr. Inf. علمی 2001 ، 28 ، 61-75. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
پانگیلینان، ای. لوکاس، اس. موهان، وی. ایجاد واقعیت های افزوده و مجازی: نظریه و عمل برای محاسبات فضایی نسل بعدی . O’Reilly Media, Inc.: Sebastopol, CA, USA, 2018; ISBN 1492044199. [ Google Scholar ]
Çöltekin، A. محاسبات فضایی چیست؟ رابط های کاربری سه بعدی، عوامل انسانی و واقعیت افزوده و ترکیبی به عنوان نقشه. در مجموعه مقالات طراحی تجربه کاربر برای کارتوگرافی موبایل: تنظیم دستور کار، کارگاه کمیسیون مشترک انجمن بین المللی کارتوگرافی، پکن، چین، 11 تا 12 ژوئیه 2019. [ Google Scholar ]
Bainbridge، WS پتانسیل تحقیقات علمی دنیای مجازی. Science (80) 2007 ، 317 ، 472-476. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
زندگی دوم. در دسترس آنلاین: https://secondlife.com/ (در 25 ژوئن 2020 قابل دسترسی است).
World of Warcraft. در دسترس آنلاین: https://worldofwarcraft.com/ (در 25 ژوئن 2020 قابل دسترسی است).
خداحافظ، ک. هاسفلت، دی. چیس، اس. میسنیکس، ام. بک، تی. پیامدهای اخلاقی و حریم خصوصی واقعیت ترکیبی. در مجموعه مقالات پانل های ACM SIGGRAPH 2019 در—SIGGRAPH’19، لس آنجلس، کالیفرنیا، ایالات متحده آمریکا، 28 ژوئیه تا 1 اوت 2019؛ ص 1-2. [ Google Scholar ]
Bower، TGR توسعه شیء-پایداری: برخی از مطالعات در مورد ثبات وجود. درک کنید. روانشناسی. 1967 ، 2 ، 411-418. [ Google Scholar ] [ CrossRef ]
چولتکین، ا. گریفین، آل. Slingsby، A.; رابینسون، AC; کریستف، اس. راوتنباخ، وی. چن، ام. پتیت، سی. کلیپل، الف. تجسم اطلاعات جغرافیایی و نمایش واقعیت توسعه یافته. در کتابچه راهنمای زمین دیجیتال ; اسپرینگر: سنگاپور، 2020؛ ص 229-277. [ Google Scholar ]
اسلوکام، TA; مک مستر، آر.ام. کسلر، اف سی؛ هوارد، اچ. مک مستر، کارتوگرافی موضوعی RB و تجسم جغرافیایی . Prentice Hall: Upper Saddle River، نیوجرسی، ایالات متحده آمریکا، 2008. [ Google Scholar ]
Burdea، G. Coiffet، P. فناوری واقعیت مجازی. Presence Teleoperators Virtual Environ. 2003 ، 12 ، 663-664. [ Google Scholar ] [ CrossRef ]
لین، اچ. Gong, J. کاوش در محیط های جغرافیایی مجازی. ان GIS 2001 ، 7 ، 1-7. [ Google Scholar ] [ CrossRef ]
کاستلز، ام. مقدمه ای بر عصر اطلاعات. شهر 1997 ، 2 ، 6-16. [ Google Scholar ] [ CrossRef ]
Batty, M. جغرافیای مجازی. فیوچرز 1997 ، 29 ، 337-352. [ Google Scholar ] [ CrossRef ]
چولتکین، ا. کلارک، کی سی نماینده همه چیز. در Geospatial Today (تحریریه مهمان) ; انتشارات Sanjay Kumar، MP Printers: Noida، هند، 2011; ص 26-28. [ Google Scholar ]
چن، ام. لین، اچ. Lu, G. محیط های جغرافیایی مجازی. در دایره المعارف بین المللی جغرافیا: مردم، زمین، محیط زیست و فناوری ؛ جان وایلی و پسران، آموزشی ویبولیتین: آکسفورد، بریتانیا، 2017. صص 1-11. [ Google Scholar ]
Peddie, J. Augmented Reality : Where We Will Live Springer: برلین/هایدلبرگ، آلمان، 2017. [ Google Scholar ]
مدیروس، دی. سوزا، م. مندز، دی. راپوسو، ا. خورخه، جی. درک عمق: اپتیکال در مقابل مشاهده تصویری. در مجموعه مقالات بیست و دومین کنفرانس ACM در زمینه نرم افزار و فناوری واقعیت مجازی—VRST’16، مونیخ، آلمان، 2 تا 4 نوامبر 2016؛ صص 237-240. [ Google Scholar ]
رولان، جی پی؛ هالووی، RL; Fuchs, H. مقایسه نمایشگرهای اپتیکال و ویدئویی که روی سر نصب شده اند. در فناوری های دستکاری و حضور از راه دور ؛ نقطه چین.؛ انجمن بین المللی اپتیک و فوتونیک: بوستون، MA، ایالات متحده آمریکا، 1995; صص 293-307. [ Google Scholar ]
میلگرام، پی. کیشینو، F. طبقه بندی نمایش های بصری واقعیت ترکیبی. در معاملات IEICE بر روی اطلاعات و سیستم ها ; موسسه مهندسین الکترونیک، اطلاعات و ارتباطات: توکیو، ژاپن، 1994. [ Google Scholar ]
فریمن، آر. میلگرام و زنجیره واقعیت-مجازی کیشینو دوباره ترسیم شدند. در دسترس آنلاین: https://en.wikipedia.org/w/index.php?curid=14356884 (دسترسی در 22 ژوئن 2020).
اسپیچر، ام. هال، BD; نبلینگ، ام. واقعیت ترکیبی چیست؟ در مجموعه مقالات کنفرانس CHI 2019 در مورد عوامل انسانی در سیستم‌های محاسباتی – CHI’19، گلاسکو، بریتانیا، 4 تا 9 مه 2019؛ صص 1-15. [ Google Scholar ]
آلیسون، ام. غوطه ور شدن، تعامل و حضور: روشی برای تجزیه و تحلیل بازی های ویدئویی سه بعدی. در کتابخوان تئوری بازی های ویدیویی ; Routledge: نیویورک، نیویورک، ایالات متحده آمریکا، 2003. [ Google Scholar ]
اسلاتر، ام. Wilbur, S. چارچوبی برای محیط های مجازی فراگیر (FIVE): گمانه زنی ها در مورد نقش حضور در محیط های مجازی. Presence Teleoperators Virtual Environ. 1997 ، 6 ، 603-616. [ Google Scholar ] [ CrossRef ]
شرمن، دبلیو آر. کریگ، AB درک واقعیت مجازی: رابط، برنامه، و طراحی . مورگان کافمن: برلینگتون، MA، ایالات متحده آمریکا، 2018. [ Google Scholar ]
لی، بی. باخ، بی. دوایر، تی. ماریوت، K. تجزیه و تحلیل همهجانبه. محاسبات IEEE. نمودار. Appl. 2019 ، 39 ، 16-18. [ Google Scholar ] [ CrossRef ]
هروبی، اف. رسل، آر. Valle، GDLBD Geovisualization با محیط های مجازی فراگیر در تئوری و عمل. بین المللی جی دیجیت. زمین 2019 ، 12 ، 123-136. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
کامینگز، جی جی. Bailenson، JN چقدر غوطه ور بودن کافی است؟ متاآنالیز تأثیر فناوری همهجانبه بر حضور کاربر. روانشناسی رسانه. 2015 ، 19 ، 272-309. [ Google Scholar ] [ CrossRef ]
Lönnqvist، MA; استفناکیس، E. GIScience در باستان شناسی: ردپای انسان باستانی در فضای خودکار. در کتابچه راهنمای سیستم های اطلاعات جغرافیایی ; مدن، ام.، اد. انجمن آمریکایی فتوگرامتری و سنجش از دور: Bethesda، MD، ایالات متحده آمریکا، 2009; ص 1221-1259. ISBN 9781570830860. [ Google Scholar ]
Goodchild، MF Citizens به عنوان حسگر: دنیای جغرافیای داوطلبانه. ژئوژورنال 2007 ، 69 ، 211-221. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
باتی، ام. دوقلوهای دیجیتال. محیط زیست طرح. ب مقعد شهری. علوم شهر 2018 ، 45 ، 817-820. [ Google Scholar ] [ CrossRef ]
Gelernter, D. Mirror Worlds: یا نرم افزار روز جهان را در جعبه کفش قرار می دهد… چگونه اتفاق خواهد افتاد و چه معنایی خواهد داشت . انتشارات دانشگاه آکسفورد: نیویورک، نیویورک، ایالات متحده آمریکا، 1992; شابک 0-19-506812-2. [ Google Scholar ]
Goodchild، MF; گوا، اچ. آنونی، ا. بیان، ال. دی بی، ک. کمبل، اف. کراگلیا، ام. اهلرز، ام. ون جندرن، جی. جکسون، دی. و همکاران نسل بعدی زمین دیجیتال Proc. Natl. آکادمی علمی ایالات متحده آمریکا 2012 ، 109 ، 11088-11094. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
