Modellierung multi-modaler haptischer Wahrnehmung

Universität der Bundeswehr
Fakultät für Luft- und Raumfahrttechnik
Institut für Arbeitswissenschaft
Modellierung multi-modaler haptischer Wahrnehmung
Dipl.-Psych. Gunter Hannig
Vollständiger Abdruck der bei der
Fakultät für Luft- und Raumfahrttechnik
der Universität der Bundeswehr München
zur Erlangung des akademischen Grades eines
Doktor der Naturwissenschaften (Dr. rer. nat)
genehmigten Dissertation.
Gutachter/ Gutachterin:
1.
Prof. Dr. phil. rer. soc. habil. Berthold Färber
2.
Prof. Dr.-Ing. Barbara Deml
Die Dissertation wurde am 02.10.2012 bei der Universität der Bundeswehr München,
85577 Neubiberg, eingereicht und durch die Fakultät für Luft- und Raumfahrttechnik am
10.10.2012 angenommen. Die mündliche Prüfung fand am 27.05.2013 statt.
Inhaltsverzeichnis
Kurzfassung/ Abstract
1
Fragestellung und Vorgehen
2
1 Natürliche menschliche Wahrnehmung und künstliche Welten
4
1.1
1.2
Menschliche Wahrnehmung . . . . . . . . . . . . . . . . . . . . . . . . . . .
4
1.1.1
Photoperzeption
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
8
1.1.2
Thermoperzeption
. . . . . . . . . . . . . . . . . . . . . . . . . . .
16
1.1.3
Mechanoperzeption . . . . . . . . . . . . . . . . . . . . . . . . . . .
18
1.1.3.1
Auditive Wahrnehmung
. . . . . . . . . . . . . . . . . . .
18
1.1.3.2
Haptische Wahrnehmung . . . . . . . . . . . . . . . . . . .
23
Künstliche Welten
1.2.1
1.2.2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
26
Virtuelle Realität . . . . . . . . . . . . . . . . . . . . . . . . . . . .
26
1.2.1.1
Ausbildung
27
1.2.1.2
Unterhaltung
. . . . . . . . . . . . . . . . . . . . . . . . .
29
1.2.1.3
Psychotherapie . . . . . . . . . . . . . . . . . . . . . . . .
30
Teleaktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
32
1.2.2.1
Kampfmittelbeseitigung
. . . . . . . . . . . . . . . . . . .
32
1.2.2.2
On-Orbit Servicing . . . . . . . . . . . . . . . . . . . . . .
35
1.2.2.3
Telechirurgie
37
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
2 Aufbau der Mensch-Maschine Schnittstelle
2.1
Hardware
2.1.1
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
41
Eingabegeräte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
41
2.1.1.1
P5 Datenhandschuh
41
2.1.1.2
Magnettracking von Hand und Kopf
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . .
42
Ausgabegeräte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
43
2.1.2.1
Head Mounted Display . . . . . . . . . . . . . . . . . . . .
43
2.1.2.2
Thermales Display
. . . . . . . . . . . . . . . . . . . . . .
43
2.1.2.3
Vibratorisches Display . . . . . . . . . . . . . . . . . . . .
44
2.1.2.4
Pneumatisches Display . . . . . . . . . . . . . . . . . . . .
46
Software . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
48
2.2.1
2.1.2
2.2
39
2.2.2
Virtuelle Szene: Blender
. . . . . . . . . . . . . . . . . . . . . . . .
48
2.2.1.1
Virtuelle Szene
. . . . . . . . . . . . . . . . . . . . . . . .
48
2.2.1.2
Virtuelle Interaktion . . . . . . . . . . . . . . . . . . . . .
49
Serversoftware . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
55
i
Inhaltsverzeichnis
2.2.3
2.2.4
2.2.5
Feedback rendering: Simulink Modelle
. . . . . . . . . . . . . . . .
57
2.2.3.1
Überblick über das Gesamtmodell . . . . . . . . . . . . . .
57
2.2.3.2
Modul Zeigenger: vibratorische und thermale Simulation
59
2.2.3.3
Simulinkmodell des pneumatischen Gewichtsfeedbacks
. .
63
. . . . . . . . . . . . . . . . . . . . . .
64
2.2.4.1
Gewicht . . . . . . . . . . . . . . . . . . . . . . . . . . . .
65
2.2.4.2
Rauheit
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
68
Auditives Feedback . . . . . . . . . . . . . . . . . . . . . . . . . . .
69
Pseudohaptisches Feedback
2.2.5.1
Materialdarstellung
räusche
2.2.5.2
durch
charakteristische
Kontaktge-
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
Auditive Rauheitsdarstellung
. . . . . . . . . . . . . . . .
3 Experimente
3.1
. . . . . . . . . . .
73
3.1.1
Vibratorisches Rauheitsfeedback . . . . . . . . . . . . . . . . . . . .
76
3.1.2
Pseudohaptisches Feedback
84
. . . . . . . . . . . . . . . . . . . . . .
3.1.2.1
Pseudohaptische Rauheit
. . . . . . . . . . . . . . . . . .
84
3.1.2.2
Pseudohaptisches Gewicht . . . . . . . . . . . . . . . . . .
93
3.1.3
Thermale Materialidentikation . . . . . . . . . . . . . . . . . . . .
96
3.1.4
Auditives Feedback . . . . . . . . . . . . . . . . . . . . . . . . . . .
102
3.1.4.1
Auditive Materialidentikation
. . . . . . . . . . . . . . .
102
3.1.4.2
Auditive Rauheit . . . . . . . . . . . . . . . . . . . . . . .
106
Pneumatisches Gewichtsfeedback
Analyse des multimodalen Feedbacks
3.2.1
3.2.2
. . . . . . . . . . . . . . . . . . .
114
. . . . . . . . . . . . . . . . . . . . .
118
Rauheitsfeeback mittels vibrotaktilem, visuellem pseudohaptischen
und auditivem Feedback
. . . . . . . . . . . . . . . . . . . . . . . .
118
Gewichtsfeedback mittels pneumatischem und visuellem pseudohaptischen Feedback
3.3
71
73
Experimentelle Untersuchungen der Einzelmodalitäten
3.1.5
3.2
70
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
Allgemeiner Evaluationsfragebogen
. . . . . . . . . . . . . . . . . . . . . .
123
127
4 Zusammenfassung und Forschungsausblick
130
Literaturverzeichnis
133
Abbildungsverzeichnis
147
Tabellenverzeichnis
148
Anhang
150
ii
A
Konstruktionsskizze Kühlelement
. . . . . . . . . . . . . . . . . . . . . . .
150
B
Konstruktionsskizze Wasserverteiler . . . . . . . . . . . . . . . . . . . . . .
151
C
Schaltpläne Kontrollbox
152
D
Texturen d. virtuellen Hand
E
Datenblatt Drucksensor 24PC01K0DSMT
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
156
158
Inhaltsverzeichnis
F
Datenblatt Ventil . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
160
G
Programmcode und Skripte
. . . . . . . . . . . . . . . . . . . . . . . . . .
161
G.1
camera -Skript . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
161
G.2
init -Skript . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
162
G.3
movement -Skript . . . . . . . . . . . . . . . . . . . . . . . . . . . .
165
G.4
hand-oset -Skript . . . . . . . . . . . . . . . . . . . . . . . . . . . .
171
G.5
lifting -Skript
172
G.6
contact_z -Skript
G.7
sound -Skript
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
173
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
173
H
Auditives Feedback . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
176
I
Fragebögen
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
179
I.1
Allgemeiner Evaluationsbogen . . . . . . . . . . . . . . . . . . . . .
179
I.2
Evaluationsbogen Experiment Auditive Materialidentikation
. . .
180
I.3
Evaluationsbogen Experiment Auditive Rauheit
. . . . . . . . . . .
181
I.4
Evaluationsbogen Experiment Conjoint Rauheit
. . . . . . . . . . .
182
I.5
Evaluationsbogen Experiment Conjoint Gewicht . . . . . . . . . . .
183
Statistik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
184
J
J.1
Syntax Conjoint Analyse SPSS Multimodal Rauheit
. . . . . . . . .
184
J.2
Dendrogramm Multimodale Rauheit . . . . . . . . . . . . . . . . . .
185
J.3
Deskriptive Statistiken unterschiedlicher Cluster Multimodale Rauheit 186
J.4
Syntax Conjoint Analyse SPSS Bimodales Gewicht
. . . . . . . . .
187
J.5
Dendrogramm Bimodales Gewicht . . . . . . . . . . . . . . . . . . .
188
J.6
Fragebogenergebnisse Bimodales Gewicht (Angaben in %)
. . . . .
189
J.7
Fragebogenergebnisse Multimodale Rauheit (Angaben in %)
. . . .
190
J.8
Fragebogenergebnisse Allgemeiner Evaluationsbogen . . . . . . . . .
191
J.9
Fragebogenergebnisse
Allgemeiner
Evaluationsbogen,
Skalen
mit
Mittelwerten und Standardabweichungen . . . . . . . . . . . . . . .
195
iii
Kurzfassung/ Abstract
Kurzfassung
Die Dissertationsschrift beschäftigt sich mit multi-modaler haptischer Rückmeldung in virtueller Umgebung. Ziel war es, haptische Information über multiple Sinneskanäle (visuell,
auditiv, taktil) darzustellen und deren Wahrnehmung durch menschliche Benutzer zu untersuchen.
Für die Durchführung der erforderlichen Experimente wurde zunächst ein einfacher
Datenhandschuh
so
aktuiert,
dass
einem
Anwender
thermale
Materialeigenschaften,
die Rauhigkeit von Oberächen sowie das Gewicht von virtuellen Objekten physisch
rückgemeldet werden kann. Um das Feedback noch immersiver zu gestalten, wurde
darüber hinaus auch visuelles und auditives pseudohaptisches Feedback implementiert
und zur Darstellung haptischer Objekteigenschaften genutzt (d.h. sichtbares Gewicht und
Oberächenrauheit von Objekten, hörbare Oberächenrauheit). Anschlieÿend durchgeführte psychopysische Experimente zeigen dabei wie Menschen das künstliche Feedback
wahrnehmen und wie ein Zusammenspiel von mehreren redundanten Feedbackarten
wirkt. Dabei wurden die zugrundeliegenden Wahrnehmungsprozesse quantiziert, so dass
die Ergebnisse sowohl für die weitere Entwicklung moderner virtueller Szenarien, Telepräsenzanwendungen und auch für die psychologische Grundlagenforschung relevant sind.
Abstract
The dissertation focuses on multi-modal haptic feedback in a virtual environment. The
aim was to provide haptic information across multiple sensory channels (visual, auditory,
tactile) and to investigate their perception by a human operator.
First a simple haptic data glove was upgraded to provide haptic feedback in a virtual
environment. The feedback concerns thermal properties of materials, the roughness of surfaces and the weight of objects. The immersion of this feedback was further fostered by
implementing additional visual and auditory pseudo haptic feedback (i.e. visible cues to
weight and surface roughness of objects; audible surface roughness). Subsequently performed psychophysic experiments show how people perceive this articial feedback and how
the redundant feedback modalities are beeing used. The underlying processes of perception
were quantied, and the results are relevant for the further development of modern virtual
scenarios, telepresence applications and basic psychological research of human perception.
1
Fragestellung und Vorgehen
Fragestellung und Vorgehen
Die vorliegende Dissertation beschäftigt sich mit der Weiterentwicklung von immersiven
Mensch-Maschine Schnittstellen, die sowohl für Arbeiten und Anwendungen in virtueller
(vgl. Abschnitt 1.2.1) als auch in telepräsenter (vgl. Abschnitt 1.2.2) Umgebung von
Wichtigkeit sind. Bis zum jetzigen Zeitpunkt - und wohl auch noch die nächsten Jahrzehnte - ist es technisch nicht möglich eine künstliche Umwelt so darzustellen, dass sie von der
realen Umgebung nicht mehr zu unterscheiden ist. Das komplexe Wahrnehmungssystem
des Menschen ist so präzise und sensibel (vgl. Abschnitt 1.1), dass es unter Ausnutzung
der momentan vorhandenen technischen Möglichkeiten nicht voll ausgereizt werden kann
(vgl. Abschnitt 1.2). Diese Arbeit stellt deshalb einen Schritt auf dem langen Weg zu dem
Ziel der bestmöglichen künstlichen Umwelt dar.
Im
Rahmen
dieser
Arbeit
Modellierung
multi-modaler
haptischer
Wahrnehmung
wird eine intuitive und eziente Benutzerschnittstelle stufenweise aufgebaut und deren Komponenten sowie deren Interaktionseekte fortlaufend evaluiert. Der Fokus bei
diesem Vorgehen liegt auf der Bereitstellung eines umfassenden haptischen Feedbacks,
das die Grenzen technischer Machbarkeit ausnutzt und durch ein multi-modales und
teilweise redundates Feedbackkonzept (haptisch, visuell, akustisch) zu übertreen versucht.
Als erster Schritt wird die für ein multi-modales Feedback benötigte Hard- und Software
realisiert: haptische, auditive und visuelle Verarbeitungsinstanzen der menschlichen Wahrnehmung sollen separat ausgenutzt werden, um möglichst präzise haptische Eigenschaften
von virtuellen Objekten (Rauheit, Masse, thermodynamische Materialeigenschaften) darzustellen. Die Objekteigenschaften können dabei über Aktorik erzeugt werden, die teilweise
mehrfach redundant ist: die Rauhigkeit einer virtuellen Oberäche kann zum Beispiel sowohl haptisch (Kapitel 2.1.2.3 und 3.1.1), visuell (Kapitel 3.1.2.1) als auch auditiv (Kapitel
3.1.4) dargestellt werden. Für jede Modalität werden Experimente durchgeführt (Kapitel
3.1), die die generelle Eignung aufzeigen sowie psychophysische Skalierungsfunktionen
des Zusammenhangs von objektiver Feedbackstärke und subjektivem Empnden ermitteln.
Als zweiter Schritt kommt die Methode der Verbundmessung zum Einsatz (Kapitel 3.2),
um eine eventuell vorhandene Präferenzneigung der Probanden für jede Feedbackmodalität zu quantizieren. Mit dieser Methode ist es möglich Teilnutzenwerte für jede
Modalität zu berechnen, die ihrer Wichtigkeit im Gesamtperzept entspricht. Im oben
genannten Beispiel von künstlich erzeugter Rauhigkeit (durch gleichzeitige Bereitstellung
von haptischen, visuellen und auditiven Hinweisreizen) lässt sich mit der Verbundmessung
also experimentell ermitteln, welche subjektive Wichtigkeit dabei dem haptischen, dem
visuellen und dem auditiven Kanal zukommt.
Die Arbeit gliedert sich wie folgt in vier Kapitel:
In Kapitel 1 wird eine Einführung zu den Themen menschliche Wahrnehmung, Tele-
präsenz und Teleaktion sowie virtuelle Realität gegeben und deren Grundlagen erörtert.
2
Fragestellung und Vorgehen
Relevante Forschungsergebnisse und Beispiele von aktuellen technischen Systemen sollen
hier auf das Thema der Arbeit einleiten. Gleichzeitig erhält der Leser einen Überblick
über mögliche Anwendungsgebiete der aufgebauten Mensch-Manschine Schnittstelle (s.u.).
Kapitel
2 enthält die vollständige Dokumentation der eigens entwickelten Mensch-
Maschine Schnittstelle (MMS). Sowohl die Hardwareentwicklung als auch die softwaretechnische Modellierung der Einzelkomponenten nden Beachtung. Die Experimente des
folgenden Kapitels wurden -mit wenigen Ausnahmen- auf dieser Hardware durchgeführt,
so dass es zweckmäÿig ist, die MMS vor den Experimenten exakt zu beschreiben. In
Fällen, in denen ein verwendeter Experimentalaufbau in Kapitel III entscheidend von der
in Kapitel II beschriebenen Hardware abweicht, wird explizit darauf hingewiesen.
Kapitel 3 beschäftigt sich mit relevanten durchgeführten Experimenten. Ihr spezischer
wissenschaftlicher Hintergrund wird eingangs erläutert, gefolgt von Informationen zu
verwendeten Stichproben, Durchführungsangaben, Ergebnissen und deren Diskussion.
Die vorliegende Arbeit schlieÿt mit einer Zusammenfassung in Kapitel 4, die nochmals
alle Experimentalergebnisse in Anbetracht der Kapitel I und II bewertet. Weiterhin werden
ein Ausblick auf zukünftige Entwicklungen von moderenen MMS gegeben und sich dabei
erönende Forschungsfragestellungen angesprochen.
3
1 Natürliche menschliche Wahrnehmung und
künstliche Welten
Im ersten Teil des Kapitels werden zu diesem Zweck die menschliche Wahrnehmung
von visuellen, haptischen und akustischen Reizen dargelegt und Möglichkeiten, Grenzen
und Besonderheiten der jeweiligen Wahrnehmungskanäle erläutert. Da das Wissen in
diesem Bereich von der Reizaufnahme auf Rezeptorenebene bis zu der cortikalen
Informationsverarbeitung bereits sehr detailliert und komplex ist, können diese Themen
nicht
erschöpfend,
sondern
nur
unter
Berücksichtigung
ihrer
relevanten
Teilaspekte
behandelt werden.
Der zweite Teil des Kapitels ist den künstlich erzeugten Welten und deren Wahrnehmung
durch den Menschen gewidmet. Neben nötigen Begrisdenitionen nden konkrete Beispiele aus der Forschung und Entwicklung von virtuellen Realitäten und Telepräsenzanwendungen Beachtung. Deren Möglichkeiten, Grenzen und Probleme bei der Erzeugung
künstlicher Reize werden dargestellt. Ziel soll es sein, dem Leser den aktuellen Stand von
Forschung und Technik zu vermitteln, auf dessen Grundlage das eigene Forschungsvorhaben eingeordnet und verstanden werden kann.
1.1 Menschliche Wahrnehmung
Die Wahrnehmung des eigenen körperlichen Zustands und seiner Umwelt ist für den
Menschen eine zentrale Bedingung, um überlebens- und lernfähig zu sein. Da Prozesse,
die eine subjektive Wahrnehmung ermöglichen, kontinuierlich, weitgehend automatisiert
und unbewusst ablaufen [50], wird die Wichtigkeit und enorme Leistungsfähigkeit des
perzeptuellen Systems bei oberächlicher Betrachtung leicht verkannt. Die Fähigkeit,
einen
Menschen
anhand
seines
Gesichts
zu
erkennen,
mag
trivial
erscheinen;
stellt
man jedoch dieser einfachen menschlichen Aufgabe Computersysteme gegenüber, die
ebendies unter Alltagsbedingungen leisten sollen, wird schnell deutlich, wie komplex und
kompliziert diese Aufgabe tatsächlich ist. Trotz enormer Rechenleistung und ausgefeilter
Algorithmen können z.B. schon ungünstige Lichtverhältnisse oder Bewegungen der Person
die Erkennungswahrscheinlichkeit von künstlichen Systemen stark beeinträchtigen und sie
somit nutzlos machen [37].
4
1.1 Menschliche Wahrnehmung
Die Sinne des Meschen
Schon in der Antike befasste sich Aristoteles mit der menschlichen Wahrnehmung und
postulierte fünf voneinander getrennte Sinne [5]:
•
Sehen: visuelle Reizaufnahme mit Hilfe der Augen
•
Tasten: taktile Reizaufnahme durch Hautkontakt
•
Hören: auditive Reizaufnahme mit den Ohren
•
Riechen: olfaktorische Reizaufnahme durch die Nase
•
Schmecken: gustatorische Reizaufnahme durch die Zunge
Das Denken ist nach antiker Vorstellung eines der zentralen Unterscheidungsmerkmale von
Menschen und Tieren, die Wahrnehmungsfähigkeit unterscheidet auÿerdem Lebewesen
von unbelebten Dingen.
Die genaue Anzahl der Sinne variiert jedoch je nach Epoche und Wissensstand der Gesellschaft; so hat erst die Entdeckung der Funktion des Vestibularapparats im 19. Jahrhundert
das Wissen um den Gleichgewichtssinn hervorgebracht und mit der Entwicklung von
Lichtmikroskopen konnte die genauen Mechanismen der Schmerzwahrnehmung verstanden
werden. Wie zunächst angenommen führt nicht eine zu hohe Aktivität der regulären
Sinnesrezeptoren zu einem Schmerzempnden, sondern gesonderte Nervenenden (sog.
Nozizeptoren) konnten als Schmerzrezeptoren identiziert werden. Auch die Sichtweise
beeinusst die Denition der Sinneskanäle: eine strikte physikalische Aufteilung der
wahrnehmungsauslösenden Reize ergäbe beispielsweise lediglich drei menschliche Sinne:
die Wahrnehmung von elektromagnetischen, chemischen und mechanischen Reizen. Zählt
man hingegen die unterschiedlichen Rezeptoren, welche an der Wahrnehmung beteiligt
sind, resultierten weit mehr als zehn Sinne.
So kommt man auf die Einteilung der Wahrnehmungskomponenten in zwei Gruppen: die
Exterozeption liefert dem Individuum Informationen über seine Auÿenwelt, während die
Interozeption Aktivität und Zustand körpereigner Bereiche betrit. Wichtige Bereiche der
Exterozeption sind die visuelle, die taktile und die auditive Wahrnehmung; auf Seiten der
Interozeption ndet sich die Viszerozeption (Wahrnehmung der eignen Organtätigkeiten)
und die Propriozeption (Informationen über die eigene Körperlage und -bewegung) [47].
Die moderne Physiologie vermeidet die Probleme dieser Dentionsansätze, indem sie die
menschlichen Sinne in unterschiedlichen Kategorien beschreibt [64]. Sinnessystem, Empndungsqualität, Reizqualität und Rezeptortyp stellen die Klassikatoren dieser Ordnung
dar und sind in Tabelle I.1.1 wiedergegeben.
Natürlich ist es möglich einzelne Rezeptorsysteme genauer zu beschreiben und deren Einzelkomponenten weiter zu dierenzieren. Für diese Arbeit sind jedoch nur einige Elemente
von Belang, nämlich die Photo-, Thermo- und Mechanorezeption. Diese Auswahl gründet in der Einschränkung, eine Mensch-Maschine Schnittstelle bereitzustellen, die visuelles
5
1 Natürliche menschliche Wahrnehmung und künstliche Welten
Tabelle 1.1:
Sinnessystem
Modalität
Gesichtssinn
Sinne des Menschen (nach [64], S. 722).
