F-RDW: Redirected Walking with Forecasting Future Position

要約

タイトル：F-RDW：将来の位置を予測するリダイレクト・ウォーキング

要約：
– リダイレクト・ウォーキング(RDW)の既存の予測方式は、リセットの回数を減らすために将来情報を利用しているが、その方法は、多くの場合、仮想環境のレイアウトやユーザーの歩行方向など、デプロイメント時に前提条件を課すため、一般的な応用が制限されている。その課題に対応するために、我々は、F-RDWという新しいメカニズムを提案している。F-RDWは、(1)仮定を必要とせずに、ユーザーの仮想空間での将来の情報を予測し、(2)その情報を既存のRDWの方法に組み込むことができる。第一段階のバックボーンは、LSTMベースのモデルで、ユーザーの空間データとアイ・トラッキングデータを取り込み、ユーザーの仮想空間での将来の位置を予測する。その後、予測された値をMPCRed、S2C、TAPF、ARCなどの既存のRDWの方法に組み込むことができる。我々のシミュレーションテストとユーザースタディの結果から、小さな物理空間や複雑な環境でRDWを使用する場合、将来情報の重要性が示された。提案されたメカニズムはリセットの回数を大幅に減らし、リセット間の移動距離を増加させるため、すべてのRDWの方法の再利用性を向上させる。

要約(オリジナル)

In order to serve better VR experiences to users, existing predictive methods of Redirected Walking (RDW) exploit future information to reduce the number of reset occurrences. However, such methods often impose a precondition during deployment, either in the virtual environment’s layout or the user’s walking direction, which constrains its universal applications. To tackle this challenge, we propose a novel mechanism F-RDW that is twofold: (1) forecasts the future information of a user in the virtual space without any assumptions, and (2) fuse this information while maneuvering existing RDW methods. The backbone of the first step is an LSTM-based model that ingests the user’s spatial and eye-tracking data to predict the user’s future position in the virtual space, and the following step feeds those predicted values into existing RDW methods (such as MPCRed, S2C, TAPF, and ARC) while respecting their internal mechanism in applicable ways.The results of our simulation test and user study demonstrate the significance of future information when using RDW in small physical spaces or complex environments. We prove that the proposed mechanism significantly reduces the number of resets and increases the traveled distance between resets, hence augmenting the redirection performance of all RDW methods explored in this work.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI