The Role of Binocular Vision in Stepping over Obstacles and Gaps in Virtual Environment
Notice bibliographique
Résumé
Little is known about the role of stereopsis in locomotion activities, such as continuous walking and running. While previous studies have shown that stereopsis improves the accuracy of lower limb movements while walking in constrained spaces, it is still unclear whether stereopsis aids continuous locomotion during extended motion over longer distance. We conducted two walking experiments in virtual environments to investigate the role of binocular vision in avoiding virtual obstacles and traversing virtual gaps during continuous walking. The virtual environments were presented on a novel projected display known as the Wide Immersive Stereo Environment (WISE) and the participant locomoted through them on a linear treadmill. This experiment setup provided us with a unique advantage of simulating long-distance walking through an extended environment. In Experiment 1, along each 100-m path were thirty virtual obstacles, ten each at heights of 0.1 m, 0.2 m or 0.3 m, in random order. In Experiment 2, along each 100-m path were thirty virtual gaps, either 0.2 m, 0.3 m or 0.4 m across. During experimental sessions, participants were asked to walk at a constant speed of 2 km/h under both stereoscopic viewing and non-stereoscopic viewing conditions and step over virtual obstacles or gaps when necessary. By analyzing the gait parameters, such as stride height and stride length, we found that stereoscopic vision helped people to make more accurate steps over virtual obstacles and gaps during continuous walking.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».