Empndungsqualitäten
Helligkeit,
Dunkelheit,
Farben
Reizqualitäten
Rezeptortyp
elektromagnetische
Strahlung 4000 7000
Å
Photorezeptoren
elektromagnetische
Temperatursinn
Strahlung,
Kälte, Wärme
7000
9000 Å , konvektiver
Thermorezeptoren
Wärmetransport
mechanischer
Sinn der Haut
Gehörsinn
Druck, Berührung
Tonhöhen
absolute
Körperlage,
Körperbeschleunigung,
stato-kinetischer
relative
Sinn
gung
Lage
u.
Bewe-
von
Körperteilen,
Gelenken,
Kraftempn-
dung
Geruchssinn
Geschmackssinn
Schmerzsinn
verschiedene Gerüche
Säure, Salz, Süÿe, Bitterkeit
Schmerz
mechan. Rezeptorverformung
durch
soli-
de Objekte oder übertragene
Luftdruckän-
Mechanorezeptoren
derungen
chem. Substanzen
Ionen
Chemorezeptoren
gewebeschädigende
Nozi-
Einwirkungen
zeptoren
Feedback über ein Head-Mounted-Display, taktiles Feedback über einen eigens aktuierten Datenhandschuh und auditives Feedback über Kopfhörer liefert (Dokumentation der
Mensch-Maschine Schnittstelle in Kapitel 2). Der Weg von den organellen Grundlagen
über die neuronale Reizverarbeitung bis hin zu einem subjektiven Perzept wird für diese
1
Komponenten in den Unterkapiteln 1.1.1, 1.1.2 und 1.1.3 genauer beschrieben .
Ein psychologisches Modell der Wahrnehmung
Die Wahrnehmung des Menschen lässt sich nach [146] als ein dreistuger Prozess darstellen
(Abbildung 1.1). Der Bottom-up-Verarbeitungspfad geht von einer Stimulation des Organismus durch distale Reize in der Umwelt aus. Ein solcher distaler Reiz ist unabhängig
1 Aufgrund der Komplexität der einzelnen Mechanismen können die Vorgänge nicht im höchstmöglichen
Detailgrad beschrieben werden. Umfassende Darstellungen sind über die jeweiligen Literaturbelege zu
nden.
6
Top-down-Verarbeitung
1.1 Menschliche Wahrnehmung
Mentale Prozesse
Identifikation/ Wiedererkennen
Bottom-up-Verarbeitung
Perzeptuelle Organisation
Abbildung 1.1:
Empfindung
Stimulation durch die Umgebung
Drei Stufen der Wahrnehmung: sensorische Prozesse, Perzeptuelle Organisa-
tion und Identikation/ Wiedererkennen (nach [146], Seite 161).
von dem Beobachter; ein Glockenschlag erzeugt zum Beispiel ein Schallereignis, das
sich über Luftdruckänderungen konzentrisch im Raum ausbreitet. Der distale Reiz wird
zum proximalen Reiz, sobald er von einem Rezipienten aufgenommen und damit in ein
neuronales Signal umgewandelt werden kann (Stufe der Empndung ). Im Beispiel führt
die Luftdruckänderung des distalen Schallereignisses über einige Zwischenschritte (Ohrmuschel, Trommelfell, Gehörknöchelchen, Wanderwelle) zu einer Erregung der Rezeptoren
in der Cochlea und liegt nun als proximaler Reiz vor. Weitere Verarbeitungsschritte
des proximalen Reizes auf Rezeptorebene und in nachgeschalteten Regionen sowie in
den primären cortikalen sensorischen Arealen, werden auf der Stufe der Perzeptuellen
Organisation vollzogen. Reizabhängige Frequenzanteile, Amplituden und Verlaufsmuster
führen hier zu einer neuronalen Repräsentation des distalen Reizes. Die letzte Stufe besteht
aus der abschlieÿenden Identikation bzw. dem Wiedererkennen des Stimulus durch ein
kompliziertes Zusammenspiel der primären sensorischen Areale mit höheren cortikalen
Strukturen. Im Falle der Klangidentikation sind das (vereinfacht!) neocorticale assoziative
Areale des Temporallappens, der Hippocampus als koordinierende Gedächtnisinstanz und
gedächtnis- und aufmerksamkeitsrelevante Strukturen des Frontallappens. Nach diesem
Schritt kann der Hörer zu dem Schluss kommen: Ich höre eine Glocke schlagen.
Als zweiten Weg bietet das Modell einen Top-down-Verarbeitungspfad an. Erwartungen,
Annahmen, Vorwissen und Motivation erleichtern und beschleunigen situationsabhängig
das
Identizieren
oder
Wiedererkennen
von
Reizen.
Durch
Lenkung
von
Aufmerk-
samkeitsprozessen können durch Top-down-Abläufe Vorgänge schon auf der Stufe der
perzeptuellen
Organisation
arbeitungspfade
bei
beeinusst
erwachsenen
werden
Menschen
[115].
parallel
Tatsächlich
ab
und
laufen
maximieren
beide
damit
Verdie
Erkennensleistung von distalen Reizen.
7
1 Natürliche menschliche Wahrnehmung und künstliche Welten
1.1.1 Photoperzeption
Von allen menschlichen Wahrnehmungsarten ist die visuelle Wahrnehmung mit Abstand
am besten erforscht und verstanden. Das mag u.a. an der Wichtigkeit von visuellen Sinneseindrücken für das tägliche Leben liegen; ein weiterer Hinweis auf die herausgehobene
Stellung der visuellen Wahrnehmung ist auf neuronalem Niveau zu nden: die visuelle
Verarbeitung nimmt auf cortikaler Ebene vergleichsweise groÿe Areale in Anspruch [145].
Visuelle Reize, die das menschliche Auge aufnehmen kann, entstehen, indem beispielsweise elektromagnetische Wellen auf ein Objekt fallen, das diese dann als Licht mit einer
Wellenlänge von 360 nm bis 760 nm reektiert. Das reektierte Licht fällt durch die Cornea, die vordere Augenkammer und die Pupille in den Augapfel ein und trit nach dem
Durchwandern von Linse und Glaskörper auf der Retina auf. Hier benden sich Photorezeptoren, die auf Licht unterschiedlicher Wellenlänge mit einer neuronalen Reizantwort
reagieren. Bereits diese erste Verarbeitungsebene weist eine komplexe Verschaltung von einer Vielzahl unterschiedlicher Neuronen auf, so dass z.B. die Aktivierung eines Rezeptors
die Aktivität eines benachbarten Neurons hemmen oder verstärken kann. So konvergieren
die 126 Millionen Netzhautrezeptoren (120 Millionen Stäbchen und 6 Millionen Zapfen)
auf lediglich einer Million Ganglienzellen, die das Auge durch den Sehnerv verlassen [95].
Die hohe Sehschärfe des Auges ist dem hohen Anteil von Zapfen in der Fovea begründet,
die auÿerdem eine weit geringere Konvergenz auf Ganglienzellen aufweisen als die Stäbchen
(im Durchschnitt 6:1 Zapfen im Gegensatz zu 120:1 Stäbchen) [134].
Wie in Abbildung 1.2 zu sehen ist, verlässt der Sehnerv das Auge auf der hinteren Seite
und läuft zunächst in das Chiasma opticum. Hier überkreuzen sich diejenigen Nervenfasern, die Informationen der medialen Retinahälften übertragen. Etwa 10% der Nervenfasern
zweigen danach in den Colliculus superior ab, der die Augenbewegung steuert. Die restlichen Neuronen erreichen schlieÿlich den Thalamus, von denen die meisten in den corpus
geniculatum laterale (CGL) ziehen. Sowohl ipsi- als auch kontralaterale Nervenimpulse
gelangen wegen der Umleitung im Chiasma opticum in den CGL: Objekte, die im linken
Gesichtsfeld einer Person auftauchen, gelangen in den rechtsseitigen CGL, Objekte aus
dem rechten Gesichtsfeld erreichen den linksseitigen CGL. Das CGL ist sechs-schichtig
aufgebaut und trennt Neuronen je nach Ursprung (linkes, rechtes Auge) und Zellarten (Mund P-Ganglienzellen). Von hier aus ziehen Nervenfasern zur weiteren Verarbeitung in die
primären Sehareale des Okzipitallappens. Auÿer diesen Bereichen sind viele Verbindungen
in anderen Hirnareale nachgewiesen (sog. extrastriäre visuelle Areale), die ebenfalls an der
visuellen Verarbeitung teilhaben. Hauptsächlich sind dies Verbindungen in den Temporallappen, die die Objekterkennung ermöglichen, und Verbindungen in den Parietallappen,
die für die Objektlokalisationen verantwortlich sind. Tatsächlich sind ca. 60% des gesamten
Cortex am Sehen beteiligt [42].
Das visuelle Perzept läÿt sich Qualitätiv in die Objektwahrnehmung, Farbwahrnehmung,
Tiefen- und Gröÿenwahrnehmung
sowie die Bewegungswahrnehmung
einteilen. Jeder
dieser Teilfunktionen liegen unterschiedliche Ursachen und Mechanismen zugrunde, die
folgend kurz skizziert werden.
8
1.1 Menschliche Wahrnehmung
Frontallappen
Sehnerv
Chiasma
opticum
Temporallappen
Corpus
geniculatum
laterale
Colliculus superior
Okzipitallappen
Primäres Seeareal
craniale Transversalansicht
Abbildung 1.2:
Cerebraler Verlauf der Sehbahnen (nach [47], S. 42).
Ob jektwahrnehmung
Da das optische System des Auges nur ein zweidimensionales Abbild einer dreidimensionalen Umgebung erzeugt, obliegt es den darauf folgenden neuronalen Verarbeitungsschritten,
eine
dreidimensionale
Umgebungswahrnehmung
zu
generieren.
Computerprogramme
haben bei ebendieser Objekterkennung profunde Schwierigkeiten, im Besonderen bei der
Figur-Grundunterscheidung, der Kantendetektion, der Erkennung von Objektverdeckung
oder der Gruppierung von Merkmalen [18], während die Objekterkennung beim Menschen anscheinend mühelos und weitgehend verzerrungsfrei vonstatten geht. Mehrere
konkurrierende Modelle versuchen unterschiedliche Teilaskpete der Objektwahrnehmung
zu erklären; sie sind mit Erläuterungen in Tabelle 1.2 aufgeführt.
Die Modelle ergänzen sich teilweise, da sie verschiedene Sachverhalte erklären können.
Während
sich
der
Gestaltansatz
der
generellen
Wahrnehmungsorganisation
widmet,
befasst sich der kontruktivistische Ansatz mit dem dynamischen und probabilistischen
Wahrnehmungsvorgang. Die Unterschiede in den Modellen lassen sich auch durch die
verschiedenen Ebenen erklären, die im Fokus stehen: während die retialen Mechanismen
in der Theorie der elementaren Teilkörper nebensächlich sind, versucht der algorithmische
Ansatz diese mathematisch möglichst exakt zu beschreiben und nachzuvollziehen. Eine
umfassende, widerspruchsfreie und endgültige Theorie der menschlichen Objekterkennungsleistung
ist
aufgrund
der
Komplexität
der
Sache
nicht
abzusehen.
Durch
die
sich ergänzenden Herangehensweisen und Methoden (Läsionsstudien, Beobachtungen,
Verhaltensanalyse, neuronale Potentialableitungen) nähert sich die Wissenschaft diesem
Ziel jedoch an.
Farbwahrnehmung
Ein wichtige Fähigkeit der visuellen Wahrnehmung des Menschen ist es, eine Vielzahl
von Farben zu unterscheiden. Eine wahrnehmbare Farbe entsteht, wenn weiÿes Licht (z.B.
9
1 Natürliche menschliche Wahrnehmung und künstliche Welten
Tabelle 1.2:
Ausgewählte Modelle der Objektwahrnehmung [47].
Gestalttheoretischer
Wahrnehmung ist mit den Regeln der Gestaltgesetze zu er-
Ansatz
klären. Diese beschreiben die resultierende Wahrnehmung bei
gegebenen Reizkonstellationen mehrerer Einzelreize: Gesetz
der Nähe, der Ähnlichkeit, des gemeinsamen Schicksals etc.
Konstuktivistischer
Wahrnehmung
wird
nach
dem
Wahrscheinlichkeitsprinzip
Ansatz
konstruiert. Umweltreize ermöglichen eine hypothesenbasierte Objektidentikation; dies wird ständig angepasst. Durch
Fixationen und Sakkaden werden aktiv kognitive Karten der
Umgebung veriziert.
Texton
Theorie
der
In einer präattentiven Stufe werden Elementarmerkmale, sog.
Textur-Wahrnehmung
Textone, visuell erfasst. Sie ermöglichen eine Texturbereichstrennung, auf deren Basis die folgende aufmerksamkeitsgerichtete Verarbeitungsstufe (unter Einuss von Gedächtnisinhalten) Objekte wahrgenommen werden können.
Theorie der volumetri-
Erkennung
von
Objekten
durch
Identikation
seiner
ihn
schen Erkennung
konstituierenden Geone. Geone sind einfache geometrische
Grundformen (Quader, Zylinder, Pyramide etc), die auch
nach perspektivischer Verzerrung erkannt werden können.
Algorithmischer
Vierstuge Objektwahrnehmung, die mathematisch berechen-
Ansatz
bar ist: von der Netzhautreizung über Kanten- und Elementarmerkmalsextraktion; Gruppierung und Verarbeitung dergleichen zu einer dreidimensionalen Objektwahrnehmung.
Raumfrequenzansatz
Wahrnehmung von Objekten durch Analyse von visuellen
Streifenmustern (entstanden z.B. aufgrund von unterschiedlichem Kontrast, Ausrichtung im Raum, Oberäche). Wahrnehmung ist eine Rekonstruktion dieser Raumfrequenzen zu
Objekten, analog einer Fourier-Synthese.
Sonnenlicht), das fast sämtliche Wellenlängen elektromagnetischer Strahlung enthält, auf
ein Objekt fällt, das die spektrale Zusammensetzung des reektierten Lichts verändert:
material-, temperatur- und geometrieabhängig absorbiert oder reektiert das Objekt einzelne Wellenlängenbereiche. Lichtanteile, die reekiert werden und anschlieÿend auf der
Retina eines Beobachters auftreen, rufen je nach Wellenlängenkombination der Strahlung
unterschiedliche Farbwahrnehmungen hervor. Das Chlorophyll eines Baumblatts absorbiert
beispielsweise hautsächlich Wellenlängen im blauen (400 nm 500 nm) und roten (600 nm
700 nm) Spektralbereich und reekiert die restlichen Lichtanteile, die bei dem Beobachter
die Wahrnehmung eines grünen Blattes (500 nm 600 nm) hervorruft [89]. Zwei Theorien der menschlichen Farbwahrnehmung standen zunächst konkurrierend im Zentrum der
10
1.1 Menschliche Wahrnehmung
Forschung. Sowohl die Dreifarbentheorie als auch die Gegenfarbentheorie können durch
Ergebnisse experimenteller Untersuchungen gestützt werden.
Nach der Dreifarbentheorie wird die Farbwahrnehmung durch drei Rezeptortypen in
der Retina ermöglicht, die auf unterschiedliche Wellenlängen optimal ansprechen: KRezeptoren zeigen maximale Feuerraten bei kurzwelligem Licht (blau), M-Rezeptoren bei
mittellangwelligem Licht (grün) und L-Rezeptoren bei langwelligem Licht (rot). Tatsächlich konnten Rezeptoren mit diesen charakteristischen Absorptionsspektren nachgewiesen
werden [129]. Unterschiedlich starke Reizantworten dieser Rezeptoren ermöglichen u.a. das
Farbsehen.
Die Gegenfarbentheorie führt das Farbsehen auf Gegenfarbenzellen zurück: schwarz-weiÿ,
rot-grün und blau-gelb bilden je ein Paar von antagonistisch wirkenden Farbzellen. Einwirkendes Licht der entsprechenden Wellenlänge baut in den Gegenfarbenzellen Sehpigmente
entweder auf oder ab. Die neuronalen Feuerraten der Gegenfarbenzellen kodieren die einwirkenden Lichtwellen und ermöglichen das Farbsehen. Nachbilder in der Gegenfarbe und
der Simultankontrast sind Wahrnehmungsphämomene, die duch die Gegenfarbentheorie
(im Gegensatz zu der Dreifarbentheorie) erklärbar sind.
Es gibt eine Vielzahl von Phänomenen und experimentellen Ergebnissen, die sowohl die
Dreifarbentheorie als auch die Gegenfarbentheorie stützen. Mit Fortschritten in zellulären Untersuchungs- und Ableitungsmethoden konnten schlieÿlich beide Theorien bestätigt
und ihre Funktionen zu einem Modell des Farbsehens integriert werden: unterschiedliche
Rezeptoren (K-M-L-Typen, s.o.) reagieren auf Rezeptorebene auf Licht unterschiedlicher
Wellenlänge. Auf höheren Verarbeitungsebenen wird die Reizantwort in Gegenfarbenzellen
organisiert (CGL und primäres Sehareal im Okzipitallappen), die sie für die weitere Verarbeitung zusammenfasst und kontrastiert. Das eigentliche Farbempnden ndet schlieÿlich
nach Weiterleitung über den sog. Parvokanal im Temporallappen des Cortex statt.
Experimentell konnte ermittelt werden, dass Menschen ca. 200 chromatische Farben
unterscheiden können. Darüber hinaus ist es möglich etwa 500 Helligkeitswerte zu dierenzieren und weitere 20 Sättigungswerte wahrzunehmen. Da die Farbwahrnehmung eines
Objekts stets aus seiner chromatischen Farbe, einem Helligkeitswert und einer Sättigung
zusammengesetzt ist, ergibt sich so rechnerisch eine Unterscheidbarkeit von 2.000.000
verschiedenen Farbenwahrnehmungen [67].
Tiefenwahrnehmung
Der Theorie der mehrfachen Tiefenkriterien [47] zufolge nutzt der Mensch bei der Extraktion von Tiefenkriterien aus dem zweidimensionalen Retinabbild meist eine Kombination
aus verschiedenen Quellen. Je nach Art der beobachteten Szene weisen diese Quellen eine
unterschiedliche Verlässlichkeit auf, so dass es durch Falschauswahl der Hinweisreize
zu Wahrnehmungstäuschungen kommen kann. Da die Tiefenwahrnehmung gewöhnlich
automatisch und unbewusst abläuft, treten solche Wahrnehmungsillusionen konstistent
auf und lassen sich kaum willentlich unterdrücken. Andererseits ermöglicht die Synthese
der Tiefenwahrnehmung aus mehreren Quellen im Alltag eine exible und robuste
Orientierungsfähigkeit.
11
1 Natürliche menschliche Wahrnehmung und künstliche Welten
Nachfolgende Absätze beschreiben die wichtigsten Kriterien, die der Mensch für die
Tiefenwahrnehmung nutzt.
Okulomotorische
Tiefenkriterien
Die
okulomotorischen
Tiefenkriterien
können
brauchbare Tiefeninformationen für Objekte bis ca. 3 m Entfernung liefern. Zum einen
sind das Konvergenz kriterien der Augäpfel, zum anderen Akkommodation ssignale der Linsen (bzw. ihrer entsprechenden Muskelgruppen). Auf Höhe des CGL werden diese Informationen aus dem Colliculus superior mit Reizsignalen der Netzhaut verknüpf, um so auf
nachfolgenden Verarbeitungsebenen für die Tiefenwahrnehmung zur Verfügung zu stehen
(siehe oben).
Als Konvergenz wird der Winkel zwischen beiden Augenvektoren bezeichnet. Je näher
ein Objekt im Blickfeld eines Beobachter ist, desto stärker konvergieren diese Vektoren
und erzeugen so einen acheren Konvergenzwinkel. Im Umkehrschluss (je stumpfer der
Konvergenzwinkel, desto näher ist das xierte Objekt; je spitzer der Winkel desto weiter
entfernt ist das Objekt) liefert die Augenstellung also die Möglichkeit auf die Entfernung
von Objekten zurückzuschlieÿen.
Die Akkomodation betrit die Formänderung der Linse, die bei Nahsicht verdickt und
bei Fernsicht gestreckt werden muss. Auch das geschieht mit Hilfe von Muskelfasern, die
streckende Zugkräfte auf die Linse ausüben können. Entspannen sie sich, kann die Linse
ihre ursprünglich rundliche Form annehmen, um einfallende Lichtstrahlen aus nächster
Nähe auf der Retina zu bündeln. Die Spannungszustände dieser Muskelfasern werden
ebenfalls mit den optischen Reizen verknüpft, um Tiefeninformationen ableiten zu können.
Monokulare Tiefenkriterien Diese Reizart lässt sich schon aus Abbildungsinforma-
tionen ableiten, die bei monukularer Sicht verfügbar sind. Es betrit die Verdeckung,
realative Gröÿe und Höhe, gewohnte Gröÿe, atmosphärische und lineare Perspektive
und den Texturgradienten. Tabelle 1.3 beinhaltet eine Auistung dieser Tiefenkriterien,
jeweils mit kurzer Erläuterung. Je nach betrachteter Szene können mehrere monokulare
Tiefenkriterien vorliegen.
Bewegungsinduzierte Tiefenkriterien Die bewegungsinduzierten Kriterien gehören
mit zu den monokularen Tiefeninformationen, treten aber nur auf, solange sich der
Beobachter bewegt. Die Bewegungsparallaxe und der Eekt des Zu- und Aufdeckens von
Objekten sind die beiden Haupteekte der bewegungsinduzierten Tiefenkriterien.
Während sich ein Beobachter bewegt, wandern weit entfernte Objekte aufgrund der
Bewegungsparallaxe eine kürzere Strecke auf seiner Netzhaut als nahe Objekte. Das
führt zum einem zu einer scheinbar unterschiedlichen Bewegungsgeschwindigkeit der
Objekte relativ zum Beobachter, zum anderen zum Eindruck von unterschiedlichen
Entfernungen: sich langsam bewegende Objekte werden als weiter weg empfunden, als
schnelle Objektbewegungen.
Der Eekt des Zu- bzw. Aufdeckens von Objekten ähnelt dem oben genannten monokularen Tiefenkriterium der Verdeckung; hinzu kommt lediglich der dynamische Aspekt
12
1.1 Menschliche Wahrnehmung
Tabelle 1.3:
Verdeckung
Monokulare Tiefenkriterien nach [47].
Verdeckt ein Objekt A ein weiteres Objekt B, so nimmt ein
Mensch Objekt A näher war als Objekt B. Dies lässt keine
Rückschlüsse auf die absolute Entfernung von Gegenständen
zu.
