Design of a Tactile Instrument to Measure Human Roughness Perception in a Virtual Environment
Notice bibliographique
Résumé
This paper presents the experimental results on the measurement of human texture perception in virtual environments. The experiment is conducted with a haptic tactile instrument that provides sensations of rough textures directly to the fingertip of the users. It consists of a brush and a DC motor. The brush rubs directly against the user's fingertip. Simulated texture is felt through an aperture on the tactile actuator where the users place their fingertip. The speed and direction of the brush are varied to control the roughness of the virtual surface and to determine the effect of either variable on perceived roughness. The actuator is designed to be attached to an existing force feedback device in order to create an interface that can provide force feedback and tactile feedback. The magnitudes of rough textures are measured through this device by comparing the virtual textures with real sandpapers of different grit sizes. Through human factor testing, it is found that the direction of rotation has negligible effects on roughness perception when the time gap between two consecutive stimuli is as large as 10 s. However, when the time gap is reduced to 0.5 s, the effects of direction become prominent. The just noticeable difference with respect to speed is found to decrease as the base speed of the brush increases. The results also show that although each subject's perception of roughness is biased using various sandpapers, the measured data is divided between two trends. One group of users perceives the roughness to increase with increasing speed, while the other group perceives the roughness to decrease.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».