هیوگ، او. سیوتات، جی.-م. Guitton، P. GIS و واقعیت افزوده: وضعیت هنر و مسائل. در کتابچه راهنمای واقعیت افزوده ; Springer: نیویورک، نیویورک، ایالات متحده آمریکا، 2011; صص 721-740. [ Google Scholar ]
مایکروسافت شرکت مایکروسافت هولولنز. در دسترس آنلاین: https://www.microsoft.com/en-us/hololens (در 22 ژوئن 2020 قابل دسترسی است).
مجیک لیپ. جهش جادویی. در دسترس آنلاین: https://www.magicleap.com/en-us (در 22 ژوئن 2020 قابل دسترسی است).
لونرگان، سی. هدلی، N. انعطاف‌پذیر واقعیت ترکیبی و شبیه‌سازی موقعیت‌یافته به‌عنوان اشکال نوظهور ژئوتصویرسازی. کارتوگر. بین المللی جی. جئوگر. Inf. جئوویس. 2014 ، 49 ، 175-187. [ Google Scholar ] [ CrossRef ]
لوچهد، آی. هدلی، ن. ارتباط با زمینه تخلیه چند سطحی با استفاده از واقعیت افزوده واقع شده. در ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences ; انتشارات کوپرنیک: گوتینگن، آلمان، 2018. [ Google Scholar ]
MacEachren، AM; گهگان، م. پایک، دبلیو. برویر، آی. کای، جی. Hardisty، F. Geovisualization برای ساخت دانش و پشتیبانی تصمیم. محاسبات IEEE. نمودار. Appl. 2004 ، 24 ، 13-17. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Çöltekin، A. چه چیزی به پیچیدگی نمایش‌های بصری فضایی کمک می‌کند؟ در مجموعه مقالات انتزاع، مقیاس و ادراک، کارگاه کمیسیون مشترک انجمن بین المللی نقشه برداری، توکیو، ژاپن، 15 ژوئیه 2019. [ Google Scholar ]
هالووی، آر. Lastra، A. محیط های مجازی: بررسی فناوری. در مجموعه مقالات یوروگرافیک، بارسلونا، اسپانیا، 6-10 سپتامبر 1993; صص 1-57. [ Google Scholar ]
لوکا، IE; Çöltekin، A. به سمت بهینه‌سازی طراحی محیط‌های مجازی برای یادگیری مسیر: ارزیابی تجربی اثرات تغییر سطوح واقع‌گرایی بر حافظه. بین المللی جی دیجیت. زمین 2019 ، 12 ، 137-155. [ Google Scholar ] [ CrossRef ]
هالیک، Ł. چالش‌های تبدیل پایگاه‌داده توپوگرافی لهستانی مناطق ساخته‌شده به تصویرسازی جغرافیایی واقعیت مجازی سه بعدی. کارتوگر. J. 2018 ، 55 ، 391-399. [ Google Scholar ] [ CrossRef ]
فابریکا، م. والنت، پ. Scheer، Ľ. مربی نازک شدن بر اساس مدل رشد جنگل، واقعیت مجازی و محیط مجازی به کمک کامپیوتر. محیط زیست مدل. نرم افزار 2018 ، 100 ، 11-23. [ Google Scholar ] [ CrossRef ]
Google Inc. Google Glass. در دسترس آنلاین: https://www.google.com/glass/start/ (در 22 ژوئن 2020 قابل دسترسی است).
HTC Inc. HTC Vive. در دسترس آنلاین: https://www.vive.com (در 22 ژوئن 2020 قابل دسترسی است).
LookingGlass. به دنبال شیشه. در دسترس آنلاین: https://lookingglassfactory.com/ (در 22 ژوئن 2020 قابل دسترسی است).
هولووکت. در دسترس آنلاین: https://www.kickstarter.com/projects/2029950924/holovect-holographic-vector-display/description (در 22 ژوئن 2020 قابل دسترسی است).
فورمن، اس. هولزباخ، من؛ Black, R. توسعه هولوگرام های تعاملی جغرافیایی برای تصمیم گیری فضایی. کارتوگر. Geogr. Inf. علمی 2015 ، 42 ، 27-33. [ Google Scholar ] [ CrossRef ]
GoogleARCore. در دسترس آنلاین: https://developers.google.com/ar/discover/concepts (در 22 ژوئن 2020 قابل دسترسی است).
سنسور ساختار اکسیپیتال توسط اکسیپیتال. در دسترس آنلاین: https://structure.io/ (در 22 ژوئن 2020 قابل دسترسی است).
Apple Inc. Apple iPad Pro 2020. موجود به صورت آنلاین: https://www.apple.com/newsroom/2020/03/apple-unveils-new-ipad-pro-with-lidar-scanner-and-trackpad-support-in -ipados/ (دسترسی در 22 ژوئن 2020).
ژو، اف. Duh، HB-L. Billinghurst، M. روندها در ردیابی، تعامل و نمایش واقعیت افزوده: مروری بر ده سال ISMAR. در مجموعه مقالات هفتمین سمپوزیوم بین المللی IEEE/ACM در سال 2008 در مورد واقعیت ترکیبی و افزوده، کمبریج، انگلستان، 15 تا 18 سپتامبر 2008. صص 193-202. [ Google Scholar ]
Lavalle، SM واقعیت مجازی ; انتشارات دانشگاه کمبریج: کمبریج، بریتانیا، 2017. [ Google Scholar ]
ووفوریا. ووفوریا. در دسترس آنلاین: https://developer.vuforia.com/ (در 22 ژوئن 2020 قابل دسترسی است).
چنگ، K.-H. تسای، سی.-سی. توانایی های واقعیت افزوده در یادگیری علم: پیشنهاداتی برای تحقیقات آینده J. Sci. آموزش. تکنولوژی 2012 ، 22 ، 449-462. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
انگلستان، دی. تعامل کل بدن: مقدمه. تعامل در کل بدن ؛ انگلستان، دی.، اد. Springer: لندن، انگلستان، 2011; صص 1-5. ISBN 9780857294326 9780857294333. [ Google Scholar ]
چولتکین، ا. همپل، جی. بریچتووا، آ. جیانوپولوس، آی. استل ماخ، اس. Dachselt، R. Gaze و پاها به عنوان مدالیته های ورودی اضافی برای تعامل با رابط های جغرافیایی. در مجموعه مقالات ISPRS Annals of the Photogrammetry، سنجش از دور و علوم اطلاعات فضایی، پراگ، جمهوری چک، 12-19 ژوئیه 2016. جلد III–2، صص 113–120. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
بکتاش، ک. چولتکین، ا. کروگر، جی. دوچوفسکی، AT; Fabrikant، SI GeoGCD: جستجوی بصری بهبود یافته از طریق نمایشگر مشروط نگاه. در مجموعه مقالات یازدهمین سمپوزیوم ACM در مورد تحقیقات و کاربردهای ردیابی چشم – ETRA’19، دنور، CO، ایالات متحده آمریکا، 25 تا 28 ژوئن 2019؛ صص 1-10. [ Google Scholar ]
ولیچکوفسکی، بی. اسپرنگر، ا. Unema، P. به سوی تعامل با واسطه نگاه: جمع آوری راه حل های “مشکل لمس میداس”. در مجموعه مقالات تعامل انسان و کامپیوتر INTERACT’97، سیدنی، استرالیا، 14-18 ژوئیه 1997; ص 509-516. [ Google Scholar ]
ماجارانتا، پ. Räihä، K.-J. هیرسکیکاری، ع. اسپاکوف، او. حرکات چشم و تعامل انسان و کامپیوتر. در تحقیق حرکت چشم: مقدمه ای بر مبانی علمی و کاربردهای آن . کلاین، سی.، اتینگر، یو.، ویرایش. Springer: برلین/هایدلبرگ، آلمان، 2019؛ ص 971-1015. [ Google Scholar ]
بیتس، آر. دونگان، م. ایستانس، HO; هانسن، جی پی؛ رایها، ک.-جی. معرفی COGAIN: ارتباط از طریق تعامل نگاه. یونیورسال دسترسی به Inf. Soc. 2007 ، 6 ، 159-166. [ Google Scholar ] [ CrossRef ]
Napier, J. Hands (بازبینی شده توسط RH Tuttle) ; انتشارات دانشگاه پرینستون: پرینستون، نیوجرسی، ایالات متحده آمریکا، 1980; شابک 0691025479. (بازبینی 22 فوریه 1993). [ Google Scholar ]
بومن، دی. کرویف، ای. لاویولا، جی جی، جونیور؛ Poupyrev، IP 3D User Interface: Theory and Practice . Addison-Wesley: Boston, MA, USA, 2004. [ Google Scholar ]
Niintendo Wiimote. در دسترس آنلاین: https://wii.com/ (در 22 ژوئن 2020 قابل دسترسی است).
Oculus Touch. در دسترس آنلاین: https://www.oculus.com (در 22 ژوئن 2020 قابل دسترسی است).