Relative Gröÿe
Aus der Gröÿe zweier identischer Gegenstände kann auf ihre relative Entfernung zurückgeschlossen werden: das kleinere
Objekt bendet sich weiter weg als das gröÿere.
Relative Höhe
Ein Objekt A wird als weiter weg wahrgenommen, wenn es
sich oberhalb von Objekt B, aber noch unterhalb der Horizontlinie bendet. Oberhalb der Horizontlinie wirkt dieser
Eekt entgegengesetzt.
Gewohnte Gröÿe
Ist einer Person die Gröÿe eines Objektes bekannt, vermag sie
seine Entfernung anhand der Abbildungsäche des Objekts
auf ihrer Netzhaut zu schätzen. Diese Fähigkeit wird verbessert, wenn weitere Objekte bekannter Gröÿe als Vergleich herangezogen werden.
Atmosphärische
Der
Grad
der
entfernungsabhängigen
Sehschärfeeinbuÿen
Perspektive
durch atmosphärische Verunreinigungen ist als Tiefenkriterium verwendbar. Unschärfere Objekte werden als weiter weg
wahrgenommen.
Lineare Perspek-
Tatsächlich parallele Objekt- und Musterkanten laufen in
tive
weiter Entfernung scheinbar auf einen einzigen Fluchtpunkt
zu. Diese wahrgenommene Konvergenz paralleler Strecken ist
Grundlage für die perspektivische Tiefenwahrnehmung.
Texturgradient
Durch o.g. perspektivische Verzerrung wird eine tatsächlich
ebenmäÿige Textur in der Entfernung gestaucht. Der Grad
der Stauchung lässt eine Tiefenwahrnehmung der Szene zu.
des sich bewegenden Beobachters: bewegt er sich auf einer Bahn an zwei Objekten
vorbei, so gibt die sich verändernde Verdeckung beider Objekte Aufschluss über ihre
relative Entfernung und somit über die Tiefe der Szene. Das sich weiter hinten bendliche Objekt wird je nach Bewegungsrichtung von dem vorderen Objekt zu- bzw. aufgedeckt.
Binokulare Tiefenkriterien Betrachtet ein Mensch eine Szene in seiner Umwelt, so
nimmt er aufgrund seiner natürlichen Interpupillardistanz (5 cm 7 cm) und den damit
verbundenen leicht veränderten Perspektiven, verschiedene Abbildungen auf den beiden
Netzhäuten auf. Diese unterschiedlichen Abbildungen sind die Grundlage des stereoskopi-
schen Sehens (Stereopsis) [47].
13
1 Natürliche menschliche Wahrnehmung und künstliche Welten
Ein gedachter Kreis (siehe Abbildung 1.3), der durch den Fixationspunkt (hier Objekt A)
sowie beide optische Mittelpunkte der Augen verläuft, wird Horopter genannt. Die von
Objekt A reektierten Lichtwellen (a und a') treen auf der Fovea centralis beider Augen
auf. Alle weiteren Objekte, die ebenfalls auf dem Horopter liegen (Objekt B), werden auf
korrespondierenden Netzhautabschnitten abgebildet (b und b'). Liegt ein Gegenstand wie
Objekt C vor dem Horopter, so trit sein Abbild auf nicht korrespondierende Abschnitte
beider Retinas (c und c') und erzeugt somit eine Querdisparation. Je weiter weg sich Objekt C von dem Horopter bendet, desto weiter voneinander entfernt liegen c und c' und
desto gröÿer fällt damit der Querdisparationswinkel aus. Da sich Objekt C innherhalb des
Horopters bendet und seine Abbildung auf die äuÿeren Bereiche der Netzhäute fallen,
spricht man von gekreuzter Querdisparation. Die ungekreuzte Querdisparation tritt auf,
wenn Licht, das ein Objekt auÿerhalb des Horopters reektiert, auf die inneren (nasalen)
Abschnitte der Netzhäute fällt.
Die Art und Ausprägung der Disparationen aller Objekte im Blickfeld beinhalten also
nutzbare Tiefenkriterien und ermöglichen das stereoskopische Sehen. Auf cortikaler Ebene
nden sich eine Vielzahl von Neuronen unterschiedlicher Querdisparationsempndlichkeit
in den parietalen Bereichen, sowie in dem Areal des Okzipitallappens [67]. Sie zeigen eine maximale neuronale Aktivität lediglich bei binokularer Reizung und eng begrenzten
Disparationswinkeln.
Objekt A
Horopter
Objekt B
a
a'
b b'
Objekt C
c
Abbildung 1.3:
c'
Objekte A und B benden sich auf dem Horopter und werden als gleich
entfernt wahrgenommen. Objekt C weist eine gekreuzte Querdisparation auf, die auf eine
kürzere Entfernung schlieÿen läÿt [51].
Bewegungswahrnehmung
Bewegt sich ein Objekt im Sichtbereich eines Beobachters, wandert sein Abbild über
die Rezeptoren der Netzhaut, die eine Reizantwort erzeugen können. Nach [114] gibt es
schon auf retinalem Niveau spezialisierte Schaltkreise, die solche Bewegungen kodieren:
14
1.1 Menschliche Wahrnehmung
durch serielle Reizung mehrerer Rezeptoren und einer vermittelten lateralen Hemmung
reagieren sie jedoch nur auf eingeschränkte Bewegungsrichtungen. Jede Abweichung von
dieser Richtung reduziert die resultierende Feuerrate der Ganglienzelle, die über den
Sehnerv das Auge verlässt. Die gleichzeitige Aktivität mehrerer solcher Schaltkreise, die
auf unterschiedliche Bewegungsrichtungen spezialisiert sind, liefert eine Grundlage für die
Bewegungswahrnehmung auf cortikalem Niveau. Vor allem Neurone des mediotemporalen
Areals sind für die Detektion von Bewegungsrichtungen wichtig [23], da hier die oben
genannte Rezeptorenverbünde auf einzelne Bewegungsdetektoren projizieren.
Nach dem Reaerenzprinzip [60] wird die motorische Aktivität des Auges (Aerenzen aus
den motorischen Bereichen den Cortex) mit den Eerenzen der Augenmuskulatur verglichen, um retinale Bewegungsmuster richtig beurteilen zu können: nur wenn die Aktivität
der Bewegungsdektoren auf tatsächliche Bewegungen in der Umwelt zurückzuführen ist,
wird diese auch als Bewegung wahrgenommen. Ist die eigene Augenbewegung Ursache,
nimmt der Beobachter somit keine (Schein-)Bewegung wahr.
Die Bewegungswahrnehmung gibt dem Menschen u.a. die Möglichkeit, die dreidimensionale Form eines Objektes zu erkunden [97]. Körper, deren Form im Ruhezustand nur
ambivalent zu beurteilen sind (ein Würfel, Blick auf eine Kante), können durch Bewegung
und Drehung eindeutig erkannt werden. Damit verwandt ist die Wahrnehmung räumlicher Tiefe, die durch die Bewegungswahrnehmung gestützt ist: schon die zweidimensionale
Schattenprojektion eines Würfels auf einer Milchglasscheibe vermag bei Drehung den Eindruck eines räumlichen Körpers hervorzurufen [138], während die Projektion keine räumliche Tiefeninformation bietet, solange der Körper ruht. Weiterhin ist im Zusammehang
mit dieser Arbeit der Einuss der Bewegungswahrnehmung auf das Gleichgewichtsempnden von Bedeutung. Die hohe Relevanz von visuellen Bewegungsreizen auf das Halten des
Körpergleichgewichts ist gut belegt: künstlich erzeugte, unterschwellige Raumbewegungen
(bei tatsächlich stationären Beobachtern!) führen in Experimenten zu einem Schwanken
von Probanden, das teilweise bis zum Sturz führt [84]. Der visuell vermittelte Beitrag zur
Propriozeption überwiegt hier oftmals den vestibulären.
15
1 Natürliche menschliche Wahrnehmung und künstliche Welten
1.1.2 Thermoperzeption
Die Thermoperzeption erfüllt die Aufgabe, den Menschen vor der Einwirkung schädlicher
Temperaturen zu schützen: Sowohl längerandauernde hohe als auch tiefe Temperaturen
belasten den Körper und können Schäden verursachen, da sie maÿgeblich die menschlichen
Stowechselprozesse beeinussen. Mit Hilfe von Schweiÿabsonderung bei Hitze bzw.
Muskelzittern bei Kälte vermag der Körper zwar seine Temperatur anzupassen, günstiger
aber ist es, eine Umwelt mit optimaler Temperatur aufzusuchen. Vor allem sehr hohe
Hitzeeinwirkung (z.B. Feuer) vermag schon bei kurzzeitiger Exposition Schäden zu
verursachen, so dass eine schnelle Rückmeldung für den Menschen überlebenswichtig ist.
Neben diesen Askpekten nutzt der Mensch seine Fähigkeit, Temperaturveränderungen
wahrzunehmen, auch zur Unterstützung bei manuellen Arbeiten: Materialien lassen
sich z.B. ertasten, indem ihre Wärmeübertragungsfähigkeit mit den Fingern erfühlt
wird [144]. Das reexartige Zurückziehen der Hand (unter Beteiligung der Nozizeption)
bei der Berührung von Gegenständen mit extremer Temperatur schützt ihn auch hier
vor körperlichen Schäden [53]. Die Thermoperzeption wird wie auch die taktile bzw.
haptische Perzeption (siehe Abschnitt 1.1.3.2) der Oberächensensibilität zugeordnet.
Zwei distinkte Systeme stehen dem Menschen für die Wahrnehmung von Temperaturveränderungen
zur
Verfügung:
zum
einen
besitzt
er
Kaltrezeptoren
dicht
unter
der Hautoberäche (Epidermis), zum anderen Warmrezeptoren in tieferer Hautschicht
(Dermis). Kaltrezeptoren verstärken ihre neuronale Aktivität mit fallender Temperatur,
während Warmrezeptoren sie bei steigender Temperatur erhöhen. Beide weisen je nach
länger einwirkender Temperatur unterschiedliche neuronale Aktivitätsniveaus auf (Abbil◦
dung 1.4): Kaltsensoren besitzten ein Maximum an Aktivität bei ca. 30 C, Warmsensoren
◦
bei etwa 44 C.
Impulse pro Sekunde
15
10
Kaltsensoren
Warmsensoren
5
0
20
25
30
35
40
45
50
Temperatur [°C]
Abbildung 1.4:
Durchschnittliche Reizantworten der Thermorezeptoren eines Aen (15 Kalt-
rezeptoren, 13 Warmrezeptoren) auf konstante Temperaturen (aus [47], S.442).
16
1.1 Menschliche Wahrnehmung
Die Nervenbahnen der Thermorezeptoren verlaufen ähnlich den Berührungssensoren (siehe
Abschnitt 1.1.3.2) und werden ebenfalls in dem somatosensorischen Areal verarbeitet
(Abbildung 1.12).
Besonders an der thermalen Wahrnehmung des Menschen ist, dass im mittleren Bereich
nicht absolute Temperaturen, sondern stets Temperaturänderungen wahrgenommen werden. Mit Ausnahme der Extremtemperaturen ist die Thermoperzeption also relativ : nach
kurzer Zeit adaptieren die Rezeptoren und ein anfängliches Gefühl von Kälte oder Wärme
verschwindet. Eine erneute Temperaturänderung an der betreenden Hautoberäche regt
die Sensoren dann wieder zu zeitlich begrenzter, erhöhter Aktivität an [28]. Zusätzlich
zu der zeitlichen Auswirkung einer Wärmeentwicklung kommt ein Eekt der Fläche: je
gröÿer die Hautäche, mit der eine Temperaturänderung aufgenommen wird, umso stärker
ist das korrespondierendes Perzept [66].
Als Wahrnehmungsschwelle der Hand für Objekte, die kälter als deren adaptierte Tempe◦
ratur sind, wurden ∆ = 0,025 C ermittelt, während die Schwelle für wärmere Objekte
◦
bei ∆ = 0,01 C liegt [65]. Je nach Änderungsrate der Geschwindigkeit ändern sich diese
Differenz zu adapt. Temp. (32 °C) [°C]
Schwellen jedoch. Abbildung 1.5 verdeutlicht dies.
3
2
1
Erwärmung
0
Abkühlung
-0,5
-1
0,05
0,1
3
Temperaturänderung [°C / sec]
Abbildung 1.5:
Wahrnehmungschwellen der Thermoperzeption in Abhängigkeit der Tempe-
raturänderungsrate ([53], Seite 75).
17
1 Natürliche menschliche Wahrnehmung und künstliche Welten
1.1.3 Mechanoperzeption
Den folgenden Wahrnehmungssystemen des Menschen ist gemein, dass sie für mechanische Ereignisse in der Umwelt empndlich sind. Dafür kommen Mechanorezeptoren zum
Einsatz, die auf verschiedene Wahrnehmungsgebiete spezialisiert sind. Folgend wird die
auditive Wahrnehmung in Abschnitt 1.1.3.1 und die taktile Wahrnehmung in Abschnitt
1.1.3.2 beschrieben.
1.1.3.1 Auditive Wahrnehmung
Das Hören erlaubt einem Menschen Schwingungen eines Objektes in seiner Umwelt
wahrzunehmen. Dies ist eine wichtige Ergänzung der restlichen Sinne, die es ermöglicht,
unsere Umwelt umfassend wahrzunehmen: auch bei schlechter Sicht oder bei Dunkelheit
steht dem Menschen mit dem auditiven Sinn z.B. eine Orientierungshilfe zur Verfügung.
Da sich Schallwellen auÿerdem über weite Strecken ausbreiten, kann das Gehör Hinweisreize aufnehmen, die auch auÿerhalb der situationsabhängigen Sicht- und Reichweite des
Rezipienten liegen. Durch Aufnahme von Schalldruckwellen mit seinem Hörapparat und
der anschlieÿenden neuronalen Verarbeitung vermag der Mensch ein mäÿig entferntes
auslösendes Geräuschereignis wahrzunehmen.
Schallereignisse entstehen stets durch Bewegung (z.B. fahrendes Auto, raschelnde Blätter
am Boden, Auslenkung einer Lautsprechermembran) und breiten sich über Luftdruckschwankungen mit ca. 340 m/s konzentrisch im Raum aus. Schallwellen, die dann auf
die menschliche Ohrmuschel treen, werden aufgrund der Anatomie der Ohrmuschelwindungen akustisch geltert und unterstützten so eine spätere Lokalisation der Schallquelle
(Unterscheidung vorne und hinten sowie Azimut [21]). Durch den Gehörgang setzen
sich die Schallwellen fort und regen das Trommelfell zur Vibration an. Die mit ihm
verbundenen Gehörknöchelchen verstärken diese mechanische Auslenkung beträchtlich
und leiten sie über das ovale Fenster an die Cochlea weiter. Die üssigkeitsgefüllte Cochlea
weist entlang ihrer Basilarmembran Rezeptoren (ca. 15.500 Zilien tragende Haarzellen)
auf, die neuronale Aktionspotentiale bei mechanischer Reizung auslösen. Solche Reize
sind Biegungen durch Basilar- und Tektorialmembranauslenkung sowie Einwirkungen
der
Flüssigkeitsbewegungen,
die
allesamt
durch
die
wellenförmige
Ausbreitung
des
Schallereignisses in der Cochlea bedingt sind [28].
Die Wahrnehmung von Tonhöhen (s.u.) ist für Frequenzen ab 200 Hz ortskodiert, d.h.
dass verschiedene Frequenzen auf verschiedene Teile der Basilarmembran wirken. Je höher
ein Ton, desto weiter vorne lenken Teile der Basilarmembran aus, während tiefe Töne die
hinteren Bereiche der Membran erregen. Töne unterhalb von 200 Hz sind hingegen impulskodiert: die wahrgenommene Tonhöhe hängt ab von der Anzahl gleichzeitig erregter Rezeptoren im hintersten Bereich der Basilarmembran [108]. Die Lautstärke von Geräuschen
(s.u.) wird über die Intensität der Auslenkung der Basilarmembran kodiert: je stärker diese ausfällt, desto höher ist die resultierende Aktionspotentialsfrequenz und damit auch die
18
1.1 Menschliche Wahrnehmung
wahrgenommene Lautstärke.
Die Neurone der auditiven Rezeptoren verlassen die Cochlea über den Nervus cochlearis
und folgen einer komplizierteren Projektion als der des Nervus opticus. Die zentrale Route
läuft dabei über die Medulla oblongata, dem Colliculus inferiores und dem Corpus geniculatum medialis in den contralateralen primären auditiven Cortex. Dieser bendet sich auf
dem Temporallappen und ist von dem sekundären auditiven Cortex gesäumt [145]. Abbildung 1.6 verortet den auditiven Cortex; der gröÿte Teil setzt sich jedoch in dem Sulcus
lateralis fort und ist deswegen von auÿen nicht einsehbar. Der primäre auditive Cortex ist
tonotop gegliedert, d.h. benachbarte Frequenzen belegen auch benachbarte Orte auf dem
Cortex. Die Aufteilung von parietalen wo-Bahnen und temporalen was-Bahnen ist bei
der auditiven Wahrnehmung sehr ähnlich der visuellen organisiert [88].
Sulcus lateralis
Gyrus temporalis superior
Primärer auditiver Cortex
Sekundärer auditiver Cortex
Sagittalansicht
Abbildung 1.6:
Der primäre und sekundäre auditive Cortex. Der gröÿte Teil setzt sich in dem
Sulcus lateralis fort und ist deswegen nicht einsehbar (vgl. [145], S. 140).
Charakteristika von Schallquellen
Schallquellen unterscheiden sich voneinander in drei Dimensionen: der Frequenz der
Schwingung, ihrer Amplitude sowie der Schallkomplexität.
Die Frequenz eines Schallereignisses gibt an, wie oft ein Schallobjekt pro Sekunde
schwingt und bedingt beim Menschen die wahrgenommene Tonhöhe: hohe Frequenzen
werden als hohe Töne wahrgenommen, während niedrige Frequenzen tiefe Töne erzeugen.
Das hörbare Spektrum erstreckt sich beim Menschon von ca. 30 Hz 20.000 Hz [145].
Der Zusammenhang der physikalisch messbaren Frequenz eines Tons und der subjektiv
wahrgenommenen Tonhöhe ist nicht über das gesamte Spektrum hinweg linear. Aus
diesem Grund wird die psychoakustische Gröÿe Tonheit benutzt, die in Mel angegeben
wird [137]: einem Ton von 1000 Hz wird eine Tonheit von 1000 mel zugeordnet. Ein Ton,
der doppelt so hoch wie dieser Referenzton wahrgenommen wird, resultiert dann auch
in einem doppelt so hohen Mel-Wert. Durch psychophysikalische Untersuchungsreihen
gelangt man nach dieser Denition zu einem Zusammenhang von Frequenz und Mel, wie
19
1 Natürliche menschliche Wahrnehmung und künstliche Welten
in Abbildung 1.7 dargestellt.
5000
Tonheit [mel]
2000
1000
500
200
100
50
20
0,02 0,05 0,1
0,2
0,5
1
2
5
10
20
Frequenz [kHz]
Abbildung 1.7:
Mel-Skalierung: Zusammenhang von Frequenz und Tonheit (nach [137]).
Die Amplitude ist das Maÿ für die maximale Auslenkung der Schwingung und hängt
mit der subjektiv empfundenen Lautstärke von Schallereignissen zusammen. Aufgrund der
hohen Bandbreite hörbarer Amplituden ist es sinnvoll, deren Einheit in der logarithmischen
Dezibelskala [dB] anzugeben. Der Schalldruck L einer Quelle, eine Wechselgröÿe basierend
2
2
auf p (Druck der Schallwelle in [N/m ]) und p0 (Referenzdruck in [N/m ]), wird deniert
als:
L = 20 log(p/p0 ) [dB]
Gebräuchlich ist ein Referenzdruck von
p0 = 2 · 10−5 N/m2 ,
(1.1)
der die Hörschwelle des sensi-
belsten Frequenzbereichs des menschlichen Gehörs markiert; man spricht dann von einem
Schalldruckpegel (SPL). Tabelle 1.4 gibt Beispiele für Schalldruckpegel unterschiedlicher
Gröÿe.
Da
Schallereignisse
mit
gleichem
Lautstärkepegel,
aber
mit
unterschiedlichen
Fre-
quenzspektren von Menschen als unterschiedlich laut empfunden werden, ndet in der
akustischen Messtechnik der bewertete Schalldruckpegel Anwendung. Dieser berücksichtigt
in seinen unterschiedlichen Filtern (A D, siehe Abbildung 1.8) die Eigenschaften
des menschlichen Gehörs und hilft so die objektiv gemessenen Schalldruckpegel frequenzabhängig zu korrigieren [1]. Trotz der starken Vereinfachung der menschlichen
Höreigenschaften ist der Bewertungslter dB(A) weit verbreitet und hilft, die empfundene
Lautstärke von Schallereignissen besser einzuschätzen.
Weitere Quantizierungsmöglichkeiten bietet die Phonskala. Sie bedient sich eines Referenzreizes (Sinuston von 1000 Hz), der mit einem zu messenden Schallereignis verglichen
wird: der Schalldruck (in dB) des Referenzreizes wird so eingestellt, dass er zu der gleichen
20
1.1 Menschliche Wahrnehmung
Tabelle 1.4:
Schalldruckpegel unterschiedlicher Ereignisse ([47], S. 317).
Geräusch
SPL [dB]
kaum hörbar (Wahrnehmungsschwelle)
0
Blätterrascheln
20
ruhiges Wohngebiet
40
normales Gespräch
60
lauter Straÿenlärm
80
U-Bahn-Expresszug
100
startendes Propellerugzeug
120
startender Düsenjet (Schmerzschwelle)
140
Raketenstart in unmittelbarer Nähe
180
20
10
0
Pegelkorrektur [dB]
−10
−20
−30
−40
A
B
C
D
−50
−60
−70
−80
0,01
0,1
1
10
100
Frequenz [kHz]
Abbildung 1.8:
Bewertungslter A D für den bewerteteten Schalldruckpegel [1].
Lautstärkeempndung führt wie das Schallereignis. Die so erzeugte Phonskala ist nicht
linear und somit nicht verhältnisskaliert.
