1. 论文基本信息

1.1. 标题

基于多用户交互的重定向行走研究 (A Study on Multi-User Interaction-based Redirected Walking)

1.2. 作者

Marc Aurel Störmer, Thereza Schmelter, Malte Weingart, Levente Hernadi, Johannes Hoster, Eike Langbehn, Kristian Hildebrand。 作者主要来自柏林应用科技大学 (Berlin University of Applied Sciences and Technology) 和汉堡应用科学大学 (HAW Hamburg)。

1.3. 发表期刊/会议

SUI '23: ACM Symposium on Spatial User Interaction。这是空间用户交互领域的顶级学术会议，由 SIGCHI 和 SIGGRAPH 赞助，具有很高的学术影响力。

1.4. 发表年份

2023年10月

1.5. 摘要

在虚拟现实 (VR) 中，最直观的移动方式是自然步行，但其受限于物理追踪区域的大小。重定向行走 (Redirected Walking, RDW) 技术通过人工操纵用户在虚拟世界中的位置或旋转来克服这一限制。本研究重点在于将重定向技术集成到连续、不间断的 VR 体验中，并分析共享虚拟空间中两个远程用户之间的交互如何隐藏离散的重定向操作。结果显示，参与者平均通过离散位移 (Discrete translations) 完成了 $37.8\%$ 的行走距离，且 $81\%$ 的参与者在交互过程中几乎没有察觉到这种位移。只有 $9.5\%$ 的参与者注意到了旋转增益 (Rotation gains)。基于此，本文为开发者提供了在多用户 VR 体验中更有效使用 RDW 技术的指南。

1.6. 原文链接

https://doi.org/10.1145/3607822.3614531 (已正式发表)

---

2. 整体概括

2.1. 研究背景与动机

• 核心问题: 虚拟环境通常远大于物理追踪空间（如客厅或办公室）。为了在有限空间内实现大范围的自然行走，通常需要使用重定向行走 (RDW)。
• 重要性: 传统的 RDW 研究多集中在单人、孤立的任务场景中，且往往会导致沉浸感中断（如强制重置用户方向）。
• 挑战: 现有的 RDW 技术如果操纵幅度过大，用户会察觉到并产生晕动症 (Motion Sickness)。
• 创新思路: 本文利用多用户之间的协作交互作为一种强力“干扰源”，在用户互相投掷物品、交流协作时悄悄执行重定向。通过将 RDW 融入连续的游戏循环，使物理边界成为游戏元素的一部分。

2.2. 核心贡献/主要发现

• 连续体验研究: 首次在逼真的连续多用户 VR 游戏循环中测试 RDW，而非脱离背景的测试任务。

• 扩展算法: 扩展了行动导向转向 (Steer-to-Action, S2A) 算法，整合了离散旋转、离散位移和旋转增益。

• 交互区域全覆盖: 实现了在整个追踪空间内定义交互区域的 RDW 方案。

• 关键结论: 协作互动能有效降低用户对 RDW 操作的感知，显著减少晕动症，并能在不使用“重置（Reset）”技术的情况下引导用户完成长距离行走。

  ---

3. 预备知识与相关工作

3.1. 基础概念

• 重定向行走 (Redirected Walking, RDW): 一种 VR 移动技术。当用户在物理世界走直线时，系统在虚拟世界微调其视角，诱导用户走曲线，从而在有限的物理空间内走完无限的虚拟路径。
• 觉察阈值 (Detection Thresholds): 人类感知系统无法察觉到细微物理/虚拟运动差异的界限。例如，旋转可以被放大或缩小约 $20\%-49\%$ 而不被察觉。
• 变化盲视 (Change Blindness): 当用户注意力集中在特定交互（如接球）或发生眨眼/扫视时，对环境微小变化的感知能力会大幅下降。本文利用此原理进行离散重定向。

