Dynamic collision envelope in virtual reality walking with colliding pedestrians
Notice bibliographique
Résumé
When walking, we detect possible collisions with other pedestrians and avoid them, estimating body volumes and safety margins. This safety margin, collision envelope, has been measured in limited conditions: only parallel approaching collisions with lateral offset were tested while subjects watched a walking video. These scenarios limit generalizability for real-world walking where walkers navigate freely with various approaching directions of pedestrians. To evaluate realistic and dynamic collision envelopes in a risk-free environment, we developed a virtual reality walking scenario using the Meta Quest 2 head-mounted display (HMD). While a subject walking with gaze movement in an empty real-world corridor, a corresponding virtual shopping mall with pedestrians approached from 20°, 40°, or 60° bearing angles on a collision course face-to-face or overtaken were shown on HMD. 10 non-colliding pedestrians on various walking paths were also present. Subjects were asked to freely and naturally avoided potential collisions (walking path or speed change). Subjects with homonymous hemianopia (HH; n=6) and subjects with normal vision (NV; n=8) avoided 20 face-to-face and 20 overtaken pedestrians. As a result of the collision avoidance behavior, the trajectories of pedestrians relative to the subjects were changed, and thus the safety margins in various paths were collected. Dynamic collision envelope was calculated as the area kept as the safety margin in more than 50% of trials. HH subjects had larger envelopes (0.95m2, SD=0.60) than NV subjects (0.71m2, SD=0.42; p=0.044) and envelopes were larger when colliders were approaching (1.14m2, SD=0.53) compared to overtaken (0.49, SD=0.19; p<0.001). These results may suggest a more conservative safety margin in HH than NV when avoiding potential collisions. Since the relative walking speeds of the approaching pedestrians were faster than the overtaken pedestrians, estimated time-to-collision may also affect the size and structure of the collision envelope.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».