In this work, we address the problem of the selection of 3D objects based on the user’s intent to interact with them in online virtual environments, both on desktop and VR devices. In addition to the traditional ray-casting technique, we select four promising techniques from the literature using time-dependent volumetric scoring (IntenSelect), trajectory prediction (KEP), Kalman filters enhancement (KalmanKEP) and machine learning with decision trees (MTP). We refine and adapt them to be implemented on both devices. We gather a number of raycasting-based 3D selections in a remote virtual environment, forming a small dataset that serves for simulations and training. The performance of the techniques is evaluated using these simulations through the theoretic relative amount of time and movement required for each technique to be able to predict the target corresponding to the user’s selection intent, called availability. The users’ experience is assessed through a user evaluation on two axes that are usability and task load. The results show that IntenSelect and the adapted KEP technique are credible alternatives to ray-casting. However, the ray-casting technique is still among the preferred ones in terms of user experience, despite being a method with a low spatial and temporal availability compared to others. / I det här arbetet tar vi upp problemet med att välja 3D-objekt baserat på användarens avsikt att interagera med dem i virtuella miljöer online, både på stationära datorer ochVR-enheter. Förutomdentraditionellaray-casting-tekniken väljer vi fyra lovande tekniker från litteraturen som använder tidsberoende volymetrisk poängsättning (IntenSelect), banaförutsägelse (KEP), Kalmanfilterförbättring (Kalman-KEP) och maskininlärning med beslutsträd (MTP). Vi förfinar och anpassar dem så att de kan genomföras på båda enheterna. Vi samlar in ett antal raycastingbaserade 3D-val i en avlägsen virtuell miljö och bildar en liten datamängd som tjänar till simuleringar och träning. Teknikernas prestanda utvärderas med hjälp av dessa simuleringar genom den teoretiska relativa mängden tid och rörelse som krävs för att varje teknik ska kunna förutsäga det mål som motsvarar användarens urvalsintention, så kallad tillgänglighet. Användarnas upplevelse bedöms genom en användarutvärdering på två axlar, nämligen användbarhet och arbetsbelastning. Resultaten visar att IntenSelect och den anpassade KEP-tekniken är trovärdiga alternativ till ray-casting. Ray-casting-tekniken är dock fortfarande bland de föredragna när det gäller användarupplevelsen, trots att det är en metod med låg rumslig och tidsmässig tillgänglighet jämfört med andra metoder.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-319938 |
| Date | January 2022 |
| Creators | Marichal, Charles-Eole |
| Publisher | KTH, Skolan för elektroteknik och datavetenskap (EECS) |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | English |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-EECS-EX ; 2022:592 |
Page generated in 0.0106 seconds