وبر، آ. جنی، بی. وانر، ام. کرون، جی. مارتی، پی. Hurni, L. Cartography با بازی روبرو می شود: کره های ناوبری، نمودارهای بلوک و نقشه های دوبعدی با گیم پد و جوی استیک. کارتوگر. J. 2010 , 47 , 92-100. [ Google Scholar ] [ CrossRef ]
پان، ی. Steed، A. چگونه ردیابی پا اهمیت دارد: تأثیر یک خودآواتار متحرک بر تعامل، تجسم و حضور در محیط های مجازی مشترک. جلو. ربات. AI 2019 ، 6 ، 104. [ Google Scholar ] [ CrossRef ]
چولتکین، ا. دمسار، U. بریچتووا، آ. Vandrol، J. هماهنگی چشم و دست در طول جستجوی بصری در نمایشگرهای جغرافیایی. در مجموعه مقالات دومین کارگاه بین المللی ردیابی چشم برای تحقیقات فضایی، GIScience2014، وین، اتریش، 23 سپتامبر 2014. [ Google Scholar ]
دمشار، یو. Çöltekin، A. کمی کردن تعاملات نگاه و موش در رابط های بصری فضایی با یک روش جدید تحلیل حرکتی. PLoS ONE 2017 , 12 , e0181818. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
چولتکین، ا. بلیش، اس. آندرینکو، جی. دایکز، جی. چالش‌های پایدار در تجسم جغرافیایی؟ دیدگاه جامعه بین المللی جی. کارتوگر. 2017 ، 3 ، 115-139. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
کیتزمن، جی. لی، LW; مک کارتی، IP; کیتزمن، تی سی دیپ فیکس: حقه یا درمان؟ اتوبوس. هوریز. 2020 ، 63 ، 135-146. [ Google Scholar ] [ CrossRef ]
چولتکین، ا. Reichenbacher, T. خدمات جغرافیایی با کیفیت بالا و محدودیت های پهنای باند. اینترنت آینده 2011 ، 3 ، 379-396. [ Google Scholar ] [ CrossRef ]
اومز، ک. چولتکین، ا. دی مایر، پ. دوپون، ال. فابریکانت، اس. اینکول، ا. کوهن، م. اسلابینک، اچ. وانستینکیست، پی. Van der Haegen، L. ترکیب ثبت کاربر با ردیابی چشم برای برنامه های کاربردی تعاملی و پویا. رفتار Res. Methods 2015 ، 47 ، 977-993. [ Google Scholar ] [ CrossRef ]
دوچوفسکی، AT; Çöltekin، A. نمایشگرهای مشروط نگاه برای مدیریت LOD محیطی، تجسم سه بعدی، و تصویربرداری استریو. ACM Trans. چندتایی. محاسبه کنید. اشتراک. Appl. 2007 ، 3 ، 1-18. [ Google Scholar ] [ CrossRef ]
Çöltekin، A. برنامه‌نویسی تصویر فضایی برای رسانه‌های استریوسکوپی. در مجموعه مقالات سمپوزیوم کدگذاری تصویر در سال 2009، شیکاگو، IL، ایالات متحده آمریکا، 6-8 مه 2009; صص 1-4. [ Google Scholar ]
لایک، اس. سینگ، RK; ویلوری، VGK؛ کونر، آر. سونی، ا. Khare, R. بازسازی سه بعدی: چشم انداز نوظهور برای نقشه برداری. در کاربردهای ژئوماتیک در مهندسی عمران ; Springer: برلین/هایدلبرگ، آلمان، 2020؛ صص 71-81. [ Google Scholar ]
برزوفسکی، وی. مالت، ایکس. Moffat, I. تکنیک های ژئوماتیک در علم پزشکی قانونی: بررسی. علمی عدالت 2020 ، 60 ، 99-107. [ Google Scholar ] [ CrossRef ] [ PubMed ]
ژامبون، اچ. وسلی، جی. هندرا، اچ. بازسازی سه بعدی مبتنی بر بینایی کامپیوتری: یک بررسی. بین المللی جی الکتر. محاسبه کنید. مهندس 2019 ، 9 ، 2394–2402. [ Google Scholar ] [ CrossRef ]
قفل، O.; بین، ام. Pettit, C. UrbanAI – توسعه رویکردها و رابط های یادگیری ماشین برای پشتیبانی از برنامه ریزی و تحویل حمل و نقل و مسکن در سیدنی. در مجموعه مقالات دومین کنفرانس بین المللی انفورماتیک شهری، هنگ کنگ، چین، 24 تا 26 ژوئن 2019. [ Google Scholar ]
پادمنابان، ن. روبان، تی. سیتزمن، وی. نورسیا، AM; Wetzstein، G. به سوی یک رویکرد یادگیری ماشینی برای پیش‌بینی بیماری در ویدیوهای استریوسکوپی 360 درجه. IEEE Trans. Vis. محاسبه کنید. نمودار 2018 ، 24 ، 1594-1603. [ Google Scholar ] [ CrossRef ] [ PubMed ]
چوک، ام جی. عمر، ز. Jaward، MH مروری بر تکنیک های تشخیص ژست دست و زبان اشاره. بین المللی جی. ماخ. فرا گرفتن. سایبرن. 2019 ، 10 ، 131-153. [ Google Scholar ] [ CrossRef ]
Casini، AEM; ماگیور، پی. ویولا، ن. باسو، وی. فرینو، م. هافمن، جی. Cowley، A. تجزیه و تحلیل یک پاسگاه ماه برای مریخ فن آوری های فعال از طریق یک محیط واقعیت مجازی. فضانورد Acta. 2018 ، 143 ، 353-361. [ Google Scholar ] [ CrossRef ]
سدلاچک، دی. اوکلوسکی، او. Zara, J. Moon base: یک بازی جدی برای آموزش. در مجموعه مقالات یازدهمین کنفرانس بین‌المللی ۲۰۱۹ جهان‌های مجازی و بازی‌ها برای کاربردهای جدی (VS-Games)، وین، اتریش، ۴ تا ۶ سپتامبر ۲۰۱۹؛ صص 1-4. [ Google Scholar ]
Hedley, N. Connecting Worlds: Using Virtual and Mixed Reality for Earth and Planetary Science . آزمایشگاه پیشرانه جت (JPL) اداره ملی هوانوردی و فضایی (NASA): پاسادنا، کالیفرنیا، ایالات متحده آمریکا، 2018. [ Google Scholar ]
هدلی، ن. لوچهد، آی. Aagesen، S. لونرگان، سی دی; Benoy، N. انتقال بین دنیاها: استفاده از واقعیت مجازی و ترکیبی برای علم زمین و سیاره. در مجموعه مقالات AGUFM 2017، لوئیزیانا، NO، ایالات متحده آمریکا، 11 تا 15 دسامبر 2017. [ Google Scholar ]
مندل، W. پایگاه بین المللی ماه سرنشین دار: آغاز قرن بیست و یکم در فضا. علمی گلوب. امن 1991 ، 2 ، 209-233. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
آریا، ع. راجاسخار، RP; ثنگ جام، جی. آجایی; Kiran Kumar، AS تشخیص مکان بالقوه برای قابلیت سکونت انسان در آینده با استفاده از داده های Chandrayaan-1. Curr. علمی 2011 ، 100 ، 524-529. [ Google Scholar ]
شروود، بی. اصول برای یک پایه ماه عملی. فضانورد Acta. 2019 ، 160 ، 116-124. [ Google Scholar ] [ CrossRef ]
Loftin، RB Aerospace کاربردهای فناوری محیط مجازی. محاسبه کنید. نمودار 1996 ، 30 ، 33-35. [ Google Scholar ] [ CrossRef ]
ریمن، جی. فرانتسکه، م. Redmiles, D. ارزیابی کاربردپذیری با پیشرفت شناختی. در مجموعه مقالات کنفرانس در مورد عوامل انسانی در سیستم های محاسباتی-CHI’95، دنور، CO، ایالات متحده آمریکا، 7-11 مه 1995. صص 387-388. [ Google Scholar ]
Hoeft، RM; Ashmore, D. طراحی کاربر محور در عمل. در عوامل انسانی در عمل ; Cuevas, HM, Velázquez, J., Dattel, AR, Eds. CRC Press: بوکا راتون، فلوریدا، ایالات متحده آمریکا، 2017؛ صص 89-106. ISBN 9781315587370. [ Google Scholar ]
چولتکین، ا. لوکا، آی. Zahner, M. در مورد کاربرد و سودمندی تجسم‌های سه بعدی (جغرافیایی) – تمرکز بر محیط‌های واقعیت مجازی. در مجموعه مقالات ISPRS – آرشیو بین المللی فتوگرامتری، سنجش از دور و علوم اطلاعات فضایی، پراگ، جمهوری چک، 12 تا 19 ژوئیه 2016. جلد XLI-B2، صص 387–392. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
بورکین، MA; Gajos، KZ; پیترز، آ. میتسوراس، دی. ملکیونا، اس. Rybicki، FJ; فلدمن، CL; Pfister، H. ارزیابی تجسم شریان برای تشخیص بیماری قلبی. IEEE Trans. Vis. محاسبه کنید. نمودار 2011 ، 17 ، 2479-2488. [ Google Scholar ] [ CrossRef ]
شپرد، IDH تجسم جغرافیایی ; Dodge, M., McDerby, M., Turner, M., Eds. John Wiley & Sons, Ltd.: Chichester, UK, 2008; ISBN 9780470987643. [ Google Scholar ]