3.2. 前人工作

• 转向算法: 常见的如 向中心转向 (Steer-to-Center, S2C)，旨在将用户引向物理空间的中心。
• 干扰器 (Distractors): 研究表明，在用户达到边界时引入交互式干扰物（如飞过的蜂鸟）可以增加旋转增益。
• 协作交互: 前人研究过在共享物理空间的多用户 RDW，但主要挑战是避免物理碰撞。本文则关注共享虚拟空间、独立物理空间的情况。

3.3. 差异化分析

本文与现有工作的核心区别在于“协作性”。作者认为，社交互动（看着对方、对话、配合）比单纯与静态物体交互（如捡起杯子）具有更强的注意力劫持能力，从而能容忍更高强度的 RDW 操作。

---

4. 方法论

4.1. 方法原理

该系统采用一种预测性算法，通过预定义的关卡路径和交互点，动态调整用户的追踪空间位置。其核心逻辑是：利用用户的每一次大幅度转头（寻找队友）和每一次协作动作（投掷/接取物体）来插入重定向指令。

4.2. 核心方法详解 (逐层深入)

4.2.1. 旋转增益 (Rotation Gains) 的应用

旋转增益用于在用户自然转头时，偷偷增大或缩小旋转幅度。

公式应用： 旋转增益 $g_R$ 定义为： $$g_R := \frac{R_{virtual}}{R_{real}}$$ 其中：

• $R_{virtual}$ 是用户在虚拟世界中感受到的旋转角度。
• $R_{real}$ 是用户在物理世界中实际转头的角度。

执行逻辑： 系统每帧监测头显 (HMD) 的旋转。如果旋转速度超过每帧 $\pm 10^\circ$，则应用以下增益：

1. 顺向增强: 当转头方向有利于转向目标点时，$g_R = 1.1429$。这意味着用户转头 $70^\circ$，虚拟视角会转约 $80^\circ$。
2. 逆向抑制: 当转头方向不利于目标时，$g_R = 0.9$。
3. 防抖延迟: 在离散旋转后加入 0.2s 延迟，防止两者叠加导致画面晃动。

4.2.2. 离散重定向 (Discrete Redirection)

当用户执行特定动作（如“捡起”或“投掷”）时，系统会瞬间旋转或平移虚拟世界。

操作参数：

• 离散旋转角度: 随机选取 $0^\circ, 3^\circ, 6^\circ, 9^\circ, 12^\circ, 15^\circ$（顺时针或逆时针）。
• 离散位移幅度: 每次平移 $0.4\mathrm{m}$。

触发条件：

• 捡起/投掷: 同时执行旋转和位移。
• 接住/放置: 仅执行旋转（为了不破坏用户的瞄准精度）。

4.2.3. 转向算法逻辑 (Steering Logic)

如下图（原文 Figure 5）所示，算法的目标是调整物理追踪空间的方位，使得物理空间中距离用户最远的那个角点 ($d_{max}$) 对应于虚拟空间中的下一个目标点。

步骤拆解：

1. 确定当前用户在追踪空间的位置。

2. 计算物理空间角点到虚拟目标的向量。

3. 根据角点位置，决定是顺时针还是逆时针旋转。

4. 执行离散位移，将用户“推”向目标方向。

   ---

5. 实验设置

5.1. 实验场景：双人游戏

作者设计了一个名为“炸弹传递”的游戏（如 Figure 2 所示）。

• 任务: 两个玩家在平行的虚拟平台上移动（总长约 $45\mathrm{m}$），需要互相投掷不同颜色的物体来激活机关。

• 干扰元素: 一个“不稳定性元素”（炸弹），必须每 25s 互相交换一次，否则会爆炸扣分。这强制了频繁的协作和视角转换。

  该图像是示意图，展示了一个简单的双人游戏交互设置。在图中，用户作为简化的虚拟角色进行互动，图标(a)表示用户角色，(b)表示用户之间物品的交换，(c)表示互动中的条件性爆炸元素，(d)是颜色匹配触发器，(e)是下一平台上的蓝色触发器，用户需要通过触发器解锁新的交互对象。

