Earticle

In this paper, we propose a way to move the avatar using head tracking when wearing a 3D HMD and move the avatar in the virtual space. 3D HMD offers high sense of field and sense of reality in virtual reality space. However while using 3D HMD, many people complain of simulation sickness, so simulation sickness is counted as a obstacle factor to supply 3D HMD. Therefore this paper discusses method to manipulate avatar in virtual environment in a way to reduce simulation sickness by wearing 3D HMD. Specifically as head tracking function using gyroscope sensor, method to manipulate avatar in a way to alleviate sickness when moving avatar in virtual space is proposed.

본 연구에서는 시뮬레이터나 그와 유사한 가상현실환경(Virtual Reality Environment ; VRE)에서 일어날 수 있는 Simulator Sickness가 어떤 사람들에게 쉽게 발생하는지를 예측하기 위하여 다중선형회귀(Multiple linear regression) 방정식으로 예측회귀모형을 제시하였다. 이 회귀모형에서의 종속변수는 김도희 외(1998)에 의해 개발된 RSSQ의 종합점수이고, 독립변수는 실제운전경력에 1을 더한 값에 나이를 곱한 값, 과거 멀미를 경험한 정도, 1주일 평균 동화상 시간, 현재의 건강상태로 되어져 있다. 이 회귀모형의 R2값은 약 0.52로 Kolasinski(1996)의 모델보다 설명력이 18% 증가하였고, 부수적인 별도의 실험을 하지 않고도 간단한 개인 신상에 관한 간단한 자료만으로도 훨씬 좋은 결과를 예측할 수 있게 되었다. 따라서 시뮬레이터나 가상현실에서 일어나는 Simulator Sickness가 어떠한 사람에게 걸리기가 쉬운지를 쉽게 예측할 수 있게 되었고, 이러한 사람들에게는 시뮬레이터나 가상현실의 이용을 자제시키거나 주의를 주어 특별관리 함으로써 시뮬레이터나 가상현실을 운영하는데 많은 도움을 줄 수 있을 것이다.

This study proposed multiple linear regression models to predict those who can be easily infected simulator sickness(SS) in simulator or virtual reality environment. In this study, SSQ(Simulator Sickness Questionnaire) scores which are recently used for assessing SS, and RSSQ(Revised Simulator Sickness Questionnaire) scores are selected as dependent variables. Also ten dependent variables are used. The results are these models coefficient of determination(max $R^2=0.52$) is improved 18% more than Kolasinski's model($R^2=0.35$), and it became easy to predict with simple data. Accordingly, we can easily predict who will be apt to get into simulator sickness.