شنورر، آر. ریتزی، م. چولتکین، ا. Sieber, R. یک ارزیابی تجربی از نمودارهای دایره ای سه بعدی با بخش های اکسترود شده به صورت جداگانه در یک زمینه ژئو تجسم. Inf. Vis. 2020 ، 147387161989610. [ Google Scholar ] [ CrossRef ]
دالا آکوا، ال. چولتکین، ا. نوئتزلی، جی. ارزیابی مقایسه‌ای کاربر از شش تجسم جایگزین دائمی منجمد برای خواندن و تفسیر اطلاعات دما. در مجموعه مقالات نقشه های تعاملی GeoViz Hamburg 2013 که به Poeple Think کمک می کند، هامبورگ، آلمان، 6 تا 8 مارس 2013. [ Google Scholar ]
مک اینتایر، جی پی؛ هاویگ، روابط عمومی; نمایشگرهای سه بعدی Geiselman، EE Stereoscopic و عملکرد انسانی: بررسی جامع نمایش 2014 ، 35 ، 18-26. [ Google Scholar ] [ CrossRef ]
هارتانگ، جی. Çöltekin، A. رفع یک توهم – یک ارزیابی تجربی از روش‌های اصلاح برای اثر معکوس زمین در تصاویر ماهواره‌ای. بین المللی جی دیجیت. زمین 2019 ، 1-16. [ Google Scholar ] [ CrossRef ]
ور، سی. تجسم اطلاعات: درک برای طراحی . مورگان کافمن: سانفرانسیسکو، کالیفرنیا، ایالات متحده آمریکا، 2004; شابک 1-55860-819-2. [ Google Scholar ]
Bertin, J. Semiology of Graphics: Diagrams, Networks, Maps ; انتشارات دانشگاه ویسکانسین، آموزشی ویبولیتین: مدیسون، WI، ایالات متحده آمریکا، 1983; ISBN 0299090604. [ Google Scholar ]
Munzner, T. تحلیل و طراحی تجسم ; CRC Press: Boca Raton، FL، USA، 2014. [ Google Scholar ]
راوتنباخ، وی. کوتزی، اس. شیوه، جی. Çöltekin، A. ارزیابی متغیرهای بصری برای طراحی نقشه‌کشی مدل‌های سکونتگاه غیررسمی سه بعدی. در مجموعه مقالات بیست و هفتمین کنفرانس بین المللی کارتوگرافی، ICC2015، ریودوژانیرو، برزیل، 23 تا 28 اوت 2015. [ Google Scholar ]
Donderi، DC پیچیدگی بصری: یک بررسی. روانی گاو نر 2003 ، 132 ، 73-97. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
شنورر، آر. سیبر، آر. Çöltekin، A. نسل بعدی رابط های کاربری اطلس: مطالعه کاربر با “بومی های دیجیتال”. در روندهای مدرن در کارتوگرافی – یادداشت های سخنرانی در اطلاعات جغرافیایی و کارتوگرافی ; Springer: Cham, Switzerland, 2015; صص 23-36. [ Google Scholar ]
مونتئانو، سی. جونز، ام. اویات، اس. بروستر، اس. پن، جی. ویتاکر، اس. راجپوت، ن. نانواتی، الف. ما باید صحبت کنیم: HCI و موضوع ظریف تعامل گفتاری. در مجموعه مقالات چکیده های گسترده CHI’13 در مورد عوامل انسانی در سیستم های محاسباتی در-CHI EA’13، پاریس، فرانسه، 27 آوریل تا 2 مه 2013. پ. 2459. [ Google Scholar ]
Hansberger، JT; پنگ، سی. Mathis، SL; آریور شانتاکومار، وی. Meacham, SC; کائو، ال. بلیکلی، VR دفع سندرم بازوی گوریل: قابلیت حیات تعاملات ژست های طولانی مدت. در مجموعه مقالات کنفرانس بین المللی واقعیت مجازی، افزوده و ترکیبی، ونکوور، بریتیش کلمبیا، کانادا، 9 تا 14 ژوئیه 2017؛ صص 505-520. [ Google Scholar ]
Tarchanidis، KN; دستکش Lygouras، JN Data با سنسور نیرو. IEEE Trans. ساز. Meas. 2003 ، 52 ، 984-989. [ Google Scholar ] [ CrossRef ]
کازرمن، پی. گارسیا آگوندز، آ. گوبل، اس. بررسی بازسازی حرکت تمام بدن در برنامه های واقعیت مجازی فراگیر. IEEE Trans. Vis. محاسبه کنید. نمودار. 2019 . [ Google Scholar ] [ CrossRef ]
پرت، جی. Poorten، EB Vander در حال لمس واقعیت مجازی: بررسی دستکش های لمسی. در مجموعه مقالات ACTUATOR 2018، شانزدهمین کنفرانس بین‌المللی فعال‌کننده‌های جدید، برمن، آلمان، 25 تا 27 ژوئن 2018. [ Google Scholar ]
پیومسومبون، تی. لی، جی. Lindeman، RW; Billinghurst، M. کاوش تعامل طبیعی مبتنی بر نگرش چشم برای واقعیت مجازی فراگیر. در مجموعه مقالات سمپوزیوم IEEE 2017 در مورد رابط های کاربری سه بعدی، 3DUI 2017، لس آنجلس، کالیفرنیا، ایالات متحده آمریکا، 18 تا 19 مارس 2017. [ Google Scholar ]
آتیانزا، آر. بلونا، آر. سالودرس، MI; کاسیمیرو، جی. فوئنتس، وی. تکنیک‌های تعامل با استفاده از نگاه سر برای واقعیت مجازی. در مجموعه مقالات سمپوزیوم منطقه 10 IEEE 2016، TENSYMP 2016، بالی، اندونزی، 9 تا 11 مه 2016. [ Google Scholar ]
پاپوتساکی، ا. داسکالووا، ن. سنگکلوی، پ. هوانگ، جی. لاسکی، جی. Hays, J. WebGazer: ردیابی چشم وب‌کم مقیاس‌پذیر با استفاده از تعاملات کاربر. در مجموعه مقالات کنفرانس مشترک بین المللی IJCAI در زمینه هوش مصنوعی، نیویورک، نیویورک، ایالات متحده آمریکا، 9 تا 15 ژوئیه 2016. [ Google Scholar ]
منگ، سی. Zhao، X. تجزیه و تحلیل حرکت چشم مبتنی بر وب کم با استفاده از CNN. IEEE Access 2017 ، 5 ، 19581-19587. [ Google Scholar ] [ CrossRef ]
رن، ز. منگ، جی. Yuan, J. تشخیص ژست دست مبتنی بر دوربین عمق و کاربردهای آن در تعامل انسان-رایانه. در مجموعه مقالات ICICS 2011—هشتمین کنفرانس بین المللی اطلاعات، ارتباطات و پردازش سیگنال، سنگاپور، 13 تا 16 دسامبر 2011. [ Google Scholar ]
Sagayam، KM; Hemanth، DJ دست و تکنیک های تشخیص ژست برای برنامه های واقعیت مجازی: یک نظرسنجی. واقعی مجازی. 2017 ، 21 ، 91-107. [ Google Scholar ] [ CrossRef ]
چاکرابورتی، BK; سرما، د. Bhuyan، MK; مک‌دورمن، KF بررسی محدودیت‌های تشخیص حرکت مبتنی بر بینایی برای تعامل انسان و رایانه. محاسبات IET. Vis. 2018 ، 12 ، 3-15. [ Google Scholar ] [ CrossRef ]
پیومسومبون، تی. دی، ع. انس، بی. لی، جی. Billinghurst، M. اثرات اشتراک گذاری نشانه های آگاهی در واقعیت ترکیبی مشارکتی. جلو. ربات. AI 2019 ، 6 ، 5. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
انس، بی. لنیر، جی. تانگ، ا. بیتمن، اس. لی، جی. پیومسومبون، تی. Billinghurst، M. بازبینی همکاری از طریق واقعیت ترکیبی: تکامل گروه افزار. بین المللی جی. هوم. محاسبه کنید. گل میخ. 2019 ، 131 ، 81-98. [ Google Scholar ] [ CrossRef ]
پیومسومبون، تی. لی، جی.ای. هارت، جی دی. انس، بی. Lindeman، RW; توماس، BH; Billinghurst، M. Mini-Me: آواتار تطبیقی برای همکاری از راه دور واقعیت ترکیبی. در مجموعه مقالات کنفرانس CHI 2018 در مورد عوامل انسانی در سیستم‌های محاسباتی – CHI’18، مونترال، QC، کانادا، 21 تا 26 آوریل 2018؛ صص 1-13. [ Google Scholar ]
راث، دی. لوگرین، J.-L. گالاخوف، دی. هافمن، ا. بنته، جی. Latoschik، ME; فورمن، آ. واقع گرایی آواتار و کیفیت تعامل اجتماعی در واقعیت مجازی. در مجموعه مقالات واقعیت مجازی IEEE 2016 (VR)، گرین ویل، SC، ایالات متحده آمریکا، 19 تا 23 مارس 2016؛ ص 277-278. [ Google Scholar ]
لی، جی. کیم، اس. لی، ی. دی، ع. پیومسومبون، تی. نورمن، ام. Billinghurst، M. بهبود همکاری در کنفرانس ویدیوی افزوده شده با استفاده از Mutually Shared Gaze. در مجموعه مقالات ICAT-EGVE، آدلاید، استرالیا، 22 تا 24 نوامبر 2017. [ Google Scholar ] [ CrossRef ]
هاگمن، جی. ژو، Q. Stavness، I. پریما، ODA؛ Fels، SS اینجا به شما نگاه می کند: صفحه نمایش FTVR کروی برای تماس واقعی با چشم. در مجموعه مقالات کنفرانس بین المللی ACM 2018 در سطوح و فضاهای تعاملی – ISS’18، توکیو، ژاپن، 25 تا 28 نوامبر 2018؛ صص 357-362. [ Google Scholar ]
تئو، تی. لارنس، ال. لی، GA; بیلینگ هرست، ام. Adcock، M. همکاری از راه دور واقعیت ترکیبی با ترکیب ویدئو 360 و بازسازی سه بعدی. در مجموعه مقالات کنفرانس CHI 2019 در مورد عوامل انسانی در سیستم‌های محاسباتی – CHI’19، گلاسکو، بریتانیا، 4 تا 9 مه 2019؛ صص 1-14. [ Google Scholar ]
هوانگ، دبلیو. کیم، اس. بیلینگ هرست، ام. Alem، L. به اشتراک گذاری اشاره دست و نشانه های طرح در همکاری از راه دور. J. Vis. اشتراک. تصویر نشان می دهد. 2019 ، 58 ، 428-438. [ Google Scholar ] [ CrossRef ]
وانگ، پی. ژانگ، اس. بای، ایکس. بیلینگ هرست، ام. او، دبلیو. سان، م. چن، ی. Lv، H.; Ji, H. 2.5DHANDS: یک پلت فرم مشارکتی از راه دور MR مبتنی بر ژست. بین المللی J. Adv. Manuf. تکنولوژی 2019 ، 102 ، 1339-1353. [ Google Scholar ] [ CrossRef ]
هارت، جی دی. پیومسومبون، تی. لی، جی. Billinghurst، M. به اشتراک گذاری و تقویت احساسات در واقعیت ترکیبی مشارکتی. در مجموعه مقالات سمپوزیوم بین المللی IEEE 2018 در مورد واقعیت ترکیبی و افزوده (ISMAR-Adjunct)، مونیخ، آلمان، 16 تا 20 اکتبر 2018؛ ص 212-213. [ Google Scholar ]
ایرلیتی، ا. پیومسومبون، تی. جکسون، دی. توماس، BH انتقال نشانه های آگاهی فضایی در همکاری های XR. IEEE Trans. Vis. محاسبه کنید. نمودار. 2019 ، 25 ، 3178–3189. [ Google Scholar ] [ CrossRef ]
دوو، ا. هوراو، سی. بردیف، م. کریستف، اس. ژئوتصویرسازی شهری سه بعدی: آزمایش‌های واقعیت افزوده و ترکیبی در محل. در مجموعه مقالات ISPRS Annals of Photogrammetry, Remote Sensing & Spatial Information Sciences، دلفت، هلند، 1 تا 5 اکتبر 2018؛ جلد IV–4، صص 41–48. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
انجمن بین المللی ارگونومی تعاریف و حوزه های ارگونومی ; آژانس بین المللی انرژی: ژنو، سوئیس، 2019. [ Google Scholar ]
هوانگ، دبلیو. عالم، ال. Livingston, MA (Eds.) عوامل انسانی در محیط های واقعیت افزوده ; Springer: نیویورک، نیویورک، ایالات متحده آمریکا، 2013; شابک 978-1-4614-4204-2. [ Google Scholar ]
لیوینگستون، MA; Ai، Z. Decker، JW Human Factors برای کاربردهای نظامی نمایشگرهای واقعیت افزوده با سر. در مجموعه مقالات کنفرانس بین المللی عوامل انسانی کاربردی و ارگونومی، واشنگتن، دی سی، ایالات متحده آمریکا، 24 تا 28 ژوئیه 2019؛ صص 56-65. [ Google Scholar ]
Jerald, J. The VR Book: Human-Centred Design for Virtual Reality (ACM Books) ; Morgan & Claypool: San Rafael, CA, USA, 2016; ISBN 1970001135. [ Google Scholar ]
لوکا، IE; چولتکین، ا. وینر، جی. فابریکانت، SI; Röcke, C. محیط های مجازی به عنوان دستگاه های آموزش حافظه در وظایف ناوبری برای افراد مسن. علمی Rep. 2018 , 8 , 10809. [ Google Scholar ] [ CrossRef ]
آرموگم، ا. اوریولز، ای. گاستون-بلگارد، ا. مارل، سی جی-ال. Piolino، P. واقعیت مجازی: روشی جدید برای بررسی بار شناختی در طول ناوبری. جی. محیط زیست. روانی 2019 ، 65 ، 101338. [ Google Scholar ] [ CrossRef ]
وینر، جی.ام. کارول، دی. مولر، اس. بی بی، آی. ایوانووا، دی. آلن، پی. Wolbers, T. مجموعه آزمایشی جدید مسیریابی مبتنی بر واقعیت مجازی: ارزیابی اثرات پیری شناختی بر ناوبری. رفتار Res. Methods 2019 ، 52 ، 630-640. [ Google Scholar ] [ CrossRef ]
جبیل. وضعیت واقعیت افزوده و مجازی: نظرسنجی از ذینفعان فناوری و کسب و کار در شرکت‌های تولیدی . Jabil: سن پترزبورگ، فلوریدا، ایالات متحده آمریکا، 2018. [ Google Scholar ]
جبیل. شش عامل انسانی موثر بر پذیرش واقعیت افزوده و مجازی . Jabil: سن پترزبورگ، فلوریدا، ایالات متحده آمریکا، 2019. [ Google Scholar ]
موتی، وی جی؛ کین، ک. ملاحظات عوامل انسانی در طراحی ابزارهای پوشیدنی. در مجموعه مقالات نشست سالانه انجمن عوامل انسانی و ارگونومی، شیکاگو، IL، ایالات متحده آمریکا، 27 تا 31 اکتبر 2014. جلد 58، ص 1820–1824. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Heavy Ten بهترین هدست واقعیت مجازی. در دسترس آنلاین: https://heavy.com/tech/2018/12/best-virtual-reality-headsets/ (در 22 ژوئن 2020 قابل دسترسی است).
Sweller, J. بار شناختی در حین حل مسئله: تأثیرات بر یادگیری. شناخت. علمی 1988 ، 12 ، 257-285. [ Google Scholar ] [ CrossRef ]
لوکا، IE; Çöltekin، A. سوئیچ دیدگاه و اکتساب دانش فضایی: اثرات سن، توانایی چرخش ذهنی و ظرفیت حافظه دیداری فضایی بر یادگیری مسیر در محیط‌های مجازی با سطوح مختلف واقع‌گرایی. کارتوگر. Geogr. Inf. علمی 2020 ، 47 ، 14-27. [ Google Scholar ] [ CrossRef ]
فریرا، جی.ام. Acuña، ST; دیسته، او. وگاس، اس. سانتوس، آ. رودریگز، اف. Juristo، N. تاثیر مکانیسم‌های قابلیت استفاده: آزمایشی بر روی کارایی، اثربخشی و رضایت کاربر. Inf. نرم افزار تکنولوژی 2020 , 117 , 106195. [ Google Scholar ] [ CrossRef ]
شنور، اس. بکتاش، ک. Çöltekin، A. پیچیدگی بصری اندازه گیری و درک شده: یک مطالعه مقایسه ای بین سه ارائه دهنده نقشه آنلاین. کارتوگر. Geogr. Inf. علمی 2018 ، 45 ، 238-254. [ Google Scholar ] [ CrossRef ]
چولتکین، ا. Brychtová، A.; گریفین، آل. رابینسون، AC; ایمهوف، ام. پتیت، سی. پیچیدگی ادراکی نقشه‌های خاک-منظر: ارزیابی کاربر از سازماندهی رنگ در طرح‌های افسانه‌ای با استفاده از ردیابی چشم. بین المللی جی دیجیت. زمین 2017 ، 10 ، 560–581. [ Google Scholar ] [ CrossRef ]
هاک، تی. چه کسی از یادگیری با مدل های سه بعدی سود می برد؟ مورد توانایی فضایی. جی. کامپیوتر. کمک کنید. فرا گرفتن. 2006 ، 22 ، 392-404. [ Google Scholar ] [ CrossRef ]
ولز، ام سی; نقره، دی. Tremaine, M. درک تجسم از طریق تفاوت های توانایی فضایی. در مجموعه مقالات VIS 05. تجسم IEEE، 2005، مینیاپولیس، MN، ایالات متحده، 23-28 اکتبر 2005. صص 511-518. [ Google Scholar ]
بوتیرولی، اس. پازی، س. فون بارنکوف، ا. پوریچلی، اس. توست، دی. Felix, E. SmartAgeing: یک بازی سه بعدی جدی برای تشخیص زودهنگام اختلالات شناختی خفیف. در مجموعه مقالات هشتمین کنفرانس بین المللی فن آوری های محاسباتی فراگیر برای مراقبت های بهداشتی، اولدنبورگ، آلمان، 20 تا 23 مه 2014. [ Google Scholar ]
لامبویج، م. IJsselsteijn، W. فورتوین، ام. Heynderickx، I. ناراحتی بینایی و خستگی بصری نمایشگرهای استریوسکوپی: یک بررسی. J. Imaging Sci. تکنولوژی 2009 ، 53 ، 030201. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