5.2. 硬件与环境

• 设备: Vive Pro 2 ($2448 \times 2448$ 像素/眼，$120\mathrm{Hz}$)。
• 物理空间: 两个相邻的 $3 \times 2.5\mathrm{m}$ 追踪空间（Figure 4）。
• 样本量: 21名参与者（12-44岁）。

5.3. 评估指标

本研究提出了一个用户体验干扰度 (User Experience Disturbance) 指标：

1. 运动病强度 ($m$): 归一化后的模拟器眩晕问卷 (SSQ) 分数，范围 [0, 1]。
2. 旋转干扰因子 ($r$): 用户对旋转操作的主观察觉/干扰评分。
3. 位移干扰因子 ($t$): 用户对平移操作的主观察觉/干扰评分。

计算公式: $$\text{干扰度} = (r + t) \cdot (m + 1)$$

• 符号解释: $r$ 和 $t$ 归一化到 [0, 1]；$+1$ 是为了防止运动病为 0 时抹去其他干扰项。数值越小，体验越好。

  ---

6. 实验结果与分析

6.1. 核心结果分析

• 位移的隐蔽性: 离散位移贡献了总行走距离的 $37.81\%$（平均 $17.76\mathrm{m}$），但 $81\%$ 的人几乎没感觉到。
• 旋转的感知: 旋转比位移更容易被察觉，约 $47.6\%$ 的人能感觉到旋转方向。
• 协作互动的力量: 协作互动比例越高（即看着队友的时间越多），用户对 RDW 的感知越低，晕动症也越轻。

6.2. 数据呈现 (表格)

以下是原文 Table 1 的详细实验数据转录：

(注：为简洁起见，上表截取了部分关键样本，完整趋势见 Figure 6 & 7)

6.3. 相关性分析

从 Figure 7 可以明显看出：

• 协作互动比例与运动病强度负相关（$R = -0.5$）。

• 这意味着玩家越投入到社交配合中，大脑就越不关注视觉与前庭系统的细微冲突，从而减少眩晕感。

  该图像是图表，展示了不同因素对协作互动百分比的影响，包括RDW旋转的干扰因子、RDW翻译的识别因子，以及运动病症状的强度。每个部分的趋势线和相关系数（$R$值）均表明其影响程度，相关性分析结果附有$p$值。

---

7. 总结与思考

7.1. 结论总结

本研究证明了在多用户 VR 环境中，通过精心设计的协作交互可以极大地提高重定向行走（RDW）的效能和隐蔽性。即使在很小的追踪空间内，通过离散位移和旋转增益的组合，也能让用户在连续的游戏体验中完成超长距离的自然行走，且维持较高的沉浸感。

7.2. 开发者指南 (Guidelines)

1. 利用物理约束: 将追踪空间边界（红色网格）设计成游戏元素（如激光墙），诱导用户主动寻找解决方案。
2. 设定共同目标: 确保 RDW 的重定向终点与玩家的下一个任务目标一致，避免视觉偏差。
3. 鼓励社交配合: 协作任务（投递、接取）是执行 RDW 的最佳时机。
4. $360^\circ$ 布局: 将交互物环绕用户放置，强制用户大范围转头，以获取旋转增益的机会。
5. 空间化音频: 使用 3D 音频引导用户回头，创造自然转向。

7.3. 局限性与未来工作

• 预测性依赖: 算法依赖于预定义的路径，对完全开放世界的支持尚待研究。
• 第三方观察效应: 虽然用户察觉不到自己的位移，但可能会看到队友在虚拟世界中“瞬移”或轨迹异常。
• 未来方向: 结合眼动追踪 (Eye-tracking) 来捕捉更精准的扫视/眨眼时刻，进一步提高重定向的隐蔽性。

7.4. 个人启发

这篇论文巧妙地将心理学中的“社交注意力”引入了纯技术性的运动算法领域。它告诉我们，解决技术瓶颈（如空间限制）的方法不一定非得是更复杂的硬件或算法，也可以是更巧妙的游戏设计（交互干扰）。 在开发多人联机 VR 时，这种“以社交掩盖技术不足”的思路非常值得借鉴。