Aus diesem Grund gibt es eine weitere Skalierungmöglichkeit für empfundene Lautstärke,
die Soneskala [127]: Ein Geräusch mit einem Lautstärkepegel von 40 Phon wird die
Lautheit 1 Sone zugewiesen. Ein doppelt so lautes Geräusch verursachte eine Lautheit von
2 Sone usf. Die Skala ist damit verhältnisskaliert.
21
1 Natürliche menschliche Wahrnehmung und künstliche Welten
Die Komplexität betrit das Frequenzspektrum: ist das Schallereignis keine einfache
Sinusschwingung, sondern setzt sich aus mehreren überlagerten Frequenzen zusammen,
spricht man von einer komplexen Schwingung. Sie setzt sich aus einer Grundschwingung
sowie mehreren harmonischen Oberschwingungen zusammen, deren periodische Anteile in
eine Fourier-Reihe zerlegte werden kann. Die Komplexität einer Schallquelle macht deren
Klangfarbe bzw. deren Timbre aus; ein Chalumeau hört sich beispielsweise anders an bzw.
weist eine andere, charakteristische Klangfarbe auf, als eine Schalmei, obwohl beide die
gleiche Grundschwingung (c') und ähnliche Amplituden aufweisen (siehe Abbildung 1.9).
Der zeitliche Verlauf des Geräuschereignisses trägt mit zu seiner typischen Klangfarbe bei,
ist jedoch in der Spektralansicht nicht mehr enthalten.
Frequenzspektrum Schalmei (c')
-20
Pegel [dB]
-30
-40
-50
-60
-70
-80
-90
0
5000
10000
15000
Frequenz [Hz]
20000
25000
20000
25000
Frequenzspektrum Chalumeau (c')
-20
Pegel [dB]
-30
-40
-50
-60
-70
-80
-90
0
Abbildung 1.9:
5000
10000
15000
Frequenz [Hz]
Die unterschiedlichen Frequenzspektren von Schalmei und Chalumeau bedin-
gen die charakteristischen Klangfarben mit [51].
Da sowohl die Phon- als auch die Soneskala auf Vergleiche mit einem reinen Sinuston, aber
nicht mit komplexeren Geräuschen basieren, gelten deren Aussagen zum Lautstärkepegel
bzw. zur Lautheit streng genommen auch nur für einfache Sinustöne. Die empfundene
Lautstärke von natürlichen Hörereignissen (die fast ausschlieÿlich komplexe Geräusche
sind) lässt sich deswegen interpersonell korrekt nur näherungsweise, keinesfalls exakt
22
1.1 Menschliche Wahrnehmung
beschreiben.
Das auditive System des Menschen stellt -wie das visuelle System- hohe Anforderungen an
die Verarbeitung in höheren cortikalen Strukturen. Auch hier müssen aus einem Reizgemisch (mehrere Geräusche treen zur gleichen Zeit am Ohr ein; viele Objekte bilden sich
gleichzeitig zweidimensional auf der Retina ab) zusammengehörige Geräusche und Töne
separiert werden. Erst auf dieser Grundlage ist eine Wahrnehmung der zugrundeliegenden
Schallereignisse möglich. Die bisher bekannten Mechanismen, die dies bewerkstelligen, ähneln dabei stark den Gestaltgesetzen, die Teile der visuellen Objektwahrnehmung erklären
können. Bei der auditiven Wahrnehmungsorganisation sind ebenfalls Eekte der Ähnlich-
keit, der Nähe, der guten Verlaufsgestalt und der Einuss von Gedächtnisschemata belegt
[47].
1.1.3.2 Haptische Wahrnehmung
Die haptische Wahrnehmung ermöglicht es Menschen, mechanische Verformungen der
Haut zu registrieren und somit Eigenschaften von berührten Gegenständen aufzunehmen.
Kontaktsituationen, geometrische Formen, Oberächenstrukturen und Materialeigenschaften können durch manuelle Exploration erschlossen werden und stellen gleichzeitig die
Bedingung für eektive manuelle Manipulationsleistungen dar. Schon das Einschenken
eines Glases Milch wäre eine sehr schwer zu erfüllende Aufgabe, stünde dem Menschen
nur visuelles Feedback zur Verfügung: ein sicheres Greifen der Flasche, das Ausüben
der benötigten Greifkräfte und die stete Anpassung dieser Parameter beim Heben und
Ausschenken bedürfen der haptischen Wahrnehmung, die auf mehreren spezialisierten
Mechanorezeptoren in der Haut basiert.
Für die vorliegende Arbeit ist die haptische Wahrnehmung über die Fingerspitzen zentral
(siehe Kapitel 2.1.2), so dass folgend auf diesen Teilbereich der haptischen Wahrnehmung
eingegangen wird.
Epidermis
Merkel'sche
Tastscheiben
Meissner'sche
Tastkörperchen
Dermis
Vater-Pacini
Lamellenkörperchen
Ruffinikörperchen
Subcutis
Abbildung 1.10:
Rezeptoren der unbehaarten Haut der Fingerspitzen [51].
Die unbehaarte Haut der Fingerbeeren enthält vier verschiedene Rezeptoren, die auf
mechanische Verformungen der Haut mit einer neuronalen Reizantwort reagieren. Abbildung 1.10 führt diese auf und zeigt ihre Lage in der Epidermis bzw. Dermis: Merkel'sche
Tastscheiben,
Vater-Pacini
Lamellenkörperchen,
Meissner'sche
Tastkörperchen
und
Runi-Körperchen [28]. Die Rezeptoren unterscheiden sich funktioniell in der Gröÿe ihres
23
1 Natürliche menschliche Wahrnehmung und künstliche Welten
rezeptiven Feldes und ihrem Adaptionsverhalten bei längeranhaltender Reizung. Tabelle
1.5 gibt über diese Charakteristika Aufschluss.
Tabelle 1.5:
Mechanorezeptoren der unbehaarten Haut (nach [28]).
Art des Rezeptors
Gröÿe des rezeptiven
Geschwindigkeit
Feldes
der Adaptation
Merkel'sche Tastscheiben
(SA I)
Klein, abrupte Kanten
Niedrig
Vater-Pacini Lamellenkörperchen
(PC)
Groÿ, diuse Kanten
Schnell
Meissner'sche Tastkörperchen
(RA I)
Klein, abrupte Kanten
Schnell
Runi-Körperchen
(SA II)
Groÿ, diuse Kanten
Niedrig
Merkel'sche Tastscheiben und Runi-Körperchen werden aufgrund ihrer geringen Adaptationgeschwindigkeit auch als SA I bzw. SA II (slow adapting) bezeichnet. SA I Rezeptoren
sprechen aufgrund dieser Eigenschafen und aufgrund ihrer Physiologie besonders gut
auf Druckreize der Haut an, während SA II Rezeptoren gut Dehnungen der Haut und
Bewegungen der Gelenke detektieren. Meissner'sche Körperchen (RA I: rapid adapting)
feuern am besten bei kleinächigen, kurzen Berührungen, während Vater-Pacini Rezeptoren (PC: Pacini) vor allem auf Vibrationen ansprechen [47] [48]. Schwellen der taktilen
Wahrnehmung sind untersucht worden [19], die Ergebnisse gibt Grak 1.11 wieder. Ihr
ist zu entnehmen, dass die Rezeptorsysteme auf unterschiedliche, sich überlappende
Reizfrequenzen reagieren und auÿerdem unterschiedlich verlaufende Schwellen spürbarer
Hautverformung aufweisen. So liegen die optimalen Frequenzen für SA I Rezeptoren bei
0,3 90 Hz, für RA I bei 3 100 Hz, für SA II bei 15 400 Hz und für PC 10 480 Hz.
Die aerenten Nervenbündel der taktilen Rezeptoren verlaufen über den Hinterstrang des
Rückenmarks zum zentralen Nervensystem. Über den somatosensorischen Thalamus projizieren sie zunächst in den kontralateralen primären senorischen Cortex, der sich auf dem
Gyrus postcentralis bendet (Abbildung 1.12). Analog zu dem primären visuellen Zentrum
im Okzipitallappen nehmen sensiblere Bereiche eine gröÿere Fläche auf dem Cortex ein:
groÿe Areale des Gyrus postcentralis sind für die Verarbeitung der sensorischen Reize der
Finger zuständig, während Regionen mit deutlich weniger Sensoren pro Flächeneinheit, wie
die Beine oder der Leib, auf kleine, somatotope, cortikale Flächen beschränkt sind. Ebenso
wie bei dem visuellen System nden sich komplexe Verschaltungen von sensorischen Neuronen, die Zentrums-Umgebungs-Relationen sowie Richtungs- und Bewegungsmerkmale
kodieren [48]. Höhere Verarbeitszentren nden sich auf dem sekundären somatosensorischen Cortex, den Gebieten des Sulcus lateralis und des Parietallappens. Sie sind sowohl
divergierend als auch konvergierend miteinander verschaltet und tragen entscheidend zur
haptischen Objekterkennung bei.
24
1.1 Menschliche Wahrnehmung
Hautverformung an der Schwelle [dB]
40
SA I
30
20
SA II
RA I
10
0
PC
−10
−20
0,1
1
10
100
1000
Frequenz [Hz]
Abbildung 1.11:
Wahrnehmungsschwellen der taktilen Rezeptoren der unbehaarten Haut
nach [19].
Gyrus postcentralis
Koronalansicht
Abbildung 1.12:
Sagittalansicht
Rechts: Lage des somatosensorischen Feldes auf dem menschlichen Cortex.
Links: Somatotope Gliederung des Gyrus postcentralis (nach [6] bzw. [103]).
25
1 Natürliche menschliche Wahrnehmung und künstliche Welten
1.2 Künstliche Welten
Als ein Vordenker von künstlichen Welten prolierte sich Stalislaw Lem bereits 1964 mit
seinem Science-Fiction Roman Summa technologiae [86]. Hier beschreibt und analysiert er
eine hochtechnisierte Zukunft, in der sich die Gesellschaft neben der bekannten Realität
eine schier grenzenlose virtuelle Realität (von ihm Photomatik genannt) erschat. Diese
virtuelle Realität wird u.a. durch die Entwicklung einer wenig komplizierten Brille
bewerkstelligt, die wie ein Gegenauge funktioniert und das gesehende Bild in so viele
Punktelemente zerlegt, wie die Netzhaut Zapfen und Stäbchen zählt ([87], S.323). Sinn
und Zweck dieser Entwicklung ist es, Simulationen von Situationen anzubieten und Lem
sieht hier einen Kulminationspunkt, auf den zahlreiche Unterhaltungstechniken der
Gegenwart hinzielen ([87], S. 345). Kritisch malt er in seinem Roman ein theoretisch fundiertes Bild der Auswirkungen seiner Prognose auf die damals noch entfernte, zukünftige
Gesellschaft.
Tatsächlich stellte Ivan Sutherland schon 1968 das weltweit erste head mounted display
vor [130] und die Firma VPL Research oerierte ab 1986 den ersten DataGlove, ein
handschuhförmiges Eingabegerät, das für die NASA entwickelt worden war [126]. Die
rasante Verbesserung der Rechenkapazitäten und die Weiterentwicklung von Hard- und
Software ist bis heute im Gange, um die künstliche Welten realistischer, schneller und
kostengünstiger zu machen. Dabei müssen die Eigenheiten der natürlichen Wahrnehmungsvorgänge des Menschen (Kapitel 1.1) Beachtung nden, denn ein Ziel ist es, die
Darstellung der künstlichen Realität und Handlungsmöglichkeiten der Wirklichkeit so
nahe wie möglich kommen zu lassen.
Diese Arbeit beschäftigt sich mit der Weiterentwicklung haptischen Feedbacks in einer
solchen künstlichen Welt. Deshalb liefert der folgende Abschnitt 1.2.1 zunächst einen
Überblick über die Funktionsweise moderner virtueller Realitäten anhand von ausgewählten Beispielen. Die Teleaktion weist Überschneidungen mit diesem Thema auf, da ein
Benutzer auch hier von einem multimodalen haptischen Feedback protiert; sie wird in
Abschnitt 1.2.2 mit Anwendungen und Beispielen erläutert.
1.2.1 Virtuelle Realität
Je nachdem, welchem Zweck eine virtuelle Realität (VR, synonym auch VU: virtuelle
Umgebung) dienen soll, sind ihre technische Realisierung und Zusammenstellung der
Einzelkomponenten sehr unterschiedlich. Generell handelt es sich jedoch stets um eine
computergenerierte Repräsentation einer Umgebung, die von einem oder mehreren Menschen durch Ausnutzung möglichst vieler Sinne (visuell, auditiv, haptisch) über dedizierte
Ausgabegeräte wahrgenommen werden kann (Abbildung 1.13). Welche Aspekte einer
realen Umgebung über ein abstraktes Modell in eine digitale Repräsentation umgesetzt
werden, ist anforderungsbezogen variabel. So nden sich Ausprägungen von irrealen,
26
1.2 Künstliche Welten
Realität
Virtualität
Reale
Umgebung
unmittelbares
Wahrnehmen
&
Agieren
Abstraktes
Modell
modellieren
Digitale
Repräsentation
Wahrnehmen
&
Agieren
über
Ein- / Ausgabegeräte
Mensch
Virtualisierung
Abbildung 1.13:
Ein Grundmodell der Virtualisierung ([122] S. 67).
phantastischen Realitäten häug nur in VR Systemen, die einen Unterhaltungsanspruch
erfüllen sollen. Benutzereingaben sowie die Kommunikation mit dem Computer oder
Menschen geschehen im Idealfall auf natürlichem oder intuitiv verständlichem Wege [126].
Sofern Simulationsszenarien zu Trainingszwecken im Vordergrund stehen, sind virtuelle
Nachbildungen realer Bedienelemente üblich.
Da prinzipiell jede erdenkbare Situation dargestellt werden könnte, sind die Einsatzmöglichkeiten von virtuellen Realitäten schier endlos. Die folgenden Beispiele beschränken sich
auf drei etablierte Anwendungsgebiete (Abschnitt 1.2.1.1: Ausbildung, Abschnitt 1.2.1.2:
Unterhaltung, Abschnitt 1.2.1.3: Psychotherapie) und bilden deswegen die mannigfaltigen
Möglichkeiten nicht erschöpfend ab.
1.2.1.1 Ausbildung
Die Verwendung von virtuellen Realitäten für die Ausbildung von Personal ndet breite
Akzeptanz, da oftmals Kosten eingespart und schwerwiegende Risiken während der
Ausbildung vermieden werden können.
Die Luftfahrzeugführerausbildung der ADAC Hems Academy GmbH
2
stellt hierfür ein
gutes Beispiel dar. Die Rettungshubschrauber vom Typ Eurocopter 135 und 145 kommen
täglich für die ADAC-Luftrettung GmbH zum Einsatz und sind aus diesem Grund für
die Pilotenausbildung und das -training als Full-Flight-Simulatoren (JAR-FSTD H Level
A) realisiert. Bei dem System handelt es ich um ein detailgetreu nachgebildetes, voll
funktionsfähiges Hubschraubercockpit, das auf einer Bewegungsplattform installiert ist
2 http://www.hems-academy.de/
27
1 Natürliche menschliche Wahrnehmung und künstliche Welten
(Abbildnug 1.14 links). Diese Plattform ermöglicht durch die Verwendung von sechs
Linearaktuatoren
ein
Fluglagefeedback
in
sechs
Freiheitsgraden.
Zehn
Videobeamer
projizieren die computergenerierte Szene an die Innenseite eines Vision-Domes und liefern
dem Piloten so ein visuelles Feedback seiner virtuellen Flugumgebung (Abbildnug 1.14
rechts). In dem Cockpit nden sich voll funktionstüchtige, reale Instrumente, wie sie auch
in den Luftfahrzeugen zum Einsatz kommen. Sie werden von den Simulationsrechnern
angesteuert und vermitteln dem Piloten Feedback über seinen virtuellen Flugzustand.
Kraftfeedback der Steuerelemente und zusätzliches auditives Feedback der Betriebs- und
Motorengeräusche ergänzen die äuÿerst realitätsnahe Funktion des Simulators.
Aufgrund dieser Leistungsmerkmale und der auch dadurch erteilten oziellen Zulassung
durch das Luftfahrtbundesamt sind Trainingsstunden in diesem Simulator realen Flugstunden gleichgesetzt. Im Vergleich zu realen Flugstunden (e2.000/h) sind die Flugkosten
im Simulator jedoch auf etwa ein Drittel reduziert und das Training von gefährlichen Flugmanövern ist ohne Verletzungsgefahr möglich. Dazu gehört z.B. das Verhaltenstraining
bei Triebwerksausfällen, das Landen in der Nähe von Hochspannungsleitungen und das
Fliegen unter schlechten Sichtbedingungen. Unmögliche Übungsszenarien für den Realug,
wie das Verhalten bei Kollisionen mit Hindernissen (Bäume, Hochspannungsleitungen),
sind ausschlieÿlich in der virtuellen Umgebung des Flugsimulators möglich [43] und stellen
eine wertvolle Ergänzung der Pilotenausbildung dar.
Abbildung 1.14:
Flugsimulator der HEMS Adademy GmbH. Links: Auÿenansicht der Simu-
latoren, rechts: reales Hubschraubercockpit mit virtueller Projektion der Umgebung [54].
Generell haben sich Simulatoren bei allen groÿen Fluggesellschaften für die Pilotenausbildung und das Training aufgrund der oben genannten Vorteile durchgesetzt. Sie ersetzen
die reale Ausbildung nicht zur Gänze, tragen jedoch wesentlich zur Kosteneinsparung und
zu einem guten Ausbildungsstand bei.
Weitere Ausbildungsszenarien in virtueller Realität nden sich auch in der Medizin
[26][118], dem Militär [41][131] u. a. Je nach Ausbildungsfokus sind Ein- und Ausgabe-
28
1.2 Künstliche Welten
geräte auf den Bereich angepasst, Sicherheits- und Kostenfaktoren bilden auch hier ein
zentrales Argument für deren Einsatz.
1.2.1.2 Unterhaltung
Durch die hohe Leistungsfähigkeit moderner Heimcomputer, deren preisliche Erschwinglichkeit und die globale Vernetzungsmöglichkeit über das Internet können mehrere Firmen
virtuelle Welten zu Unterhaltungszwecken erfolgreich vermarkten und haben damit einen
riesigen neuen Markt erschlossen. Primus unter diesen Firmen ist Blizzard Entertainment,
die seit dem Jahr 2004 das Massen-Mehrspieler-Online-Rollenspiel (Massively Multiplayer
Online Role-Playing Game, MMORPG) World of Warcraft (WoW) betreiben. Für das
Geschäftsjahr 2010 weist der Mutterkonzern Activision Blizzard im Segment MMORPG
einen Umsatz von $1,23 Mrd. aus, weltweit besitzen mehr als 12 Millionen Nutzer ein
zahlungspichtiges Abonnement für die Nutzung von World of Warcraft [2].
Abbildung 1.15:
Links: Virtuelle Realität auf dem Heimcomputer, rechts: Bildschirmfoto der
virtuellen Realität von World of Warcraft [136].
Inhaltlich bietet World of Warcraft mehrere virtuelle Welten, welche die Spieler durch
eigene Avatare betreten können. Ein Standardmonitor kann als Fenster in die virtuellen
Welten dienen, auditives Feedback wird über Lautsprecher oder Kopfhörer bereitgestellt. Als Eingabemedien sind Tastatur und Maus etabliert (Abbildung 1.15, links).
Die virtuelle Realität von World of Warcraft, bevölkert von Tausenden computer- und
mitspielergesteuerten Bewohnern, bietet dem Spieler die Möglichkeit in eine Phantasiewelt
einzutauchen und diese zu erkunden. Weiterhin können gemeinsam mit Mitspielern
Aufgaben gelöst, Handel getrieben und Berufe ausgeübt werden. Ein wichtiger Aspekt des
Rollenspielelements von WoW liegt auch auf der Weiterentwicklung des eigenen Avatars,
die durch Sammeln von Erfahrungspunkten und Verbesserung der eigenen virtuellen
Ausrüstung möglich ist. Befreundeten Spielern ist es möglich, sich in sog. Gilden zu
organisieren und gemeinsam Aufgaben zu erfüllen. Über Tastatureingaben oder Sprache
(Mikrofoneingaben werden von der Software unterstüzt) ist die Kommunikation und
soziale Interaktion zwischen den Teilnehmern realisiert.
Abbildung 1.15 rechts zeigt die Spielersicht in die virtuelle Welt: der Avatar wird in
29
1 Natürliche menschliche Wahrnehmung und künstliche Welten
einer Verfolgerperspektive in der Mitte des Bildschirms gezeigt. Kontroll-, Ausrüstungsund Statusinterfaces sind am Bildschirmrand zu nden. Aktionen des Charakters können
entweder durch Mausklicks auf entsprechende Schaltächen oder durch Hotkeys auf dem
Keyboard aktiviert werden. Pseudohaptisches Feedback (siehe Kapitel 2.2.4) wird in
dieser VR vor allem bei Erschütterungen der Spielwelt (z.B durch Erdbeben oder Explosionen) eingesetzt: der Benutzer kann sie indirekt über ein vorübergehend verwackeltes
Benutzerinterface wahrnehmen; je stärker die Erschütterungen, desto intensiver wackelt
das Fenster in die virtuelle Realität.
Die Spielmechanik von World of Warcraft belohnt Spieler durch Erfahrungspunkt- und
Ausrüstungsgewinne in Abhängigkeit der Zeit, die sie in der virtuellen Welt verbringen.
Durch den hohen Zeiteinsatz, das erfolgreiche Sammeln von seltenen Gegenständen, der
beständigen Pege des Avatars und der sozialen Einbindung in Spielergemeinschaften
entwickelt sich oftmals eine starke emotionale Bindung an die virtuelle Welt. Da die
Entwickler die Welt sukzessive mit neuen Inhalten in Form von neuen Gegenständen,
Aufgaben, Gebieten und Gegnern ergänzen, ist es nicht möglich, das Spiel in Gänze
zu bezwingen. Neben dem hohen Unterhaltungswert für viele ergeben sich deswegen
3
jedoch auch negative Folgen in Form eines spielsuchtähnlichen Verhaltens . Bei etwa 8,5%
von 15-jährigen Spielern in Deutschland zeigte sich in einer Fragebogenstudie sogar ein
suchtartiges Verhalten mit Kontrollverlust und Entzugserscheinungen [113].
Einen über den Unterhaltungsaspekt hinausgehenden Nutzen dieser virtuellen Welt bot
sich durch den als Corrupted Blood Incident bekannten Vorfall, der im September 2005
auftrat [139]: durch einen Programmierfehler konnte sich eine normalerweise nur temporär
wirkende negative Avatarverzauberung (der Avatar nimmt Schaden) durch Ansteckung auf
benachbarte Spieler der virtuellen Welt übertragen. Die Folge war, dass vor allem schwächere, unerfahrene Avatare daran starben, während sie für besser entwickelte Charaktere
hinderlich war. Die Art, wie die Spieler auf diese zufällige, künstliche Pandemie reagierten,
wurde als valide Grundlage für wissenschaftliche Untersuchungen von realem menschlichen
Verhalten in Pandemiefällen vorgeschlagen [8][91].