ویتمر، بی جی; Singer, MJ اندازه گیری حضور در محیط های مجازی: پرسشنامه حضور. Presence Teleoperators Virtual Environ. 1998 ، 7 ، 225-240. [ Google Scholar ] [ CrossRef ]
کوئروو، ای. چینتالاپودی، ک. کوتارو، ام. ایجاد توهم کامل: برای ایجاد هدست های واقعیت مجازی شبیه به زندگی چه باید کرد؟ در مجموعه مقالات نوزدهمین کارگاه بین‌المللی سیستم‌ها و برنامه‌های محاسباتی سیار—HotMobile’18، Tempe، AZ، ایالات متحده، 12 تا 13 فوریه 2018. [ Google Scholar ] [ CrossRef ]
شاسینکا، چ. استاچون، ز. سدلاک، م. چملیک، جی. هرمان، ال. کوبیچک، پ. شاسینکوا، آ. دولژال، م. تکل، ح. اوربانک، تی. و همکاران محیط های مجازی همهجانبه مشترک برای آموزش در جغرافیا. ISPRS Int. J. Geo Inf. 2018 ، 8 ، 3. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
هیرماس، DR; اسلوکام، تی. Halfen، AF; سفید، تی. زاتنر، ای. آچلی، پی. لیو، اچ. جانسون، WC; اگبرت، اس. مک درموت، دی. اثرات مکان نشستن و نمایش استریوسکوپی بر نتایج یادگیری در یک کلاس جغرافیای فیزیکی مقدماتی. جی. ژئوشی. آموزش. 2014 ، 62 ، 126-137. [ Google Scholar ] [ CrossRef ]
برناردز، اس. مدن، م. نایت، ا. نیل، ن. مورگان، ن. کامرون، ک. Knox, J. یک سیستم چند جزئی برای جمع‌آوری و تجسم داده‌ها در علوم زمین مبتنی بر پهپاد، واقعیت افزوده و مجازی. در مجموعه مقالات ISPRS — آرشیو بین المللی فتوگرامتری، سنجش از دور و علوم اطلاعات فضایی، دلفت، هلند، 1 تا 5 اکتبر 2018؛ جلد XLII–4، صص 45–49. [ Google Scholar ] [ CrossRef ]
فرینا، ال. اوت، ام. مروری بر ادبیات واقعیت مجازی فراگیر در آموزش: وضعیت هنر و دیدگاه‌ها. در مجموعه مقالات کنفرانس علمی بین المللی آموزش الکترونیکی و نرم افزار برای آموزش (eLSE)، بخارست، رومانی، 23 تا 24 آوریل 2015. [ Google Scholar ] [ CrossRef ]
سیمور، NE; گالاگر، AG; رومن، SA; O’Brien، MK; Bansal، VK؛ اندرسن، DK; آموزش واقعیت مجازی ساتاوا، RM عملکرد اتاق عمل را بهبود می بخشد. ان سرگ 2002 ، 236 ، 458-464. [ Google Scholar ] [ CrossRef ]
آگاروال، آر. سیاه، SA; هانس، جی آر. درزی، ع. آموزش شبیه‌سازی واقعیت مجازی Cheshire، NJW می‌تواند مهارت‌های درون عروقی جراحان بی‌تجربه را بهبود بخشد. یورو J. Vasc. اندوواسک. سرگ 2006 ، 31 ، 588-593. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
گوروسامی، ک. آگاروال، آر. پالانیولو، ال. دیویدسون، BR بررسی سیستماتیک کارآزمایی‌های تصادفی‌سازی و کنترل‌شده بر اثربخشی آموزش واقعیت مجازی برای جراحی لاپاراسکوپی. برادر جی. سرگ. 2008 ، 95 ، 1088-1097. [ Google Scholar ] [ CrossRef ]
فارا، س. میلر، ای. تیم، ن. Schafer, J. آموزش بهبود یافته برای بلایا با استفاده از شبیه سازی واقعیت مجازی سه بعدی. غرب. J. Nurs. Res. 2013 ، 35 ، 655-671. [ Google Scholar ] [ CrossRef ] [ PubMed ]
Bailenson، JN; بله، N. بلاسکویچ، جی. Beall، AC؛ لوندبلاد، ن. جین، ام. استفاده از واقعیت مجازی فراگیر در علوم یادگیری: تحولات دیجیتالی معلمان، دانش آموزان و زمینه اجتماعی. J. یاد بگیرید. علمی 2008 ، 17 ، 102-141. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
پان، ز. چوک، AD; یانگ، اچ. ژو، جی. Shi, J. واقعیت مجازی و واقعیت ترکیبی برای محیط های یادگیری مجازی. محاسبه کنید. نمودار 2006 ، 30 ، 20-28. [ Google Scholar ] [ CrossRef ]
یونگ، تی. تام دیک، MC واقعیت افزوده و واقعیت مجازی ؛ Springer: Cham، سوئیس، 2018. [ Google Scholar ]
Aukstakalnis، S. واقعیت افزوده عملی: راهنمای فناوری‌ها، کاربردها و عوامل انسانی برای AR و VR . ادیسون-وسلی حرفه ای: بوستون، MA، ایالات متحده آمریکا، 2016; ISBN 9780134094236. [ Google Scholar ]
Vonk، GA بهبود پشتیبانی برنامه ریزی: استفاده از سیستم های پشتیبانی برنامه ریزی برای برنامه ریزی فضایی . KNAG/مطالعات جغرافیایی هلند: اوترخت، هلند، 2006. [ Google Scholar ]
روسو، پ. لانزیلوتی، آر. Costabile، MF; Pettit، CJ به سوی جلب رضایت پزشکان در استفاده از سیستم های پشتیبانی برنامه ریزی. محاسبه کنید. محیط زیست سیستم شهری 2018 ، 67 ، 9-20. [ Google Scholar ] [ CrossRef ]
پتیت، سی. باکلمون، ا. Lieske، SN; گلاکین، اس. هارگرووز، KC; تامسون، جی. شیرر، اچ. دیا، اچ. نیومن، پی. سیستم های پشتیبانی برنامه ریزی برای شهرهای هوشمند. فرقه شهر. Soc. 2018 ، 12 ، 13-24. [ Google Scholar ] [ CrossRef ]
افروز، ع. دینگ، ال. Pettit, C. یک محیط مجازی سه بعدی همهجانبه برای حمایت از یادگیری و آموزش مشارکتی. در مجموعه مقالات کنفرانس بین المللی کامپیوتر در برنامه ریزی شهری و مدیریت شهری، ووهان، چین، 8 تا 12 ژوئیه 2019؛ ص 267-282. [ Google Scholar ]
پتیت، سی. هاکن، اس. تیکزون، سی. ناکانیشی، اچ. ژئودیزاین-داستانی از سه شهر. در مجموعه مقالات کنفرانس بین المللی کامپیوتر در برنامه ریزی شهری و مدیریت شهری، ووهان، چین، 8 تا 12 ژوئیه 2019؛ صص 139-161. [ Google Scholar ]
قفل، O.; بدنرز، ت. پتیت، سی. هولوسیتی – کاوش در استفاده از مناظر شهری واقعیت افزوده برای درک مشترک داده‌های حسگر شهری با حجم بالا. در مجموعه مقالات هفدهمین کنفرانس بین المللی پیوستار واقعیت مجازی و کاربردهای آن در صنعت (VRCAI’19)، بریزبن، کوئین لند، استرالیا، 14 تا 16 نوامبر 2019؛ انجمن ماشین‌های محاسباتی: نیویورک، نیویورک، ایالات متحده آمریکا، 2019؛ ص 1-2. [ Google Scholar ] [ CrossRef ]
السید، NAM; توماس، BH; اسمیت، RT; ماریوت، ک. Piantadosi, J. استفاده از واقعیت افزوده برای پشتیبانی از تجزیه و تحلیل موقعیت. در مجموعه مقالات IEEE Virtual Real 2015، آرل، فرانسه، 23 تا 27 مارس 2015. [ Google Scholar ]
السید، NAM; توماس، BH; ماریوت، ک. پیانتادوسی، جی. اسمیت، RT Situated Analytics: نشان دادن ابزارهای تحلیلی همهجانبه با واقعیت افزوده. J. Vis. لنگ محاسبه کنید. 2016 ، 36 ، 13-23. [ Google Scholar ] [ CrossRef ]
بیلجکی، اف. استوتر، جی. لدوکس، اچ. زلاتانوا، اس. Çöltekin، A. کاربردهای مدل های شهر سه بعدی: بررسی وضعیت هنر. ISPRS Int. J. Geo Inf. 2015 ، 4 ، 2842-2889. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
سازمان بین المللی استاندارد سازی. ارگونومی تعامل انسان و سیستم — بخش 210: طراحی انسان محور برای سیستم های تعاملی . ISO: ژنو، سوئیس، 2010. [ Google Scholar ]
لوچهد، آی. هدلی، ن. مدیریت اضطراری واقعیت مختلط: آوردن شبیه‌سازی‌های تخلیه مجازی به محیط‌های ساخته شده در دنیای واقعی. بین المللی جی دیجیت. زمین 2019 ، 12 ، 190-208. [ Google Scholar ] [ CrossRef ]
اسنوپکووا، دی. شودووا، اچ. کوبیچک، پ. Stachoň, Z. ناوبری در محیط های داخلی: آیا نوع محرک یادگیری بصری اهمیت دارد؟ ISPRS Int. J. Geo Inf. 2019 ، 8 ، 251. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]

