Walking with head-mounted virtual and augmented reality devices: Effects on position control and gait biomechanics
Notice bibliographique
Résumé
What was once a science fiction fantasy, virtual reality (VR) technology has evolved and come a long way. Together with augmented reality (AR) technology, these simulations of an alternative environment have been incorporated into rehabilitation treatments. The introduction of head-mounted displays has made VR/AR devices more intuitive and compact, and no longer limited to upper-limb rehabilitation. However, there is still limited evidence supporting the use of VR and AR technology during locomotion, especially regarding the safety and efficacy relating to walking biomechanics. Therefore, the objective of this study is to explore the limitations of such technology through gait analysis. In this study, thirteen participants walked on a treadmill in normal, virtual and augmented versions of the laboratory environment. A series of spatiotemporal parameters and lower-limb joint angles were compared between conditions. The center of pressure (CoP) ellipse area (95% confidence ellipse) was significantly different between conditions (p = 0.002). Pairwise comparisons indicated a significantly greater CoP ellipse area for both the AR (p = 0.002) and VR (p = 0.005) conditions when compared to the normal laboratory condition. Furthermore, there was a significant difference in stride length (p<0.001) and cadence (p<0.001) between conditions. No statistically significant difference was found in the hip, knee and ankle joint kinematics between the three conditions (p>0.082), except for maximum ankle plantarflexion (p = 0.001). These differences in CoP ellipse area indicate that users of head-mounted VR/AR devices had difficulty maintaining a stable position on the treadmill. Also, differences in the gait parameters suggest that users walked with an unusual gait pattern which could potentially affect the effectiveness of gait rehabilitation treatments. Based on these results, position guidance in the form of feedback and the use of specialized treadmills should be considered when using head-mounted VR/AR devices.
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 | 0,001 |
| 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) | 0,002 | 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 ».