1.2.1.3 Psychotherapie
Virtuelle Realitäten können unterstützend bei psychologisch fundierten Therapien eingesetzt werden. Vor allem bei der kognitiv-verhaltenstherapeutischen Intervention bei Phobien eignen sie sich als ergänzendes Instrument, indem sie eine gezielte und realitätsnahe
Auseinandersetzung mit den angstauslösenden Reizen ermöglichen [98].
Weiterhin zeigen virtuelle Therapieansätze bei posttraumatischen Belastungsstörungen bei
Veteranen aus dem Irakkrieg Erfolge: durch die gut zu dosierende Expositionsintensität
mit belastenden Ereignissen, die Durchführung in einer vertrauten, geschützten Atmo-
3 Computerspielsucht ist oziell weder in dem DSM-IV noch in dem ICD-10 zu nden. Da sie oftmals
mit Craving-Symptomen einhergeht, ist eine Aufnahme in zukünftige Versionen der Manuale wahrscheinlich.
30
1.2 Künstliche Welten
sphäre samt Unterstützung durch einen erfahrenen Therapeuten und der Möglichkeit des
sofortigen Abbruchs konnten belastende Symptome gemindert und die Verarbeitung der
Traumata gefördert werden [46].
Am Anfang einer Therapie zur Beseitigung von Flugangst
4
steht zunächst die Zusendung
von vorbereitendem Informationsmaterial zu den Themen Angst und Fliegen. Ein vom
Patienten auszufüllender Fragebogen ermöglicht dem Therapeuten vorab ein genaues Bild
des Angsterlebens zu bekommen und gestattet ihm eine einzelfallbezogene Therapie zu
planen. Im anschlieÿenden persönlichen Gespräch werden die Flugangst und damit verbundene Probleme besprochen. Danach erlernt der Patient geeignete Bewältigungsstrategien, die zunächst zusammen eingeübt werden. Darauf folgende virtuelle Begegnungen
mit angstauslösenden Schlüsselreizen ermöglichen dem Patienten seine angepassten Verhaltensmuster weiter zu vertiefen und schrittweise seine individuelle Angst zu bewältigen.
Abschlieÿend wird der Patient nach einer erfolgreichen Therapie in der Lage sein, einen
kompletten virtuellen Flug alleine zu durchleben (siehe VR-Abbildung 1.16), und seine
ursprünglichen Ängste zu kontrollieren.
Abbildung 1.16:
Virtuelle Darstellung eines Passagierugs für eine psychotherapeutische Ex-
positionstherapie bei Flugangst. Links: Blick aus dem Fenster auf den Flughafen, rechts:
Sicht auf die virtuellen Passagiere in der Flugzeugkabine [85].
Die Virtuelle Realität, die hierfür zum Einsatz kommt wird über ein Head-MountedDisplay visuell wiedergegeben. Ein Polhemus Tracker erfasst alle Kopfbewegungen des
Probanden, so dass die VR-Sicht in Echtzeit aktualisiert werden kann. Zusätzlich ist es
möglich, propriozeptives Feedback über eine 6DOF Krauss-Maei Wegmann Bewegungsplattform bereitzustellen.
Weitere Phobien, für die eigens erstellte virtuelle Situationen vorhanden sind, betreen
Höhenangst, soziale Ängstlichkeit, Agoraphobien und Arachnophobien [38]. Die virtuell
realisierten Konfrontationstherapien unterscheiden sich in ihrer Wirksamkeit nicht von
4 Der Absatz beschreibt nur eine von mehreren möglichen Therapieansätzen. Er bezieht sich auf das
therapeutische Vorgehen nach [57].
31
1 Natürliche menschliche Wahrnehmung und künstliche Welten
herkömmlichen, realen Situationen [40]. Die Ergänzung des visuellen Feedbacks um
haptische Informationen zeigte darüber hinaus bessere Erfolgsergebnisse als bei Personen
die ohne Therapie blieben und bei Personen, die lediglich visuelles Feedback erfuhren [58].
1.2.2 Teleaktion
Mit Hilfe von Teleaktionssystemen werden Menschen in die Lage versetzt, Aktionen an
entfernten Orten durchzuführen. Sinnvoll ist das in Situationen, in denen der Mensch
nicht selber an diesem entfernten Ort sein kann, da die Umgebung zu gefährlich (z.B. in
einm Kernreaktor), zu weit entfernt (z.B. im Weltraum), zu eng (z.B. in der Kanalisation)
oder zu lebensfeindlich (z.B. in der Tiefsee) für ihn ist.
Abbildung 1.17 verdeutlicht den typischen Aufbau eines Teleaktionssystems, das aus einem
Teleoperator in der entfernten Umgebung, der Kommunikationsstrecke, einer vermittelnden Mensch-Maschine Schnittstelle (MMS) sowie dem menschlichen Operator besteht. Der
Teleoperator verfügt gewöhnlich über geeignete Sensorik (Kameras, Berührungssensoren,
Kraftmesser etc.), mit dem er die Situation der entfernten Umgebung aufnimmt. Diese
Informationen müssen an die Mensch-Maschine Schnittstelle übermittelt und dort über
passende Ausgabegeräte als Feedback für den Operator bereitgestellt werden (Kamerabild, Kraftrückmeldung etc.). Durch Kognitionsprozesse nimmt er die entfernte Umgebung
wahr, versteht sie und plant sein Verhalten, das sich im Output des Operators äuÿert (Positionsänderungen, Kameradrehungen, Greifvorgänge etc.). Dieser Output muss nun wiederum von adäquaten Eingabegeräten (Joysticks, Datenhandschuh, Bewegungssensoren etc.)
von der MMS aufgenommen werden, die es dann als Steuersignale an den Teleoperator
übermittelt. Daraus resultierende Änderungen in der entfernten Umgebung werden von
der Sensorik registriert und als Feedback an den Operator zurückgesendet, so dass sich die
Kontrollschleife schlieÿt.
Im Unterschied zu virtuellen Realitäten nehmen Computer und Software in Teleaktionsszenarien also eine vermittelnde Rolle zwischen zwei real existierenden Orten ein.
Die Ausprägungen von Teleaktionssystemen sind ebenso weit gefächert wie die der virtuelle Realiäten. Dennoch beschränken sich die folgenden drei Beispiele auf etablierte Anwendungen aus dem Bereich der Kampfmittelbeseitigung (Abschnitt 1.2.2.1), des On-Orbit
Servicing (Abschnitt 1.2.2.2) und der Telechirurgie (Abschnitt 1.2.2.3). Einen Überblick
über gängige Ein- und Ausgabegeräte von Telepräsenzsystemen sowie spezische Designempfehlungen können [32] entnommen werden.
1.2.2.1 Kampfmittelbeseitigung
In Stetten am kalten Markt bendet sich das Zentrum für Kampfmittelbeseitigung
der Bundeswehr (ZKB). Hier werden Soldaten innerhalb von fünf Jahren zu Kampfmittelbeseitigern
ausgebildet,
explosionsgefährliche
32
Munition
um
in
sicher
militärischen
zu
Einsätzen
entschärfen
in
(Explosive
der
Lage
Ordnance
zu
sein,
Disposal:
1.2 Künstliche Welten
Operator
Verhalten/
Output
Kognition
Ausgabegeräte
Mensch-Maschine
Schnittstelle
Eingabegeräte
Kommunikationsstrecke
Feedback
Maschinenprozesse
Teleoperator
Abbildung 1.17:
Schemazeichnung eines Teleaktionssystems [51].
EOD). Zusätzlich gilt es, improvisierte Sprengfallen aunden und unschädlich machen
zu können (Improvised Explosive Device Disposal: IEDD). Durch den unterstützenden
Einsatz von Teleaktionsrobotern wird das Ziel verfolgt, eine Gefährdung von Personen
bei dieser Arbeit zu minimieren [104]. Zu diesem Zweck besitzt die Bundeswehr u.a.
mehrere telerob Explosive Ordnance Disposal and observation robot s (tEODor), die aus sicherer Entfernung gesteuert werden und deren Benutzung am ZKB Teil der Ausbildung ist.
Abbildung 1.18:
Kampfmittelbeseitungssystem tEODor. Links: Bedienkonsole für den Ope-
rator [3], rechts: kettengetriebener Teleoperator mit 6 DOF Manipulator [75]
33
1 Natürliche menschliche Wahrnehmung und künstliche Welten
Der tEODor (Abbildung 1.18, rechts) ist eine kettengetriebene mobile Plattform, auf der
ein zentraler, drehbarer Manipulator befestigt ist. Er wird sowohl zur Aufklärungsarbeit
an potentiell gefährlichen Objekten oder Fahrzeugen als auch für einfache Manipulationstätigkeiten eingesetzt. Dafür führt er mehrere unterschiedliche Werkzeuge an Bord
mit, die im Betrieb selbstständig ausgewechselt werden können (Greifer, Abschlepphaken,
Bolzenschussgerät, Trennscheibe, Bohrer etc.). Mehrere Kameras liefern dem Operator
kontinuierlich Szenenbilder aus verschiedenen Perspektiven, deren Daten kabelgebunden
an die Operatorschnittstelle übermittelt werden. Mit ihrer Hilfe ist es dem Operator
möglich, den Telemanipulator nahe an verdächtige Objekte heranzufahren, diese zu
untersuchen und
gegebenenfalls unschädlich
zu machen.
Weiterhin steht
ihm dafür
eine Schussvorrichtung zur Verfügung, die Zündmechanismen durch Impulseinwirkung
neutralisieren kann.
Die Operatorschnittstelle (Abbildung 1.18, links) stellt visuelles Feedback über einen
zentralen Monitor bereit und erlaubt Benutzereingaben durch eine Kombination von
Joystick- und Druckknopfeingaben; je nach gewähltem Gelenk steuert der gleiche Joystick
unterschiedliche Arm- und Kettenbewegungen.
Abbildung 1.19:
Bedienkonsole des tEODor [3]. Bewegungseingaben der ausgewählten Ge-
lenke und Kettenfahrt erfolgen über Joysticks (nicht im Bild).
Neben der Einweisung und dem Training in realen Szenarien nutzt die Bundeswehr auch
eine virtuelle Trainingsumgebung (Abbildung 1.20.) Dies reduziert nicht nur Ausbildungskosten und mindert Unfallgefahren (vgl. Abschnitt 1.2.1), sondern soll auch den Lernerfolg
durch vielfältige Trainingsmissionen erhöhen [132].
Aufgrund der gestiegenen Gefährdungslage für deutsche und verbündete Soldaten, die in
Afghanistan im Einsatz sind, schat die Bundeswehr derzeit weitere Systeme zum telepräsenten Räumen von Minen und Bomben an. Am Wegrand versteckte behelfsmäÿige
Sprengvorrichtungen sollen damit sicher entschärft oder zur Detonation gebracht werden
[24].
34
1.2 Künstliche Welten
Abbildung 1.20:
Ausbildung des tEODor in virtueller Umgebung [131].
1.2.2.2 On-Orbit Servicing
Die Entwicklung der Raketentechnik erlaubt es der Menschheit seit dem 20. Jahrhundert
die Erdanziehungskraft zu überwinden und seinen Planeten zu verlassen. Das Entsenden
von Astronauten ist jedoch auch 50 Jahre nach dem ersten Weltraumug von Juri Gagarin
kein Routinemanöver: ein extrem hoher Aufwand, verbunden mit hohen Kosten und ein
Restrisiko für Leib und Leben der Astronauten bleiben bis heute bestehen.
Eine logische Entwicklung, die den Kostenfaktor senken und die Gefahr für Menschen
reduziert, ist aktuell im Gange: die Erprobung von Teleaktionssystemen zur Unterstützung
von Astronauten und für das Erledigen von einfachen Reparatur- und Wartungsarbeiten.
Zu diesem Zweck hat die National Aeronautics and Space Administration (NASA) den
bisher modernsten Teleroperator für den extraterrestrischen Einsatz im Februar 2011 zur
Internationalen Raumstation (ISS) transportiert und am 13. Oktober zum ersten Mal in
Betrieb genommen, den humanoiden
5
Robonaut R2 (Abbildung 1.21) [101].
Der Robonaut R2 ist die technische Weiterentwicklung des Robonaut R1 [17] und ist in
Kooperation von NASA und General Motors (GM) realisiert worden. In seiner aktuellen
Version besitzt der R2 zwei 7 DOF Arme, zwei 12 DOF Hände, ein 3 DOF Genick sowie
einen drehbaren Torso. 50 Aktuatoren sowie insgesamt 350 Sensoren bilden die Grundlage
seiner Bewegungs- und Arbeitsfähigkeit [35][34]. Für den Einsatz auf der ISS sind keine
Beine vorgesehen, stattdessen ist der R2 auf ein Plattform montiert. Seine anthropomorphe Gestaltung soll einerseits eine komfortable Zusammenarbeit mit menschlichen
Astronauten ermöglichen und erlaubt andererseits die Benutzung von Werkzeugen und
Bedienächen, die ursprünglich für den menschlichen Gebrauch konzipiert wurden. Dafür
ist seine Hand in drei dexterous set -Finger (Zeige- und Mittelnger: je 3 DOF, Daumen:
4 DOF) und zwei grasping set -Finger (Ring- und kleiner Finger: je 1 DOF) eingeteilt.
Dies soll die gesamte Greiftaxonomie nach Cutkosky [31] abdecken können [35][34]. Auf
5 im Gegensatz zu dem seit 2008 auf der ISS verfügbaren zweiarmigen Telemanipulator Special Purpose
Dextrous Manipulator (Dextre), der auÿerdem ausschlieÿlich für Auÿeneinsätze ausgelegt ist [100].
35
1 Natürliche menschliche Wahrnehmung und künstliche Welten
Abbildung 1.21:
Der Teleoperator
Robonaut R2
bendet sich zu Erprobungszwecken seit
Februar 2011 an Bord der internationalen Raumstation [101].
der Operatorseite ist bisher lediglich eine monitorbasierte Schnittstelle vorgesehen (siehe
Abbildung 1.22), die die Steuerung über Schaltächen sowie die Programmierung von
Bewegungsfolgen ermöglicht. Ein taktiler Datenhandschuh des Robonaut 1 [94] kommt
momentan nicht zum Einsatz.
Abbildung 1.22:
Die Operatorseite des Robonaut R2: Steuerung durch Schaltächen oder
Starten von vorbereiteten Programmabläufen [34].
Bis 2013 soll die Entwicklung einer um Beine erweiterten Version des R2 abgeschlossen sein,
die in einer anschlieÿenden unbemannten, telepräsent durchgeführten Mondlandemission
Gebrauch ndet. Im Rahmen des Project M
6
sind diese Ziele deniert, der Robonaut R2
der ISS stellt hierfür einen der geplanten Entwicklungsschritte dar [102].
6 Projektbeginn im März 2009: Landing a Humanoid Robot on the Moon in a 1000 Days [102]
36
1.2 Künstliche Welten
1.2.2.3 Telechirurgie
Die Telechirurgie ist ein Bereich der Medizin, in dem moderne Computer- und Robotiktechnologien zum Einsatz kommen, um den behandelnden Arzt bei chirurgischen Eingrien zu
unterstützen. Das betrit sowohl die Diagnostik als auch die Operationsplanung, -leitung
und -durchführung. Wie bei allen Teleaktionsanwendungen muss der Operator (hier: Arzt)
nicht mehr direkt am Patienten arbeiten, sondern bedient von einer eigens für ihn ausgelegten MMS ein entferntes Aktuatorsystem, mit dessen Hilfe er den Patienten behandelt.
Tatsächlich benden sich sowohl die Operator- als auch die Teleoperatorseite samt Chirurg und Patient oftmals in demselben Raum, die Kommunikationsstrecke könnte jedoch
7
theoretisch beliebig
weit auseinander liegen [45].
Im Gegensatz zu herkömmlichen Operationsverfahren bietet die Telechirurgie (bzw. die
computerunterstützte Chirurgie im Allgemeinen) eine Reihe von Vorzügen, die sie besonders attraktiv sowohl bei Routine- als auch bei komplexen Eingrien macht [121]:
•
Ein sehr hoher Präzisionsgrad kann durch Tremorunterdrückung und Bewegungsskalierung des Operators erreicht werden.
•
Sie weist eine gute Vereinbarkeit mit minimalinvasiven Behandlungsmethoden auf
und geht mit geringeren Gewebsverletzungen und schnellere Genesung einher.
•
Höhere Freiheitsgrade von Instrumentenbewegungen werden möglich durch komplexere Endeektoren.
•
Eingrie können vorab virtuell simuliert und geplant werden.
•
Die Operatorsicht ist auf beliebig vielen Anzeigen darstellbar und verbessert so die
Konsultations- und Zusammenarbeitsmöglichkeiten mehrerer Ärzte.
•
Kooperative Kontrollstrategien auf Operatorseite ermöglichen neue Ausbildungsszenarien für Ärzte.
Auch auf dem Gebiet der Telechirurgie ist eine rasante Entwicklung von Anwendungssystemen parallel zu technischen Neuerungen in der IT- und Robotikbranche zu verzeichnen:
im Jahr 2005 konnten 159 experimentell eingesetzte und auch kommerziell erhältliche
Systeme identiziert werden [110]. Die Chirurgie (Abdomen und Thorax) stellt mit 32,1%
neben der Orthopädie (19,5%), der Bildgebung (15,7%) und der Neurochirurgie (14,5%)
das Hauptanwendungsgebiet der verfügbaren Ansätze dar.
7 Signallaufzeiten sowie Störungsanfälligkeit der Datenverbindung steigen mit zunehmender Strecke, so
dass es sinnvoll ist, diese zu minimieren.
37
1 Natürliche menschliche Wahrnehmung und künstliche Welten
Ein kommerziell erhältliches Produkt ist das da Vinci Si System der Firma Intuitive
Surgical, Inc. Abbildung 1.23 zeigt auf der linken Seite die Operatorschnittstelle: ein
3D-taugliches Display liefert dem Operator visuelles Feedback der entfernten Manipulatorkonguration und des Operationsgegenstands in Echtzeit. Benutzereingaben sind durch
Schlaufen um Zeigenger und Daumen möglich, die Hand- und Greifbewegungen auf
einen mehrgelenkigen Steuerarm (bzw. Greifklammer) übertragen. Analog zu den realen
Bewegungen können so Translations- und Rotationsbewegungen der 6 DOF Arme des
Teleoperators (mit unterschiedlichen Klammer- Greif- und Haltewerkzeugen ausgestattet)
kommandiert werden (Abbildung 1.23, rechts). Kontakt- und Greifkräfte, die auf die
Werkzeuge wirken, meldet das System wiederum in Form von haptischem Feedback an
den Nutzer zurück.
Die ergonomische Gestaltung der Bedienschnittstelle ist dank der räumlichen Entkoppelung von Operateur und Patient vereinfacht; im Falle des da Vinci Systems ähnelt
die nötige Körperhaltung der des Mikroskopierens, so dass entsprechende Erogonomierichtlinien übernommen werden können [92].
Klinische Studien konnten Vorteile
gegenüber herkömmlichen oenen oder endoskopisch durchgeführten Bauchhöhlenoperationen feststellen [20][141]: neben ebenbürtigen Operationsergebnissen, vergleichbarer
Operationsdauer und Komplikationshäugkeit liefert das Da Vinci System einen überlegenen Kameraeinblick in den Körper und ein deutlich vereinfachtes Knotenbinden.
Dem gegenüber stehen höhere Behandlungskosten sowie ein höherer Zeitansatz für die
Operationsvorbereitungen des Telechirurgiesystems. Auÿerdem bedarf es einer Trainingsund Eingewöhnungszeit für die sichere Handhabung des Systems [29].
Auch für diese Teleaktionsanwendung sind virtuelle Ausbildungszenarien (vgl. Abschnitt
1.2.1.1) verfügbar, die Schlüsselqualikationen des Operators trainieren und ihn mit dem
Umgang des Geräts vertraut machen [62].
Abbildung 1.23:
Das da Vinci Si System der Firma Intuitive Surgical, Inc. Links: Operator-
schnittstelle mit behandelndem Arzt, rechts: Teleoperator mit Patient, OP Personal und
verschiedenen Manipulatoraufsätzen [63].
38
2 Aufbau der Mensch-Maschine Schnittstelle
Die
im
Folgenden
prinzipiell
als
Ein-
beschriebene
und
eigenentwickelte
Ausgabegerät
für
Mensch-Maschine
virtuelle
und
Schnittstelle
telepräsente
ist
Anwendungen
geeignet. Im Rahmen dieser Arbeit liegt der Fokus auf einer Weiterentwicklung von
haptischem Feedback, das den Realitätsgrad von künstlichen Welten (siehe Abschnitt
1.2 ) verbessert und dafür eine Arbeits- und Entwicklung-Plattform darstellt. Diese ist
sowohl kompakt, ezient und kostengünstig gestaltet, um auch als attraktives Modell
für weitere Forschungsvorhaben auf dem Gebiet der Mensch-Maschine Schnittstellen
für virtuelle Realitäten und telepräsente Anwendungen zu dienen. Die Integration einer
exiblen virtuellen Testumgebung (Abschnitt 2.2.1) rundet das System ab und erlaubt
die Durchführung von Evaluations- und Forschungsexperimenten (Kapitel 3).
Aus Dokumentationsgründen und zum besseren Verständnis des generierten haptischen
Feedbacks ist dieser Abschnitt sehr detailliert gestaltet: er erlaubt eine Replikation des
technischen Aufbaus und damit der experimentellen Ergebnisse, die in Kapitel drei
beschrieben sind. Weiterhin kann das zweite Kapitel als Benutzerhandbuch verwendet
werden, damit Dritte die entwickelte Schnittstelle betreiben können.
Die Mensch-Maschine Schnittstelle setzt sich aus mehreren Teilkomponenten zusammen,
1
die allesamt von zwei miteinander vernetzen
Desktop PCs geregelt oder gesteuert werden.
Zum Einsatz kommen handelsübliche Rechner, deren Spezikationen Tabelle 2 auührt.