شکل 1. از چپ به راست: ( الف ) تجربیات واقعیت افزوده (AR) و ( ب ) واقعیت ترکیبی (MR) واقعیت را با افزودن عناصر مجازی گسترش می‌دهند، در حالی که ( ج ) یک محیط مجازی (VE) می‌تواند یک دنیای فانتزی باشد، و ( د ) یک واقعیت مجازی (VR) کاربر را در یک محیط «واقعی» مانند تجربه سفر غوطه ور می کند.

شکل 2. پیوستار منی میلگرام و کیشینو (1994) درجه اختلاط بین اشیاء واقعی و مجازی را بیان می کند. محیط واقعی و VE دو انتهای این زنجیره را نشان می دهند در حالی که MR بخش میانی شامل AR و AV را اشغال می کند. شکل اصلی توسط میلگرام و کیشینو [ 24 ] است، و این تصویر مالکیت عمومی از فریمن [ 25 ] اصلاح شده است.

شکل 3. نمونه ای تصادفی از تصاویری که به صورت آنلاین با استفاده از کلمات کلیدی “واقعیت مجازی + افراد” با استفاده از جستجوی تصویر گوگل پیدا شده اند. در بالا زیرمجموعه‌ای از 100 تصویر اول وجود دارد که در آن تقریباً 80 درصد از تصاویر افرادی را با استفاده از سیستم‌های VR با عبارات سرخوشی و دهان باز نشان می‌دهند. سپس تصاویر با استفاده از یک نرم افزار پردازش تصویر توسط نویسندگان ترکیب و سبک سازی می شوند (یعنی تصویرسازی و کولاژ کار خود نویسنده است). این مجموعه تقریباً همه افرادی را نشان می‌دهد که از هدست واقعیت مجازی با دهان باز استفاده می‌کنند و نشان می‌دهد که تجربه‌های واقعیت مجازی چقدر می‌توانند به معنای واقعی کلمه «افتادن فک» باشند.

شکل 4. یک طبقه بندی از سیستم های نمایش فعلی، که به عنوان طیفی از انواع نمایشگر غیر غوطه ور تا غوطه ور (و آنهایی که در بین آنها هستند) سازماندهی شده است. دسته بندی ها بر اساس ادبیات بررسی شده در این بخش هستند و نمونه های برند به عنوان مرجع ملموس ارائه شده است.

شکل 5. کنترلرهای سه بعدی ماوس و VR. ( سمت چپ ) ماوس سه بعدی رومیزی (3DConnextion https://www.3dconnexion.com/ )، ( وسط ) WiiMote ( https://wii.com/ )، ( راست ) کنترلر HTC Vive ( https://www.vive. com/eu/accessory/controller/ ).

شکل 6. مجاورت محل فرود آپولو 17 با استفاده از مدل ارتفاعی دیجیتال ایجاد شده از تصاویر دوربین زاویه باریک (NAC) تجسم شده است.

شکل 7. ( الف ) نمای اصلی کاربر در محل. ( ب ) کاربر یک قسمت یا کل ساختمان را برای حذف انتخاب می کند. ( ج ) پس از حذف، ساختمان واقعی دیگر قابل مشاهده نیست. ( د ) کاربر بخشی از یک مدل ساختمان سه بعدی را اضافه می کند.

شکل 8. تصویری از آنچه که کاربر هنگام راه رفتن در خیابان از طریق عینک واقعیت ترکیبی (هولولنز) می بیند. پورتالی برای پرش 100 سال پیش در همان خیابان، اثر Alexandre Devaux. یک ویدیو را اینجا ببینید: https://twitter.com/AlexandreDevaux/status/1070333933575917569 .

شکل 9. پیش از قرار گرفتن در معرض غوطه وری سه بعدی و تجسم زمین (3DIG)، 425 دانش آموز دانش خود را از فناوری های AR، VR و MR به درصد گزارش کردند. (1) بدون دانش قبلی، (5) درک بالا.

شکل 10. جعبه ابزار کاوشگر سناریو تعاملی تجزیه و تحلیل سریع (RAISE) که بر روی پلت فرم سزیوم ساخته شده است و برنامه ریزان شهری را قادر می سازد تا سناریوهای شهر آینده را بررسی کنند.

شکل 11. ( الف ) HoloCity: نمونه ای از یک صفحه نمایش اسپلش مدل AR از سیدنی با رابط کاربری شناور. ( ب ) MapBox AR: نمونه ای از تابع TableTop AR که یک جزء تولید شده از همان شهر سیدنی را نشان می دهد.

مقالات داخلی و بین المللی

بهره برداری از پتانسیل داده های ساختمان های عمومی یکپارچه: ارزیابی عملکرد انرژی موجودی ساختمان در یک مطالعه موردی در شمال ایتالیا

مقالات داخلی و بین المللی

ترکیب داده‌های ابرطیفی چندمنبعی و LiDAR برای نقشه‌برداری کاربری زمین شهری بر اساس یک شبکه عصبی کانولوشنال دو شاخه اصلاح شده

مقالات داخلی و بین المللی

رسانه های اجتماعی داده کاوی بزرگ و تحلیل مکانی-زمانی بر روی احساسات عمومی برای کاهش بلایا

مقالات داخلی و بین المللی

بدون دیدگاه

دیدگاهتان را بنویسید لغو پاسخ

برای نوشتن دیدگاه باید وارد بشوید.

مشاورین هوش پیروزی

واقعیت بسط یافته در علوم فضایی: مروری بر چالش های پژوهشی و جهت گیری های آینده

خلاصه

کلید واژه ها:

1. معرفی

1.1. اصطلاحات کلیدی

1.1.1. ابهام زدایی از شرایط اساسی

1.1.2. ابهام زدایی از برخی مفاهیم کلیدی

1.2. واقعیت توسعه یافته (XR) در GIScience

1.3. روش بررسی

2. فناوری

2.1. وضعیت هنر و روندها در فناوری واقعیت توسعه یافته (XR).

2.1.1. نمایش دستگاه ها

2.1.2. ردیابی در XR: مفاهیم، ​​دستگاه‌ها، روش‌ها

2.1.3. کنترل دستگاه ها و پارادایم ها برای رابط های کاربری سه بعدی

2.1.4. رئالیسم بصری، سطح جزئیات و پردازش گرافیکی

2.1.5. تنگناها در بازسازی سه بعدی و نقش نوظهور هوش مصنوعی در اتوماسیون

2.2. اولویت های تحقیق در فناوری XR

2.3. مثال: یک واقعیت مجازی قمری تصور شده

3. طراحی

3.1. پیشرفته ترین و روندها در طراحی واقعیت توسعه یافته (XR).

3.1.1. طراحی تجسم

3.1.2. طراحی تعامل

3.2. اولویت های تحقیق در طراحی واقعیت توسعه یافته (XR).

3.3. مثال ها

4. عوامل انسانی

4.1. وضعیت هنر و روندها در عوامل انسانی برای XR

یک نظرسنجی دانش XR

4.2. اولویت های تحقیق در عوامل انسانی برای XR

4.3. مثال: برنامه ریزی شهری

5. نتیجه گیری ها

منابع

قبلیبه سوی اندازه گیری سطح خوشه بندی فضایی و زمانی رویدادهای جغرافیایی چند طبقه ای

بعدیتوسعه نقشه وب تعاملی تقاطع آزادراه اروپایی A1/A4 با استفاده از منابع کارتوگرافی آرشیوی

مطالب مرتبط ...

آموزش مقاله نویسی در رشته ادبیات فارسی

تأثیر همسایگی درونیابی DEM بر عوامل زمین

رگرسیون وزنی جغرافیایی تطبیقی ​​غیر منفی برای تخمین تراکم جمعیت بر اساس نور شب

بهره برداری از پتانسیل داده های ساختمان های عمومی یکپارچه: ارزیابی عملکرد انرژی موجودی ساختمان در یک مطالعه موردی در شمال ایتالیا

ترکیب داده‌های ابرطیفی چندمنبعی و LiDAR برای نقشه‌برداری کاربری زمین شهری بر اساس یک شبکه عصبی کانولوشنال دو شاخه اصلاح شده

رسانه های اجتماعی داده کاوی بزرگ و تحلیل مکانی-زمانی بر روی احساسات عمومی برای کاهش بلایا

بدون دیدگاه

دیدگاهتان را بنویسید لغو پاسخ

درباره سرزمین فناوری مکانی GISLAND

دسترسی سریع

اطلاعات

خبرنامه

خبرنامه

درباره سرزمین فناوری مکانی GISLAND

دسترسی سریع

اطلاعات

دسترسی سریع

درباره سرزمین فناوری مکانی GISLAND

دسترسی سریع

اطلاعات

خبرنامه

خبرنامه

درباره سرزمین فناوری مکانی GISLAND

دسترسی سریع

اطلاعات

دسترسی سریع

2.1.2. ردیابی در XR: مفاهیم، دستگاه‌ها، روش‌ها

رگرسیون وزنی جغرافیایی تطبیقی غیر منفی برای تخمین تراکم جمعیت بر اساس نور شب