增强现实辅助信息呈现方式对装配任务的影响

来源 :浙江理工大学 | 被引量 : 0次 | 上传用户:bbcr
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着科学技术的不断发展,增强现实(Augmented Reality,AR)技术在教学、娱乐、工业化等多个领域具有广泛的应用价值。其中,工业装配被认为是增强现实技术最有潜力的应用方向之一,通过在用户视野范围内实时呈现对应装配信息,能够使新手操作者快速完成任务,同时也可以用来辅助操作者学习装配过程,降低实际操作成本。前人研究已经证实了AR辅助装配的有效性,并且在不同的子任务阶段使用AR信息辅助均可以帮助用户更好的完成任务,但对影响AR信息辅助装配作业绩效的相关因素还较少有研究探讨,AR辅助装配过程中的信息呈现形式对装配任务完成绩效的影响及其认知机制都尚不清楚。因此,在前人研究的基础上,本研究基于Stork等人提出的任务装配模型,将装配任务划分为匹配子任务和连接子任务,研究不同信息呈现方式下,采用AR信息辅助装配的作业绩效,同时借助于眼动仪记录装配过程中的眼动数据,由此分析被试任务中的认知机制。本研究共包括两个阶段:第一个阶段是集成了AR辅助装配和眼动数据收集系统,选取适合实验室研究的装配任务,并根据该任务设计建构了基于眼动分析的AR辅助装配原型系统,实现用户无障碍进行装配任务操作的同时收集行为及眼动数据。第二个阶段开展了实验室研究,探究AR信息呈现方式对装配任务绩效的影响,包含两个实验。实验一采用任务完成时间和眼动注视为指标,研究AR信息不同透明度情况对总体装配任务及两个子任务作业绩效的影响。实验二采用类似范式,研究动静态呈现信息方式对总体装配任务及两个子任务作业绩效的影响。本研究得出以下主要结论:(1)在装配任务及两个子任务下,信息呈现透明度在60%-80%之间时,任务完成时和正确率都有显著提升。60%透明度水平能够更快吸引用户注意并减少理解信息的时间。(2)在装配任务及两个子任务下,静态信息呈现方式比动态信息效果更好,任务完成时和正确率都显著提升;动态条件下,注视点更快进入兴趣区,但可能带来额外认知负荷,需要更长的时间理解信息。
其他文献
目前,深度学习特别是卷积神经网络已经成功应用到了自然图像和医学图像分割任务中。深度卷积神经网络可以自动地从图像中提取特征,且自动提取的特征可以更好地应用到相关任务
视觉图像感知技术是近年来人类获取信息的主要手段和途径,近年来,随着现代计算机视频图像技术的进一步发展和其应用的越来越多样化,人们对于图像尤其特别是连续的高层次视频
实验目的神经母细胞瘤(Neuroblastoma,NB)是最常见的儿童颅外实体肿瘤,Am80(Tamibarotene,他米巴罗汀)是一种维甲酸受体(RAR)特异性合成激动剂。本研究旨在探究不同浓度Am80对人源神经母细胞瘤SH-SY5Y细胞增殖及对酪氨酸激酶受体TrkA表达的影响,并进一步探究Am80对NB化疗耐药的影响。实验方法常规培养人源神经母细胞瘤SH-SY5Y细胞,用Cell Count
随着咖啡饮品的普及和无人经济的发展,许多公司开始了对自助咖啡贩卖机的研究。但是目前我国的自助咖啡贩卖机多为功能机,既无法根据顾客的身体健康调配适合的成分配比,也无
前列腺癌是老年男性最常见的癌症,核磁共振(Magnetic Resonance,MR)成像方式所得的前列腺图像已被广泛应用于前列腺癌的诊断和治疗过程中。医生在诊疗之前,需要先准确分割出M
物联网(Internet of things,IoT)是信息化技术的更新升级,广泛的应用于各个生活领域中,是即将到来的第四次工业革命浪潮信息化领域中的重中之重。无线传感器网络(Wireless Sensor Networks,WSN)正在迅猛发展日新月异,特别是应用到各种监控和跟踪应用中,而无线传感器网络通过节点感知技术获取外界信息,在物联网感知层中应用价值巨大。无线传感器网络可以采集、监测和管理
图像客观质量评价方法分为全参考、半参考和无参考三种,其中无参考模型因为不需要任何参考信息所以获得了越来越多的关注。深层卷积神经网络具有十分强大的建模和分析能力,可以表示抽象的具有区分性的特征,近年来被广泛应用于无参考图像质量评价中。在使用卷积神经网络进行图像质量评价研究时,由于通用实验数据库中缺乏足够的带标签的训练数据,研究者往往将数据库里的失真图像进行分块处理来扩大数据集。这种方法会导致每个分块
自上世纪90年代,Arkani-Hamed-Dimopoulos-Dvali(ADD)和Randall-Sundrum(RS)模型被提出以来,运用高维时空解决我们四维宇宙中存在的规范层次问题和宇宙学常数问题的想法受到
无线传感器网络(Wireless Sensor Networks,WSN)是传感器、计算机与无线网三大技术的交叉应用网络,凭借传感与模数转换技术、通过一系列可重构基础设施与大规模分布的传感器节点建立客观外界与信息世界的桥梁。WSN五层协议体系中媒体访问控制(Media Access Control,MAC)子层与逻辑链路控制子层共同构成其数据链路层,MAC层资源调度技术使WSN物理层中各传感器节点
B细胞表位是抗原能够被B细胞抗体特异性识别与结合、发挥免疫作用的特殊部位,其准确定位与分析对于免疫预防具有重要的研究价值。构象性表位作为B细胞表位构成的重要组成形态,是B细胞表位研究的一个重要分支。随着计算机技术的发展,如何通过计算机技术,对大量的B细胞数据进行分析与表位预测,提高B细胞表位定位的准确率逐渐成为该领域的研究热点。本论文以“人工智能算法在构象性B细胞抗原表位预测中的应用研究”课题为背