Sowohl die virtuelle Umgebung (Kapitel 2.2.1) als auch die zentrale Serversoftware (Kapitel
2.2.2) und das auditive Feedback (Kapitel 2.2.5) werden über den Grak PC bereitgestellt. Dieser sendet auÿerdem alle nötigen Daten (Objektkontakte, -geschwindigkeiten,
-eigenschaften u.a.) an den Feedback-Kontroll PC. Wird ein thermales (Kapitel 2.1.2.2),
vibratorisches (Kapitel 2.1.2.3) oder pneumatisches (Kapitel 2.1.2.4) Feedback aktiviert,
so errechnet der Feedback-Kontroll PC modellbasiert die zum Ausgleich der Regeldierenz
benötigten Stellgröÿen. Dies geschieht durch ein Simulinkprogramm, das unter strikten
Realzeitbedingungen mit 1000 Hz arbeitet. Die Stellgröÿen werden nun über insgesamt
Grak PC
Feedback-Kontroll PC
WinXP Pro
Gentoo Linux mit RT Kernel
CPU
AMD64 X2 4600+
AMD64 3200+
GPU
Nvidia Geforce 7800GTX
Nvidia Geforce 6600GT
Betriebssystem
Tabelle 2.1:
Im Versuchsaufbau verwendete Rechnerkonguration
1 100mbit LAN
39
2 Aufbau der Mensch-Maschine Schnittstelle
2
drei I/O-Karten an eine externe Verstärker- und Spannungsversorgungsbox weitergeleitet,
an der wiederum die Eektoren angeschlossen sind (Schaltpläne in Anhang C).
Abbildung 2.1 veranschaulicht den Zusammenhang aller beteiligten Komponenten und
skizziert den Regelkreis des Systems.
Grafik-PC
Kontroll-PC
- Blender
- Serversoftware
- Audio
- Pneumatik
- Vibration
- Temperatur
Kollisionsdaten VR
Tracker
- HMD
- Hand
Direkte Ansteuerung
VR Feedback
- Video
- Audio
Kommunikation über
Server
Stell- und
Sollgrößen
Steuerspannungen
bzw. Istgrößen:
- Temperaturfeedback
- Vibrationsfeedback
- Massefeedback
Operator
Kontroll-Box
- HMD
- Datenhandschuh
- Kopfhörer
Ansteuerungselektronik für
Datenhandschuh und
Druckmanschette
Abbildung 2.1:
Schema aller beteiligen Komponenten im Regelkreis [51].
Die folgenden Unterpunkte beschreiben die Zusammensetzung, Vernetzung und Funktionen aller beteiligten Komponenten genauer. Kapitel 2.1 befasst sich mit der Hardwareseite, während Kapitel 2.2 die Softwareseite abdeckt. Basierend auf der hier beschriebenen
Mensch-Maschine Schnittstelle wurden die Experimente in Kapitel 3 durchgeführt. Einleitend zu den jeweiligen Experimenten nden sich dort auch genauere funktionale Angaben
zu einzelnen Feedbackkomponenten und Beispiele für alternative Feedbackkonzepte aus
der aktuellen Forschung.
2 Sensoray Model 262
40
2.1 Hardware
2.1 Hardware
Der Hardwarebereich lässt sich weiter unterteilen, nämlich einmal in Geräte, die eine Benutzereingabe ermöglichen, und des Weiteren in Komponenten, die dem Operator ein Feedback aus der VU liefern. Abbildung 2.2 zeigt den Operator mit angelegtem Head Mounted
Display (HMD) und dem eigens entwickelten Datenhandschuh.
Abbildung 2.2:
Operator der virtuellen Umgebung mit Head Mounted Display und Daten-
handschuh [51].
2.1.1 Eingabegeräte
Aktuelle Bewegungsdaten des Schnittstellenbenutzers werden von zwei unterschiedlichen
Systemen registriert und in die virtuelle Umgebung eingespeist: dem P5 Datenhandschuh
und dem Magnettracker. Sowohl Bewegungseingaben der rechten Hand als auch Kopfbewegungen werden berücksichtigt. Da die vermittelnde Serversoftware (siehe 2.2.2) Daten
der Eingabegeräte stets mit einer konstanten Rate von 60Hz an die Blender-VU übergibt,
werden die Eingabegeräte mit mindestens 60Hz getaktet.
2.1.1.1 P5 Datenhandschuh
Aufbauend auf dem P5 Glove von Essential Reality ist ein angepasster Datenhandschuh
realisiert, der Handbewegungen des Operators aufnimmt und per USB an den Grak PC
überträgt. Der P5 Glove ist ursprünglich ein kostengünstiger Massenartikel (≈ 50 USD),
der primär für den Entertainment-Bereich angeboten wurde (Produktion eingestellt) und
sowohl ein Handtrackingsystem als auch einen Beugungssensor je Finger aufweist. Mit
41
2 Aufbau der Mensch-Maschine Schnittstelle
Hilfe von acht Infrarot LEDs auf der Oberschale des P5 und einem zugehörigen Sensor-
tower werden Handrotationen und -translationen optisch erfasst (siehe Abbildung 2.3).
Das sehr einfach gehaltene System setzt dabei auf vier Infrarotsensoren innerhalb des
Sensortowers, die durch Helligkeitsdierenzen der gepulsten LEDs ein Zurückrechnen auf
Handbewegungsdaten ermöglichen. Aufgrund der hohen Ungenauigkeit und der ausgeprägten Störanfälligkeit des LED-basierten Handtrackings musste zu Gunsten eines professionellen Magnet-Trackings darauf verzichtet werden (siehe nächster Abschnitt 2.1.1.2). Die
Dehnmessstreifen (je einer pro Finger) liefern hingegen sehr stabile und damit brauchbare
Informationen; auf einer Integer-Skala von 0 bis 63 werden hier Daten über die aktuellen
Fingerkrümmungen der Benutzerhand in Echtzeit bereitgestellt.
Abbildung 2.3:
Original P5 Datenhandschuh mit Sensortower [51].
2.1.1.2 Magnettracking von Hand und Kopf
Wie oben erwähnt kann das Handtracking nicht über das P5-basierte optische Infrarottrackingsystem realisiert werden. Stattdessen liefert ein Flock of Birds System der Firma
Ascension Rotations- und Translationsdaten und wird über eine RS232 Schnittstelle mit
dem Grak PC verbunden. Sowohl Hand- als auch Kopfbewegungen des Operators werden
einzeln erfasst, um dann die virtuelle Hand und das virtuelle Kamerabild entsprechend zu
aktualisieren.
Der Flock of Birds Tracker besteht aus einem Extended Range Transmitter (ERT) mit
zugehöriger Kontrollbox, der ein starkes Magnetfeld (ca. 3m Radius) erzeugt. Innerhalb
dieses Magnetfeldes werden zwei würfelförmige Sensoren (25mm Kantenlänge, per Kabel
mir eigener Kontrollbox verbunden) betrieben, die ihre Lage anhand ihrer Ausrichtung
in Relation zu den Magnetfeldlinien bestimmen und so Translations- und Rotationswerte
liefern. In einer Entfernung von 30,5 cm zu dem ERT gibt der Hersteller eine Genauigkeit
◦
der Positionsmessung von 1,8mm QMW und der Rotationsmessung von 0,5 QMW an.
Wie auf Abbildung 2.4 zu erkennen ist, ist ein Magnetfeldsensor direkt an der P5 Oberseite
angebracht, der zweite Sensor wird oberhalb der Stirnpartie an dem Head Mounted Display
befestigt.
42
2.1 Hardware
Abbildung 2.4:
Flock of Birds Trackingsystem, v.l.n.r.: Extended Range Transmitter, 3 FoB
Control Boxes, ein Flock of Birds Sensor auf Head-Mounted-Display, einer auf P5Datenhandschuh [51].
2.1.2 Ausgabegeräte
Der Benutzer der VU benötigt für ein zielgerichtetes Handeln ein Feedback seiner Aktionen.
Dafür stehen ihm mehrere Kanäle zur Verfügung, die Eigenschaften der virtuellen Objekte
darstellen.
2.1.2.1 Head Mounted Display
Das zentrale Anzeigeelement der VU ist das Head Mounted Display (HMD). Ein Visette
45 see through HMD der Firma Cybermind (Abbildung 2.4, links unten) liefert dem Benutzer ein Stereobild der VU: Bei einer Auösung von 1280 x 768 Bildpunkten (pro Auge)
wird mit einer Frequenz von 60Hz und einer Farbtiefe von 32bit die computergenerierte
Umgebung dargestellt. Angeschlossen ist das HMD an eine eigene Steuerbox, die wiederum Videosignale über zwei DVI-Kabel von der Grakkarte des Grak PCs bezieht. Ein
zwischengeschalteter DVI-Splitter ermöglicht die zusätzliche Anzeige eines DVI-Kanals auf
einem 17 Zoll TFT-Monitor, der dem Versuchsleiter zu Überwachungszwecken zur Verfügung steht.
Die serienmäÿig verbauten integrierten Kopfhörer liegen nur lose am Kopf an und liefern
bei Operatoren mit unterschiedlichen Kopormen stark variierende Hörerlebnisse. Aus diesem Grund wurden die integrierten Lautsprecher entfernt und durch einen hochwertigen
Sennheiser Kopfhörer
3
ersetzt. Dieser liefert das auditive Feedback für den Operator.
2.1.2.2 Thermales Display
In dem Augenblick, in dem ein Akteur in der VU mit der virtuellen Hand einen virtuellen
Gegenstand
berührt
oder
greift,
soll
mit
Hilfe
des
thermalen
Feedbackdisplays
die
Temperaturveränderung an den Kontaktächen zwischen Finger und Objekt simuliert
werden. Für diesen Zweck ist an allen fünf Fingerkuppen des Datenhandschuhs je ein
haptisches Display installiert, das neben der thermalen Aktuatorik auch Möglichkeiten
3 PMX80; 19 Hz - 21kHz, Impedanz 64
Ω
43
2 Aufbau der Mensch-Maschine Schnittstelle
für vibratorisches (siehe 2.1.2.3) Feedback aufweist. Den Aufbau eines solchen haptischen
Displays veranschaulicht Abbildung 2.5: es besteht aus einem Aluminiumquader, dem
4
5
Peltierelement , einem Temperatursensor , einer Kontaktplatte aus Aluminium und zwei
gebogenen Kupferrohren.
Abbildung 2.5:
Render des haptischen Fingerkuppendisplays mit Explosionsdarstellung. Boh-
rung für Vibrationsmotor für bessere Übersicht entfernt [51].
Der Aluminiumquader (15mm x 15mm x 5mm) ist mit drei Bohrungen versehen, die
ein Durchleiten von Kühlüssigkeit ermöglichen (Konstruktionszeichnung in Anhang
A). Dadurch wird ein Hitzestau
des darüber liegenden Peltierelements verhindert,
sobald eine auf der Kontaktäche aufgelegte Fingerkuppe abgekühlt werden soll. Der
Kühlkreislauf setzt sich zunächst durch die Kupferrohre fort und wird schlieÿlich über
Gummischläuche und einen Wasserverteiler (Konstruktionszeichnung in Anhang B) mit
6
einer Wasserpumpe
7
und einem Radiator
geschlossen.
Der Temperatursensor ist an die Kontrollbox zur Signalverstärkung und -weiterleitung
angeschlossen und ermöglicht so die Messung der Kontaktplättchentemperatur durch den
Kontroll PC. Dieser errechnet in einem eigenen Simulationsmodell die hypothetische Veränderung der Fingerkuppentemperatur bei Kontakt mit einer Materialoberäche. Die Abweichung der gemessenen Ist-Temperatur von der errechneten Sollgröÿe wird nun über
einen PID-Regler mit Hilfe der Peltierelemente reduziert. Das Temperaturmodell wird im
Detail in Abschnitt 2.2.3.2 beschrieben.
2.1.2.3 Vibratorisches Display
Das vibratorische Feedback, das benutzt wird um dem Operator Details über Oberächentextur von virtuellen Objekten zu bieten, wird über einen kleinen Gleichstrommotor
(Abmessungen siehe Abbildung 2.6, links) realisiert. Es handelt sich um einen Motor, wie
4 UEPT-41051, Silikon-Versiegelt
5 Pt100 Element
6 Alphacool Laing DDC Pumpe 12V
7 Alphacool NeXxos Pro III mit drei Alphacool 120 Lüftern
44
2.1 Hardware
Abbildung 2.6:
Links: Abmessungen des Vibrationsmotors. Rechts: Render des haptischen
Fingerkuppendisplays: Vibrationsmotor und Platzierung im Kühlkörper [51].
er beispielsweise in Mobiltelefonen für den Vibrationsalarm zum Einsatz kommt. An der
Rotationsachse ist eine Unwuchtmasse angebracht, die Vibrationen in Abhängigkeit der
Motordrehzahl erzeugt. Ein Motor ist in jedes der fünf Fingerkuppenmodule des Datenhandschuhs integriert; Bohrungen in den Kühlkörpern nehmen sie auf (siehe Abbildung
2.6, rechts), so dass die enstehenden Vibrationen direkt über das Peltierelement und das
Aluminiumkontaktplättchen an die aufgelegten Fingerkuppen übertragen werden können.
Eine separate Ansteuerung aller fünf Motoren gewährleistet die unabhängige sowie gleichzeitige Feedbackgabe für alle fünf Finger der rechten Hand.
Die maximale Kraft sowie Frequenz der Vibrationen ändern sich gleichförmig mit der
angelegten Steuerspannung, so dass hier Einschränkungen in der Darstellungsmöglichkeit
von Oberächenrauheiten zu erwarten sind; Kraft und Frequenz können also nicht
separat voneinander eingestellt werden. Abbildung 2.7 zeigt den empirisch ermittelten
Zusammenhang zwischen Frequenz, Kraft und Spannung.
Die aktuelle Steuerspannung der Vibrationsmotoren wird über ein Simulink Modell berechnet: Eingangsgröÿen sind a priori denierte Voltgröÿen [0-6V], die proportional zur
dargestellten Oberächenbeschaenheit gewählt sind: je rauer eine Oberäche, desto höher
ist die ihr zugeordnete Grundspannung G. Sie wird weiterhin moduliert durch die Bewegungsgeschwindigkeit V der virtuellen Hand, die als Faktor in die Funktionsgleichung der
Motorspannung M eingeht (2.1).
M =G∗V
(2.1)
Solange kein Kontakt zu einem Material in der VR detektiert wird, beträgt die Grundspannung Null und setzt damit auch die Motorspannung auf Null. Ebenso wie die Kollisionssensoren der virtuellen Hand wird auch die vibratorische Simulation mit 60 Hz aktualisiert.
Vorversuche haben gezeigt, dass Handgeschwindigkeiten gröÿer als 20
cm/sec
äuÿerst sel-
ten vorkommen, so dass diese Geschwindigkeit als Maximum implementiert ist. Innerhalb
der genannten Grenzen ist es demnach also möglich z.B. durch das sehr schnelle Über-
45
2 Aufbau der Mensch-Maschine Schnittstelle
Abbildung 2.7:
Frequenz und Kraft der Vibrationsmotoren in Abhängigkeit der Spannung
[51].
streichen ( V) einer eher glatten Fläche ( G) ein ähnliches vibratorisches Feedback zu
erzeugen wie bei einem sehr langsamen Überstreichen ( V) einer sehr rauen Oberäche
( G). Lediglich das proprozeptive Empnden des Probanden (Handgelenk-, Ellenbogen-,
Schulterbewegungen/ -stellungen...) würde in diesem Fall eine unterscheidende Klassikation der Oberächentexturen ermöglichen. Dieser dynamische Aspekt ist dringend nötig,
um ein immersives Kontakterlebnis zu generieren, das der tatsächlichen Handbewegung
des Benutzers gerecht wird.
Details zu der Softwareumsetzung des vibratorischen Feedbacks sind Abschnitt 2.2.3.2 zu
entnehmen.
2.1.2.4 Pneumatisches Display
Die pneumatische Feedbackkomponente ist konzipiert, um dem Benutzer einen Eindruck
von Masse zu vermitteln, sobald Objekte angehoben werden. Anstatt jedoch wie bei
[120, 25] auf aufwändige exoskeletale oder multi-DOF Lösungen zu setzen, ist eine Substitutionslösung implementiert, welche einfach, mobil und ezient ist: eine Druckmanschette um
das rechte Handgelenk des Operators wird bei Bedarf mit Luft gefüllt, so dass ein Druck,
proportional zu der simulierten Masse auf das Handgelenk ausgeübt wird. Das System
besitzt dafür eine elektrische Luftpumpe, die fortwährend arbeitet. Daran angeschlossen
sind zwei elektromagnetische Ventile (Anhang F), die separat angesteuert werden und den
Luftstrom von der Pumpe zu der Gelenkmanschette beeinussen. Je nach Ventilstellung
46
2.1 Hardware
kann der Luftdruck in der Manschette erhöht (Ventil 1 oen, Ventil 2 geschlossen) oder
an den Umgebungsluftdruck angeglichen werden (Ventil 1 geschlossen, Ventil 2 oen). Ein
Drucksensor (Datenblatt in Anhang E) zwischen den Ventilen und der Manschette erlaubt
schlieÿlich die millibargenaue Regelung des applizierten Luftdrucks in der Druckmanschette durch kurzzeitige Ventilönungen. Abbildung 2.8 zeigt die schematische Verschaltung
der Feedbackelemente.
Kontroll-PC
Sensoray 262 IO Karte
Luftpumpe
Ventil 1
Drucksensor
Handmanschette
Ventil 2
Kontroll-Box
Abbildung 2.8:
Aufbau des pneumatischen Feedbacksystems [51].
Details zu der Softwareumsetzung des pneumatischen Feedbacks sind Abschnitt 2.2.3.3 zu
entnehmen.
47
2 Aufbau der Mensch-Maschine Schnittstelle
2.2 Software
Auf Softwareseite nden sich zunächst basale Programme, die für das Betreiben der virtuellen Umgebung notwendig sind: eine Echtzeit-Grak Engine mit Kollisionsdetektion,
Objekterstellungs- und Animationsmöglichkeit (Blender, Abschnitt 2.2.1) sowie die Serversoftware, welche die Komponentenkommunikation ermöglicht (Abschnitt 2.2.2). Dann
folgt die Regelung des thermalen sowie Steuerung des vibratorischen Feedbacks durch
Modelle in Matlab Simulink (Abschnitt 2.2.3). Das pseudohaptische Masse- und Oberächenfeedback, wie auch das Audiofeedback, sind ausschlieÿlich in Software implementiert
und werden in Abschnitt 2.2.4 bzw. Abschnitt 2.2.5 behandelt.
2.2.1 Virtuelle Szene: Blender
Für die Erstellung der virtuellen Umgebung wurde weitestgehend auf Open-Source Software zurückgegrien: das 3D Modellierprogramm Blender
8
bietet umfassende Werkzeuge zum
Erzeugen, Texturieren, Animieren und Darstellen von virtuellen Objekten. Darüber hinaus bietet die Software durch eine integrierte Echtzeitumgebung OpenGL Unterstützung,
Logic-Brick- sowie Python-Programmierbarkeit beste Voraussetzungen für den Betrieb einer exiblen virtuellen Umgebung.
2.2.1.1 Virtuelle Szene
Die entwickelte Szene besteht aus einem einfachen Laborraum mit einer Grundäche von
6m x 6m, der mit einigen Gegenständen ausgestattet ist, um ein glaubwürdiges Abbild der
Realität zu schaen (Spind, Tür, Lampen, Fenster, Heizung, Poster, Steckerleiste; insgesamt knapp 4000 Vertices). Dabei wurde bei der Platzierung der Elemente darauf geachtet,
dass der gewonnene Detailgrad nicht zu Lasten der Aufmerksamkeit gerät, sondern lediglich die Eingewöhnungsphase der Probanden in die virtuelle Umgebung erleichtert und in
den anschlieÿenden Experimenten nicht ablenkt. Abbildung 2.9 zeigt den Blick auf die
virtuelle Umgebung inklusive der virtuellen Hand sowie eines Versuchsaufbaus auf dem
Tisch.
Verwendete Texturen der Auösung 1024x1024 Pixel basieren gröÿtenteils auf Photovorla-
9
gen, die mit Gimp
bearbeitet wurden. Alle Objekte, die sich in der virtuellen Umgebung
benden, besitzen eine Textur mit Farbinformationen sowie eine Texturlage für Normal
Map Shading (künstliche Tiefeninformationen der Oberäche, die Einuss auf die Lichtreexion hat). Einzig die virtuelle Hand besitzt als zentraler Bestandteil der VR zusätzlich
eine Texturlage mit Daten zu Specular Shading (deniert die Reexionseigenschaften von
diusem und direktem Licht der Oberäche), die den Realismusgrad weiter anhebt.
Zwei Lampen sorgen für eine gleichmäÿige und realitätsnahe Ausleuchtung der Szene; sowohl diuses Licht als auch Oberächenglanz sind in den verwendeten Shadereinstellungen
vorhanden. Der Schattenwurf der virtuellen Hand auf die Tischoberäche ist in Echtzeit
8 Version 2.49b
9 Version 2.4
48
2.2 Software
Abbildung 2.9:
Blick auf virtuelle Umgebung aus einer Raumecke; Kameraönung von 115
◦
für eine Sichtbarkeit der Szene in einem einzelnen Bild eingestellt [51].
möglich und erleichtert den Probanden das visuelle Einschätzen der Handposition über
dem Tisch.
2.2.1.2 Virtuelle Interaktion
Die Interaktivität innerhalb der Szene wird in Echtzeit über die Blender-interne Game En-
gine ermöglicht. Abgesehen von experimentabhängigen Stimuliobjekten (z.B. Testzylinder
und -platten) gibt es lediglich zwei dynamische Objekte in der Szene: eine Kamera sowie
eine virtuelle Hand. Beide werden mit einer Kombination aus Logic Bricks und Python
Skripten angesteuert (siehe Seite 51 .).
Reale Kopf- und Handbewegungen des Operators, die an HMD und Datenhandschuh
befestigte Magnettracker (siehe 2.1.1.2) detektieren, werden mit 60 Hz in der künstlichen
Szene aktualisiert (siehe Serversoftware, Abschnitt 2.2.2). Die Dehnmessstreifen in dem
Datenhandschuh nehmen darüber hinaus die Fingerbeugungen der rechten Hand auf und
nden ebenfalls in der virtuellen Repräsentation Beachtung. Im Folgenden sollen alle
Einzelkomponenten hinsichtlich Aufbau und Funktionsweise genauer erläutert werden.
Virtuelle Hand
Die virtuelle Hand ist mehrschichtig aufgebaut: eine Armature (Grundgerüst) besteht aus
mehreren miteinander verbunden Bones (Fingerknochen) und gibt den morphologischen
Rahmen vor. Diese Armature ist unter Verwendung von ipo-Curves (Interpolationskurven,
kurz IPOs) animiert, so dass jeder Finger einzeln beugbar ist. Diese Beugung ist in je 64
49
2 Aufbau der Mensch-Maschine Schnittstelle
Einzelschritten möglich, so dass die Messdaten der Dehnmessstreifen des Datenhandschuhs
(siehe 2.1.1.1) direkt auf die virtuelle Hand skalieren und somit jeder Finger einzeln
bewegt werden kann (siehe Abb. 2.10 links und mitte). An die Armature ist weiterhin das
eigentliche Handmesh sowie mehrere Empties gebunden, welche sich synchron mit allen
Regungen und Animationsschritten der Hand bzw. der Fingerbones bewegen.
Abbildung 2.10 stellt den Aufbau der virtuellen Hand dar und zeigt neben den Armatures
und Empties auch eine gerenderte Ansicht der Hand, wie sie in der Echtzeitumgebung
tatsächlich dargestellt wird.
Abbildung 2.10:
Virtuelle Hand (von links): Konstruktionsansicht mit Armaturesystem und
Empties, Finger mit maximaler Krümmung, Hand fertig texturiert [51].
Das Handmesh besteht aus 6854 Dreiecken und ist mit drei Texturlagen versehen, einer
Color Map (realistische Farbtextur), einer Normal Map (Textur zur Denition des Oberächeprols) und einer Specular Map (Textur zur Denition von Reexionseigenschaften
einer Oberäche). Alle drei Texturen sind in Anhang D zu nden, die fertig texturierte
Hand ist rechts in Abbildung 2.10 zu sehen.
Die Empties sind endständig an die Bones eines jeden Fingers zum Zweck der ezienten Kollisionsdetektion angebracht und bewegen sich synchron mit dem Bone auf einem
lokalen Koordinatensystem der Hand (Translation/ Rotation). Jedes Empty besitzt eine
eigene, einfache Boundingbox (Begrenzungsbox), die in der virtuellen Umgebung unsichtbar ist und Kollisionen mit anderen Meshes, basierend auf der Bullet Physics Library der
Blender Game Engine, detektiert. Ist das der Fall, wird ein Impuls des Kollisionssensors
an einen Pythoncontroller abgegeben (siehe unten). Im Falle eines Objektkontaktes kann
so ein passendes Feedback initialisiert werden.
50
2.2 Software
Virtuelle Kamera
Der Blick aus der virtuellen Kamera wird mit 60 Frames pro Sekunde (FPS) stereoskopisch
gerendert und direkt über das Head Mounted Display für den Operator bereitgestellt. Wie
bereits erwähnt, dienen die Positionsdaten des Kopftrackers der korrekten Positionierung
◦
der virtuellen Kamera. Ihr Önungswinkel ist mit 45 so gewählt, dass er mit dem sichtbaren Bereich des HMD möglichst gut übereinstimmt. Auf diese Weise können störende
Verzerrungen minimiert und eine maximale visuelle Immersion erreicht werden.
VR-Logik mittels Logic-Bricks und Python-Skripten
Jedes Objekt in der Blender Game Engine kann unter Zuhilfenahme von Logic Bricks und
Python Code programmiert werden. Logic Bricks sind auf Kosten ihrer Flexibilität dafür
ausgelegt, die Programmierung einfach und intuitiv nutzbar zu gestalten. Weiterhin sind sie
einsetzbar, um Python Skripte auszuführen, mit deren Hilfe auch komplexere Mechanismen
in der VR realisiert werden können.
In der virtuellen Umgebung sind hauptsächlich über die Kamera, die Hand-Armature
und die Finger-Empties Pythonskripte über entsprechende Logic Bricks eingebunden. Je
nach Experimentalaufbau werden weitere versuchsspezische Skripte und Logik an den
Versuchsstimuli oder an einem neuen Empty im Raum befestigt. Im Folgenden werden
die zentralen Logikelemente genannt und erläutert.
Abbildung 2.11 zeigt exemplarisch, wie das Logiksystem der Blender Game Engine aufgebaut ist: Spalte 1 (links) enthält Einstellmöglichkeiten für Variablen, die sogenannten
Properties. Ihr Datentyp wird hier festgelegt (Bool, Float, Int etc.) sowie ihr Name und
Wert. Die nächste Spalte führt die Sensoren auf, sie ermöglichen die Erzeugung von Impulsen, welche an die Controller (3. Spalte von links) weitergegeben werden. Dort kann der
Impuls einen Pythonskriptaufruf auslösen oder auch direkt einen Actuator (letzte Spalte) aktivieren. Die Konguration verschiedener Logic Bricks und Properties kann in der
Blender Game Engine für jedes Objekt (Armatures, Meshes, Empties; siehe unten) einzeln
vorgenommen werden.
Abbildung 2.11:
Beispiel der Blender Game Engine Logic Bricks [51].
Wie in Abbildung 2.12 zu erkennen ist, benötigt die virtuelle Kamera nur sehr wenige
Logic Bricks. Ein Keyboardsensor überwacht jegliche Tastatureingaben und gibt alle Tastendrücke an das Pythonskript camera weiter. Ein Alwayssensor ist so eingestellt, dass er
51
2 Aufbau der Mensch-Maschine Schnittstelle
mit jedem Logikschritt der Engine (d.h. 60 mal in der Sekunde) einen Impuls an das came-
ra -Skript gibt, so dass es in ebendieser Taktung wiederholt ausgeführt wird. Der Skriptcode
ist in Anhang G.1 nachzulesen und erfüllt zwei Funktionen: zum einen wird die Rotation
und Translation der virtuellen Kamera den Messwerten des Kopftrackers entsprechend aktualisiert. Zum anderen ermöglicht der Code das manuelle Anpassen eines Versatzes der
virtuellen Kamera in Bezug zu den oben genannten Kopftrackermesswerten in allen drei
Raumachsen.
Abbildung 2.12:
Logik der virtuellen Kamera [51].
Die Logic Bricks der virtuellen Hand sind in Abbildung 2.13 zu sehen. Ein Property
Sensor mit dem Namen Init1 gibt bei Programmstart einen einzelnen Impuls an das
Pythonskript init ab, da das Property Init anfangs den Wert True aufweist. Im Verlauf
der Skriptausführung werden benötigte globale Variablen initiiert, Klassen für Hand und
Kamera deniert, die Netzwerkkommunikation gestartet und abschlieÿend das Property
Init auf False gesetzt. Der Anhang G.2 zeigt das reguläre Initskript, das je nach durchgeführtem Experiment um weitere stimulusabhängige Variablen erweitert werden kann.
Weiterhin gibt es je einen Propertysensor pro Finger der aktuierten Hand, die auf Änderungen der Properties an_daumen, an_zeiger, an_mittel, an_ring und an_kleiner mit
einem Impuls reagieren. Diese Properties werden durch das Skript movement aktualisiert,
das die Fingerstellungen der realen Hand von den Messwerten der Dehnmessstreifen in dem
Datenhandschuh ableitet. Die an_* Properties können somit wie die Dehnmesstreifen
Werte von 0 bis 63 annehmen. Ändert sich einer dieser Properties, so wird also ein Impuls an den zugehörigen and Controller gegeben, der wiederum den passenden Aktuator
anstöÿt. Der Aktuator liest seinerseits den Wert des zugehörigen Properties aus und stellt
die Fingeranimation (von gestrecktem Finger, d.h. Propertywert 0 bis zum vollständig gebeugten Finger, d.h. Propertywert 63) auf ebendieses Frame ein. Da dieser Vorgang 60 Mal
in der Sekunde wiederholt wird und sich die Dehnmessstreifenwerte stetig ändern, kann so
ein üssige Darstellung der sich krümmenden Finger erzeugt werden.
Der nächste Sensor, ein always Sensor, der mit jedem Logikschritt der Engine feuert, aktiviert das movement -Skript (Anhang G.3). Mit diesem Schritt werden Funktionen deniert
und verwendet, die vom Server empfangene Datenstrings mit Positionsdaten von Datenhandschuh und HMD (siehe Abschnitt 2.2.2) segmentieren und für die virtuelle Umgebung
verfügbar machen. Auÿerdem wird innerhalb des movement Skripts ein String erzeugt
und an den Server versendet, der Informationen über Kontaktsituationen aller Finger, Be-
52
2.2 Software
wegungsgeschwindigkeit der Hand u.a. enthält. Diese Informationen können dann an die
Feedbackkomponenten des vernetzen Linux-Rechners weitergeleitet werden, um dort das
passende Feedback bereitzustellen (vibratorisches, thermales und pneumatisches Feedback,
siehe Seite 43 ).
Das movement Skript enthält auÿerdem eine Routine, die die unterschiedlichen Eingabegeräte des Servers berücksichtigt (z.B. Positionsdaten des Datenhandschuhs über den Flock
of Bird Sensor oder über das integrierte P5 Infrarotsystem; ein oder zwei angeschlossene
Flock of Birds) und den unterschiedlichen Stringformaten Rechnung trägt.
Weitere Komponenten des Skripts betreen das Zusammenwirken von manuellem Kameraund Handoset, Bewegungseinschränkungen, die ein Eintauchen der virtuellen Hand in den
virtuellen Tisch verhindern und die Realisierung des pseudohaptischen Gewichtsfeedbacks
(siehe Abschnitt 2.2.4 und 3.1.2).
Bei der letzten Logic Brick Kombination, die an der virtuellen Hand angebracht ist, handelt
es sich um einen keyboard Sensor, der an das Pythonskript hand_oset gekoppelt ist. Wie
aus dem Code in Anhang G.4 zu entnehmen ist, erlaubt das Skript ein manuelles Einstellen
des Osets der virtuellen Hand durch Tastatureingaben.
Abbildung 2.13:
Logik der virtuellen Hand [51].
In Abbildung 2.14 sind die Logikelemente des Fingerspitzenempties des Zeigengers
zu sehen (für deren Funktion siehe auch Seite 49 ). Der erste always Sensor kopiert
den Propertywert der zugehörigen Fingerbeugung (hier: an_zeiger der virtuellen Hand) in
das lokale Property ipo. Gleichzeitig wird eine vorher festgelegte Animation des Empties
auf ebendieses Animationsframe gesetzt. Das hat zur Folge, dass sich das Empty an der
53
2 Aufbau der Mensch-Maschine Schnittstelle
Fingerspitze bei Beugung des Fingers synchron auf einer Bogenbahn mitbewegt und somit
starr in Relation zu der Fingerspitze verbleibt.
Stellt der near Sensor eine Berühung mit einem Objekt fest, das das Property object aufweist, wird das Skript contact_z ausgeführt (Anhang G.6, dazu analog auch die anderen
Fingerspitzenemptyskripte: contact_d, contact_m, contact_r, contact_k ). Dieses Skript
liest das Property object des berührten Objekts aus, das in einer globalen Variable (hier:
G.hitmat_z) gespeichert, und somit dem movement Skript verfügbar wird. Da dieser Vorgang für jedes Fingerspitzenempty separat durchgeführt wird, sind so die Kontaktsituationen eines jeden Fingers jederzeit in globalen Variablen wohl deniert und ermöglichen so
stets die passende Feedbackzusammenstellung.
Die Logikfunktionen der anderen Finger (Mittel-, Ring-, Kleinernger, Daumen) sind in
Bezug auf oben genannte Logikelemente mit denen des Zeigengerempties identisch. Eine
Ausnahme stellt das Skript lifting (Anhang G.5) dar, das nur für das Zeigengerempty
benötigt wird. Dieses Skript detektiert mit Hilfe eines near Sensors, ob ein Objekt mit der
virtuellen Hand gehoben werden soll, und bindet es im positiven Falle an die Hand. Dafür
ist es nötig, dass das fragliche Objekt zum einen ein Property Names weightCDR besitzt
und dass zum anderen der Zeigenger einen Beugungswert von mindestens 40 aufweist.
Das Skript liest dafür das Property weightCDR des berührten Objekts aus, mit dessen Hilfe auch das passende pseudohaptische Gewichtsfeedback ermöglicht wird (siehe Abschnitt
2.2.4). Da immer nur ein Objekt gehoben werden kann, ist es ausreichend, diese Funktion
nur in einem Fingerspitzenempty zu realisieren.
Das contact_z Skript des Zeigengers weist eine weitere Besonderheit auf, nämlich das
Auslesen des Properties hitCDR eines berührten Objektes. Dieses ist ebenfalls nur einmalig nötig, denn das pseudohaptische Rauheitsfeedback kann aus oensichtlichen Gründen
für die virtuelle Hand nur insgesamt gesetzt werden (siehe Abschnitt 2.2.4). Auch diese
Variable wird global abgespeichert, um für ein passendes haptisches Feedback zur Verfügung zu stehen.
Eine letzte Besonderheit stellt das sound Skript dar (Anhang G.7), das nur von dem Zeigengerempty aufgerufen werden kann. Dafür besitzt das Empty einen weiteren near Sensor,
der nur auf Objekte reagiert, die das Property loudness besitzen. Ist das der Fall, können
über das Skript die Actuator Logic Bricks sound aktiviert werden, d.h. das auditive Rauheitsfeedback gestartet werden. Details zu diesem Feedbackkanal nden sich in Abschnitt
2.2.5.
54
2.2 Software
Abbildung 2.14:
Logik des Zeigenger-Empties [51].
2.2.2 Serversoftware
Der Server [12] regelt den Datenverkehr zwischen dem zentralen VR Rechner (Grak-PC)),
seinen peripheren Geräten und dem feedbackgenerierenden Rechner (Kontroll-PC; sie auch
Abb. 2.1). Die c++ Serversoftware ist durch die Verwendung von Qt-Bibliotheken plattforumunabhängig gestaltet und besitzt für eine unkomplizierte Bedienung eine graphische
Benutzeroberäche, die in Abbildung 2.15 gezeigt wird. Die einzeln zuschaltbaren Teilkomponenten (P5 Glove, Flock of Birds, Blender, ActDaGlo und Sound) kommunizieren über
UDP Sockets und besitzen spezische Einstellmöglichkeiten, die im Folgenden erläutert
sind.
P5 Glove
Das Drop-down Menü bietet die Wahl, ob lediglich die Dehnmessstreifen des P5 Glove
(Fingerbends ) oder zusätzlich auch die Positionsdaten des Infrarottrackingsystems (Fin-
gerbends and Position ) verwendet werden sollen. Da die Signalqualität des integrierten
Trackers für einige Handpositionen problematisch ist (Polstellen, nicht-Eindeutigkeit der
Rotationsdaten), wird für den regulären Gebrauch des Systems lediglich auf die Messwerte
der Dehnmessstreifen zurückgegrien und mit den Positions- und Rotationsdaten des Flock
of Bird Systems (siehe 2.2.2) kombiniert. Für Entwicklungs- und Testtätigkeiten bleibt die
P5 Trackingoption jedoch sinnvoll, da sie schnell startet und ohne zusätzliche Hardware
auskommt.
Flock of Birds
Ist der Teilbereich FOB Tracker mit einem Häkchen aktiviert, kann zunächst gewählt werden, ob das Magnetfeld von dem groÿen Extended Range Transmitter (ERT) oder von
dem kleineren Midrange Transmitter erzeugt wird. Da der ERT einen deutlich gröÿeren
Arbeitsbereich der Trackersensoren ermöglicht, ist diese Einstellung vorzuziehen. Das nächste Eingabefeld bestimmt die Anzahl der Trackingsensoren: für den Wert 1 wird nur der
55
2 Aufbau der Mensch-Maschine Schnittstelle
Abbildung 2.15:
GUI der Serversoftware [51].
Handtracker, für 2 auÿerdem noch der Headtracker aktiviert. Der Tracker Mode steht
stets auf Position, er kann nicht umgestellt werden. Die Matrix im unteren Teil erlaubt
für jeden der beiden Sensoren (T1 und T2) eine manuelle Drehung des Koordinatensystems (Orientation) sowie die Angabe des Tracker-Rotationspunkt-Abstandes (Position
Oset). Einstellungsänderungen der x-y-z Werte (in Winkelgraden) werden hier nötig,
wenn der ERT nicht die Standard-Orientierung zum Operator (Operator blickt frontal auf
ERT, Motion Tracking by Ascension Technology Corporation sichtbar) aufweist. Die Angabe des Tracker-Rotationspunkt-Abstandes (in mm) ist nötig, um den unterschiedlichen
Rotationspunkten von Trackingsensoren und Hand bzw. Kopf Rechnung zu tragen. Eine
Positionsänderung des Sensortrackers aufgrund einer Rotationsänderung von Hand oder
Kopf wird so herausgerechnet.
Blender
Im Bereich Blender wird der Port festgelegt, auf dem der Server auf den UDP Datenstrom
von Blender hört. Der Port (hier: 50010) muss mit dem Port übereinstimmen, der im Blenderskript movement festgelegt ist. Mit jedem Skriptzyklus sendet Blender einen String
mit Informationen über den aktuellen VR-Zustand an den Server, der hier zergliedert, gespeichert und ggf. weitergeleitet wird. Darauf folgt eine Antwort des Servers an Blender,
welche die aktuellen Trackerpositionen enthält. Die Auswahlknöpfe No Input Device/Use
tracker entscheidet, ob im Datenstring Trackerdaten eingefügt werden oder nicht.
56
2.2 Software
ActDaGlo
Der Port, auf dem der Server Kontakt zu dem Kontroll PC aufnimmt, muss hier angegeben
werden (hier: 50020). Ist der Server sowie die VR gestartet, kann im laufenden Betrieb per
Häkchensetzung das thermale, vibrotaktile sowie pneumatische Feedback aktiviert und
jederzeit wieder deaktiviert werden.
Sound
Die letzte Einstelläche Sound war ursprünglich für die Kommunikation mit einem externen Audiofeedbackprogramm vorgesehen. Da das auditive Feedback in der endgültigen
Systemversion in Blender integriert ist, hat die Soundoption im Server keine Verwendung.
2.2.3 Feedback rendering: Simulink Modelle
Das vibratorische, pneumatische sowie das thermale Feedback wird von einem Simulinkmodell gesteuert bzw. geregelt, das auf dem Feedback-Kontroll-PC ausgeführt wird.
Dieser Computer ist über die Kontroll-Box mit den jeweiligen haptischen Aktuatoren
verbunden und bezieht seine Eingangsgröÿen von dem Grak-PC, der wiederum die
virtuelle Umgebung bereitstellt und beide Rechner über die Serversoftware kommunizieren
lässt (vgl. Abb. 2.1).
Die nachfolgenden Unterpunkte sollen die Funktionsteile der in Simulink realisierten Feedbackmodelle anhand ihrer Programmierblöcke erläutern. Aus Gründen der Übersichtlichkeit nden sich nur Abbildungen der wichtigsten Subsysteme in den Unterkapiteln.
2.2.3.1 Überblick über das Gesamtmodell
Das Gesamtmodell des haptischen Feedbacks, das über die Kontroll-Box vermittelt wird,
ist in Abbildung 2.16 dargestellt. Auf der linken Seite bindet das Modul sfunction Emp-
fangen ein kleines C-Programm ein, welches den UDP Datenstring des Servers empfängt.
Der String enthält Angaben über relevante Zustände in der virtuellen Umgebung und ist
folgendermaÿen aufgebaut (kommaseparierte Integer-/ Floatwerte):
[F eedback, vx , vy , vz , Daumen, Zeigef inger, M ittelf inger, Ringf inger, KleinerF inger, Heben]
Inhaltlich beschreibt der Substring Feedback, welche der drei Feedbackvarianten aktiv sind.
Dieser Schalter kann in der GUI des Servers zur Laufzeit geändert werden (Abbildung
2.15 unten) und vermag die untergeordneten Feedbacksubsysteme zu aktivieren bzw. deaktivieren.
Die drei folgenden Floatwerte
vx , vy
und
vz
übertragen die von Blender gemessenen
Bewegungsgeschwindigkeiten der virtuellen Hand auf den drei Raumachsen. Die resultierende absolute Gesamtgeschwindigkeit auf der x-y-Ebene wird hier über den Satz des
Pythagoras berechnet und den Fingersubsystemen für die Modulation des vibratorischen
Rauheitsfeedbacks zugänglich gemacht (siehe Abschnitt 2.1.2.3 und 2.2.3.2). Da sich die
57
2 Aufbau der Mensch-Maschine Schnittstelle
Abbildung 2.16:
Zentrales Simulinkblockschaltbild der Konrollboxsteuerung [51].
Explorationsbewegungen der Probanden in den experimentellen Untersuchungen (Kapitel
3) lediglich auf die x-y-Ebene beschränken, kann die Hochachse hier vernachlässigt werden.
Nach den Geschwindigkeiten enthält der Datenstring Angaben zu den aktuellen Kontaktsituationen der fünf Fingerspitzen der virtuellen Hand. Wie in Abschnitt 2.2.1.2
erläutert ist, detektieren Empties an den Fingerspitzen jegliche Objektkollisionen und
versenden dann die Objekt-ID der berührten Objekte über den Server. Die Addition der
Konstanten 1 ist nötig, da Blender im kontaktlosen Zustand der Finger konstant den
Wert -1 sendet, die Materialtablellen innerhalb des Simulinkmodells jedoch mit Eintrag
0 beginnen. Der Materialwert 0 ist innerhalb des Simulinkmodells also für keinen
Objektkontakt, d.h. Luftkontakt, reserviert.
Der letzte Teil des Strings, die Variable Heben, zeigt binär an, ob ein berührtes Objekt
gehoben wird oder nicht. Diese Information ist für den Simulinkblock Manschette wichtig;
er wird nur aktiv, wenn hier der Wert 1 übergeben wird.
Nach dem Empfang des kompletten Datenstrings teilt der schwarze vertikale Simulinkblock
ihn in die oben genannten Variablen und übergibt sie den untergeordneten passenden Systemen. Diese sind für das thermale und das vibratorische Feedback ngerweise organisiert
58
2.2 Software
(Blöcke auf der rechten Seite: Daumen, Zeigenger, Mittelnger, Ringnger, Kleiner Finger); das pneumatische Gewichtssubstitutionsdisplay besitzt ein eigenes Subsystem (Block
unten rechts: Manschette). Die Abschnitte 2.2.3.2 und 2.2.3.3 erläutern diese im Detail, in
Kapitel 3.1.2 nden sich Informationen zu dem Phänomen des pseudohaptischen Feedbacks
im Allgemeinen.
2.2.3.2 Modul Zeigenger: vibratorische und thermale Simulation
Das in Abbildung 2.17 gezeigte Blockschaltbild ist für alle weiteren Finger des Datenhandschuhs analog gestaltet. Das Modul ist in einen oberen Teil für das vibratorische Feedback
und einen unteren Teil für das thermale Feedback gegliedert. Auf der linken Seite sind
die Eingangsgröÿen feedback, geschw., material und Input Temp-Sensor zu sehen. Die drei
erstgenannten Variablen werden über den Server zur Verfügung gestellt, während die IstTemperatur an der Fingerspitze der realen Hand von einem PT100 Widerstandsthermometer gemessen und über die Kontrollbox an den Linux-Rechner übermittelt wird (siehe
2.1.2.2).
Abbildung 2.17:
Simulinkblockschaltbild der Feedbackregelung für den Zeigenger [51].
Simulinkmodell des vibratorischen Feedbacks
Innerhalb des Blocks Vibro Daumen aus Abbildung 2.17 bendet sich die Logik, die in
Abbildung 2.18 zu sehen ist. Die gemessene Handgeschwindigkeit sowie die aus einem Lookuptable stammende Rauheit einer zu simulierenden Oberäche werden zunächst durch
eine Division mit ihren Maximalwertausprägungen (maxv bzw. maxrauh ) genormt. Das
Produkt dieser Gröÿen mit der Konstanten umax (die maximale Spannung, die an den
Vibrationsmotoren dauerhaft anliegen sollten, abzüglich 1V; s.u.) liefert einen Rohspannungswert. Auf diesen Wert wird eins addiert, wenn der aktuelle Rauheitswert gröÿer als
null ist. Nötig ist das, da 1V die minimale Spannung ist, die der Vibrationsmotor benötig,
59
2 Aufbau der Mensch-Maschine Schnittstelle
um anzulaufen. Ausgleichend dafür wurde die maximale Rauheit (s.o.) um den Wert eins
reduziert.
Schlieÿlich durchläuft das Signal vor dem Outputblock einen Begrenzer, der eine Überspannung des Vibrationsmotots verhindert. Möglich wäre dies bei gemessenen Geschwindigkeitsspitzen, die oberhalb von maxv liegen und somit das Spannungsprodukt in schädliche
Höhe treiben könnten.
1
Geschwindigkeit
Divide_v
max_v
2
Rauhigkeit
Divide_rauh
max_rauh
Product1
u_max
>0
Compare
To Zero
Abbildung 2.18:
Add
Saturation
1
Pulssignal
Simulinkblockschaltbild der vibrotaktilen Feedbacksteuerung [51].
Ist die passende Spannung berechnet, übergibt der Block Vibro Daumen schlieÿlich den
Wert an Mask Output1 (Abb. 2.17). Die Wahl der Feedbackzusammenstellung, die in der
GUI des Servers getroen wird, bestimmt, ob das Signal Mask Output1 passieren kann
oder nicht. Dies kodiert die Variable feedback. Im positiven Falle passiert der Spannungsstellwert Mask Outputblock und gelangt zu dem Sensoray-DAC Ausgabeblock zeigenger
ok, der am Vibrationsmotor schlieÿlich mit Hilfe der Kontrollbox die entsprechende
Spannung anlegt und somit das vibratorische Feedback für den Operator bereitstellt.
Informationen zu verwendeten Variablengröÿen, theoretischem Hintergrund und zu Evaluationsergebnissen des Feedbacks nden sich in Abschnitt 3.1.1.
Simulinkmodell des thermalen Feedbacks
Dieses Modell wirkt an der Aufgabe mit, dem Operator ein materialabhängiges thermodynamisches Feedback bei Objektberührungen zu vermitteln. Fasst der Benutzer also einen
virtuellen Metallblock an, so sollen die Peltierelemente an den Fingerspitzen des Datenhandschuhs exakt den Wärmeuss nachzeichnen, der auch in der Realität stattndet: die
meist wärmeren Fingerspitzen geben Energie an den Metallblock ab und reduzieren so ihre
Oberächentemperatur. Bei längerem Kontakt mit dem Objekt erreicht die Oberächentemperatur schlieÿlich einen stationären Endwert, der von Materialparametern wie auch
von endogenen Gröÿen des Operators abhängt. Zu berücksichtigende Materialeigenschaf-
60
2.2 Software
g
], Wärmekapazität cn [ gcal
κn [ cmcal
◦ C ], Materialdichte ρn [ cm3 ]
s ◦C
◦
Objekts [ C] (siehe Abbildung 2.19).
ten sind Wärmeleitfähigkeit
und die Temperatur des
Tobj
cobj
Out1
rohobj
1
Parameter
1
SollTemperatur
Tds
T1
dxobj
Realer Kontakt neu1
kobj
virtueller Kontakt1
Abbildung 2.19:
Simulinkblockschaltbild der Temperaturregelung [51].
Das in diesem Aufbau realisierte thermodynamische Feedback basiert auf einem externen
Wärmeussmodell [13][72] und ist für die vorliegende Mensch-Maschine Schnittstelle adaptiert worden: Angenommen wird zunächst ein dreischichtiger Aufbau des menschlichen
Fingers in Ober-, Leder- und Unterhaut (Abbildung 2.20, links).
ˆ [ W2 ] zwischen einer dieser Schichten n und n+1 beschreibt ForDie Wärmeussdichte Φ
cm
mel 2.2.
K
trägt hierbei unterschiedlichen Wärmeleitfähigkeiten und Dicken der Schichten
Rechnung (2.3).
ˆ (n+1,n) = K(n+1,n) (Tn+1 − Tn )
Φ
K(n+1,n) =
∆xn+1
kn+1
2
+
(2.2)
(2.3)
∆xn
kn
Die thermodynamische Gleichung 2.4 gibt die Charakteristik der Oberhaut (T1 ) wieder.
Der Wärmeuss von der Oberhaut in die Umwelt (φenv ) ist mit einem negativen Vorzeichen versehen, während der Wärmeuss von der Lederhaut in die Oberhaut ein positives
Vorzeichen trägt.
−φˆenv + K(2,1) (T2 − T1 )
−φˆenv + φˆ(2,1)
dT1
T˙1 =
=
=
dt
∆x1 ρ1 c1
∆x1 ρ1 c1
(2.4)
Je nachdem, ob der Operator ein Objekt direkt berührt oder ob er mit den Fingern nur
ˆenv ) angepasst werden: Gleichung 2.5 beschreibt den KonKontakt zur Luft hat, muss (φ
duktionsprozess, die Konvektion ist in Gleichung 2.6 wiedergegeben.
φˆenv =
∆x1
k1
2
(T1 − Tenv )
env
+ ∆x
kenv
(2.5)
φˆenv = αenv (T1 − Tenv )
(2.6)
In beiden Fällen werden Umweltfaktoren, wie die Lufttemperatur oder die Objekttemperatur
(Tenv ),
Wärmeleitfähigkeit
berücksichtigt.
kenv
Der
Konduktionsvorgang
des berührten Materials mit ein.
αenv
bezieht
auÿerdem
die
gibt hingegen den für die
Konvektion wichtigen Wärmeübergangskoezienten an.
61
2 Aufbau der Mensch-Maschine Schnittstelle
Analog zu der thermodynamischen Gleichung 2.4 der Oberhaut wird die Temperaturveränderung
T2
der Lederhaut berechnet (2.7):
−K(2,1) (T2 − T1 ) + K(3,2) (T3 − T2 )
dT2
T˙2 =
=
dt
∆x2 ρ2 c2
(2.7)
Das im Finger zirkulierende Blut wärmt die Hautschichten unterschiedlich stark auf und
wirkt einem Auskühlen entgegen. Zusätzlich setzt der in den Zellen ablaufende Metabolismus Wärme frei. Diese Faktoren nden in der Berechnung der Temperatur in der dritten
Hautschicht
und
φb
T3 ,
der Unterhaut, Beachtung; unter Einbeziehung von
(Blut). Die Temperatur des artiellen Blutes
Tart
ist mit 36,8
φm
◦
C
(Metabolismus)
festgelegt. Glei-
chung 2.8 gibt die thermodynamischen Vorgänge in der Unterhaut wieder:
−K(3,2) (T3 − T2 ) + φˆm + φˆb
dT3
T˙3 =
=
dt
∆x3 ρ3 c3
(2.8)
Die drei thermodynamischen Gleichungen 2.4, 2.7 und 2.8 können als ein System von
linearen Dierenzialfunktionen ersten Grades mit der Systemmatrix
matrix
Bt
zusammengefasst werden. Bei einer Abtastrate von
h
At
und der Eingangs-
ermöglicht Gleichung 2.9
die Berechnung der Temperaturverteilung aller Schichten zu einem beliebigen Zeitpunkt





Tenv,p
T1,p − T1,p−1
T1,p

T2,p − T2,p−1  = hAt T2,p  + Bt 
 Tart,p 
ˆ m,p
T3,p − T3,p−1
T3,p
Φ
p:

(2.9)
Da die menschlichen Wärmerezeptoren sehr nahe an der Oberhaut liegen, liefert
T1
den
Sollwert für das aktuelle Temperaturfeedback. Nachdem die Oberhaut aber nicht im direkten Kontakt mit dem Objekt, sondern auf dem Aluminumplättchen oberhalb des Peltierelements auiegt, kommt ein weiteres dreilagiges Gewebemodell zur Anwendung (Gleichung
2.10).


˜ 

˜
s
Td,p
T1,p
T1,p − T˜1,p−1

˜t 
T˜2,p − T˜2,p−1  = hA˜t T˜2,p  + B
Tart,p 
ˆ m,p
T˜3,p
T˜3,p − T˜3,p−1
Φ
(2.10)
s
Td,p
.
Die tatsächlich einzustellende Displaysolltemperatur resultiert damit in
10
Abbildung 2.20 verdeutlicht das thermodynamische Modell abschlieÿend
. Durch die Ver-
wendung eines PID-Reglers kann die Solltemperatur des Peltierelements umgesetzt werden.
Der Tiefpasslter verhindert dabei störende hochfrequente Einüsse des Temperatursensors.
Für
den
Einsatz
des
thermodynamischen
Kontaktmodells
in
der
Mensch-Maschine
Schnittstelle sind die Berechnungen in Simulink umgesetzt worden. Durch die Verwendung
eines Realtime-Linuxkernels und einer Datenrate von konstanten 1kHz ist ein stabiler
10 Abbildung der Hautschichten auf Basis schemazeichnung der menschlichen haut, by Sgbeer, Wikimedia Commons, creative commons licence
62
2.2 Software
Tinitial
T1
!
T1 = T1
Tinitial
s
T1
T2
T2
T3
T3
Thermodynamische
Modellberechnung
Td
-
PID-Regler
Peltierelement
Tiefpassfilter
Temp.sensor
Realer Finger-Display
Kontakt
Berechnung der Sollwertemperatur
Abbildung 2.20:
Td
Temperaturregelung
Schematischer Aufbau des thermodynamischen Feedbackmodells [51].
Betrieb der Temperatursimulation möglich.
Informationen zu verwendeten Variablengröÿen, theoretischem Hintergrund und zu Evaluationsergebnissen des Feedbacks nden sich in Abschnitt 3.1.3.
2.2.3.3 Simulinkmodell des pneumatischen Gewichtsfeedbacks
Das Simulinkmodul der Druckmanschette (Abbildung 2.16, unten rechts) hat die Aufgabe den Manschettenluftdruck in Echtzeit zu regeln. Hebt der Operator ein Objekt in der
virtuellen Umgebung, so soll ein apriori festgelegter Druck durch die Manschette auf sein
Handgelenkt ausgeübt werden, der das Gewicht des Objektes kodiert (siehe auch Absatz
2.8). Der dafür zuständige Simulinkblock ist in Abbildung 2.21 wiedergegeben: Eingangsvariablen sind lift, material, feedback und Analog Input von Sensor ; das Modell gibt Steuerimpulse (Digital Output Ventil 1 und Digital Output Ventil 2 ) an zwei Magnetventile zur
Luftdruckregelung aus.
Die Variable lift ist binär (null oder eins) und kodiert, ob ein in der virtuellen Umgebung berührtes Objekt tatsächlich angehoben wird (lift == 1) oder nicht (lift == 0).
Das Produkt von lift und der material -ID bestimmt, welcher Solldruck aus der folgenden
Lookuptabelle aktuell zur Anwendung kommt. Tabelleneintrag 0 entspricht stets dem
Umgebungsluftdruck, führt also im weiteren Ablauf des Programmteils zu einer vollständigen Entspannung der Druckmanschette durch Önung der entsprechenden Ventile. Die
weiteren Tabelleneinträge sind spezisch für jede material -ID festgelegt. Von dem so gewonnenen Solldruck wird der aktuell gemessene Luftdruck der Manschette subtrahiert, um
die Regelabweichung zu erhalten. Die folgenden Vergleiche der Regeldierenz mit den Werten 0,2 bzw. -0,2 schaen einen Totbereich von ]-0,2;0,2[, in dem das System alle Ventile
geschlossen hält. Dies ist sinnvoll, um sog. Chattering zu verhindern, d.h. um ein ruhiges Regelverhalten zu erzielen. Regelabweichungen, die gröÿer oder gleich 0,2 sind, führen
dazu, dass durch Önen von Ventil 1 und gleichzeitigem Schlieÿen von Ventil 2 Druck
in der Manschette abgebaut werden kann; Luft strömt aus der Manschette in die Umge-
63
2 Aufbau der Mensch-Maschine Schnittstelle
bung. Andersherum resultieren Regelabweichungen, die kleiner oder gleich -0,2 sind, zu
einem Önen von Ventil 1 und gleichzeitigem Schlieÿen von Ventil 2, so dass der Druck in
der Manschette steigt: die angeschlossene Luftpumpe vermag in dieser Konstellation die
Manschette aufzupumpen, ein Druckausgleich mit der Umgebung wird verhindert.
Die Multiplikationen der Vergleichsergebnisse mit den Konstanten 1 sind nötig, um den
passenden Datentyp für das Stellglied zu erhalten.
Die Wahl der Feedbackzusammenstellung, die in der GUI des Servers getroen wird, bestimmt, ob das Signal Mask Output1 bzw. Mask Output2 passieren kann oder nicht. Dies
kodiert die Variable feedback. Im positiven Falle kann der Impuls zu den Sensoray-DAC
Outputblöcken Digital Output Ventil 1 und Digital Output Ventil 2 gelangen, Einuss auf
die Ventilstellungen nehmen und damit das pneumatische Gewichtsfeedback bereitstellen.
Informationen zu verwendeten Variablengröÿen, theoretischem Hintergrund und zu Evaluationsergebnissen des Feedbacks benden sich im Abschnitt 3.1.5.
Constant
3
schliesse 1, oeffne 2
1−D T[k]
lift
signal
>= 0.2
1
material
1
Product2
Product
Compare
To Constant1
signalout
control
Mask Output2
0 = aus
1
Sensoray
S626 − PCI DO
Digital Output Ventil 1
schliesse beides
Constant1
signal
<= −0.2
Sensoray
S626 − PCI ADC
Analog Input von Sensor
Compare
To Constant
Product1
signalout
control
Mask Output1
Sensoray
S626 − PCI DO
Digital Output Ventil 2
schliesse 2, oeffne 1
2
feedback
Abbildung 2.21:
Simulinkblockschaltbild der Druckmanschettenregelung [51].
2.2.4 Pseudohaptisches Feedback
Wie in Abschnitt 1.1 dargestellt, gewinnen Menschen Informationen über haptische Eigenschaften von Objekten zu einem groÿen Teil aus Eerenzen verschiedener Mechanorezeptoren. So kann eine Person zum Beispiel aufgrund der erhöhten Muskelspannung beim
Heben eines Würfels einen Eindruck von dessen Masse erhalten oder durch Verformung
der Fingerbeere auf das Relief einer Oberäche zurückschlieÿen.
Neben diesen direkten Rückmeldungen der Mechanorezeptoren vermögen aber noch weitere
Sinneskanäle einen Einuss auf das haptische Empnden zu nehmen. Die Gröÿen-GewichtsTäuschung (auch Charpentier-Eekt genannt) zeigt zum Beispiel, dass zwei Gegenstände
mit der gleichen Masse in Abhängigkeit von ihrem Volumen meist als unterschiedlich schwer
beurteilt werden: der gröÿere Gegenstand wird als leichter empfunden als der kleinere. Die
visuell vermittelte Information des Volumens hat also einen Einuss auf die Gewichtswahrnehmung.
64
2.2 Software
Verzichtet man aus Gründen der Einfachheit, Mobilität, Kosten u.a. in virtuellen Umgebungen gänzlich auf direkte haptische Aktuatoren, lassen sich haptische Eigenschaften
von Objekten durch den Einsatz von Pseudohaptischem Feedback vermitteln. Die oben
genannte visuelle Kodierung von Gewicht durch unterschiedlich groÿe Objekte wäre
ein sehr einfaches Beispiel dafür. Prinzipiell versteht man unter dem Begri Pseudo
Haptisches Feedback jegliches haptisches Feedback, das nicht durch den Einsatz von
dedizierten haptischen Displays zustande kommt; meist wird der visuelle Sinneskanal
dafür genutzt.
Die beiden folgenden Abschnitte beschreiben die technische Umsetzung des pseudohaptischen Feedbacks, das im Rahmen dieser Arbeit entwickelt und evaluiert wurde. Es handelt
sich um Systeme zur Bereitstellung von Gewichtsfeedback (Abschnitt 2.2.4.1) und Oberächenrauheit (Abschnitt 2.2.4.2) in virtueller Umgebung.
2.2.4.1 Gewicht
Das pseudohaptische Gewichtsfeedback soll dem Benutzer der virtuellen Umgebung
Rückmeldung über das Gewicht von Objekten geben. Dazu muss das betreende Objekt
mit der virtuellen Hand gegrien und angehoben werden. Da das Objekt natürlich
keine stoiche Präsenz aufweist und auch sonst keine haptische Aktorik für ein echtes
Gewichtsfeedback vorhanden ist, liefern die Mechanorezeptoren beim Hebevorgang keinen
brauchbaren Hinweis auf dessen Gewicht (Abbildung 2.22).
Abbildung 2.22:
Stattdessen
wird
Die virtuelle Hand beim Heben eines neutralen Zylinders [51].
visuell
dargestellt,
welchen
Einuss
die
Gewichtsausprägung
eines
gehobenen Objekts auf die Handbewegung hätte : die kommandierte Bewegung ist in
Abhängigkeit des darzustellenden Gewichts verzögert. Je schwerer ein virtuelles Objekt
anmuten soll, desto stärker fällt diese Verzögerung aus. Die Handbewegungen der realen
Hand werden von der virtuellen Hand in Bezug auf die horizontale x-y Ebene dabei
65
2 Aufbau der Mensch-Maschine Schnittstelle
stets exakt und zeitgleich nachvollzogen. Die gewichtsabhängige Verzögerung bezieht sich
ausschlieÿlich auf die vertikale z-Achse: eine hebende Bewegung (+z) wird verzögert,
während eine senkende Bewegung (-z) prompt und realitätsgetreu zu sehen ist.
Die technische Umsetzung des Feedbacks ist auf zwei Skripte aufgeteilt, die unterschiedliche
Funktionen wahrnehmen:
Kollisionsdetektion, Variablenbereitstellung, An- und Abkoppeln des Ob jekts
Das Zeigengerempty der virtuellen Hand (siehe Abb. 2.14) besitzt einen PythonController, der durch einen near - und einen always -Sensor aktiviert wird und das Pythonskript lifting (Code in Anhang G.5) aufruft. Der Nearsensor feuert, sobald sich die
virtuelle Hand einem Objekt mit dem Property weightCDR auf mindestens 0,2 Blendereinheiten nähert und stellt dem Skript gleichzeitig den Wert des Properties zur Verfügung.
Das Pythonskript prüft bei jedem Durchlauf, ob vier Bedingungen erfüllt sind, die auf
einen Greifvorgang schlieÿen lassen (Codezeile 12):
1. Ist die Zeigengerbeugung 40 oder gröÿer?
2. Berührt das Daumenempty ein Objekt, dessen ObjektID 20 oder gröÿer ist?
3. Berührt das Zeigengerempty ein Objekt, dessen ObjektID 20 oder gröÿer ist?
4. Zeigt der Nearsensor nicht non?
Nur wenn alle Bedingungen positiv ausfallen, ndet der Greifvorgang statt. Er beinhaltet
das Abspeichern der pseudohaptischen Feedbackausprägung weightCDR in der globalen
Variable G.weightCDR, dem Anheften des gehobenen Objekts an die virtuelle Hand
und dem Setzen der globalen Variable G.lift_obj von null auf eins (Codezeilen 13 16).
Ist einer der genannten Bedingungen negativ, wird ein eventuell angeheftetes Objekt
abgekoppelt, G.weightCDR auf eins und G.lift_obj auf null gesetzt (Codezeilen 18 24).
Das Ankoppeln von Objekten bedeutet, dass das Objekt temporär alle Rotationen und
Translationen der virtuellen Hand synchron ausführt. Auÿerdem ist die Physiksimulation
(Schwerkraft, Reibung, Trägheit, Starrkörperrotation) für die Zeit der Ankopplung deaktiviert. Erst wenn die Hand geönet und die Zeigengerbeugung damit einen Wert kleiner
als 40 annimmt, wird das gegriene Objekt wieder abgekoppelt und seine Physiksimulation
reaktivert.
Die Variable G.lift_obj
ist für das pneumatische Gewichtsfeedback wichtig, denn sie
kodiert, ob augenblicklich ein Objekt gehoben wird und ein entsprechender Druck auf die
Handgelenksmanschette ausgeübt werden soll (siehe auch Abschnitt 2.1.2.4 und 2.2.3.3).
Die Variable G.weightCDR steht dem kontinuierlich ablaufenden Skript movement zur
Verfügung, das das eigentliche pseudohaptische Gewichtsfeedback erzeugt.
66
2.2 Software
Anpassen der Bewegungen der virtuellen Hand
Im regulären Betrieb bezieht die virtuelle Hand ihre Positions- und Rotationsdaten direkt
über den Server aus Messdaten des Magnettrackers. Das Pythonskript movement, das
über einen Alwayssensor 60 Mal in der Sekunde ausgeführt wird, aktualisiert die virtuelle
Hand entsprechend der realen Handbewegung. Die Codezeilen 256 323 erweiten die
Funktionen der virtuelle Umgebung, indem sie die Handbewegungen der virtuellen Hand
gezielt verändern:
Zunächst werden Handbewegungsstrecken, die oberhalb einer Schwelle von 0,02 bzw.
0,1 Blendereinheiten pro Messintervall liegen, für alle drei Achsen getrennt in je einen
eigenen Listenpuer geschrieben (Codezeilen 261 269, Puerspeicher G.movX, G.movY
und G.movZ ). Der jeweils älteste Wert in den Listen wird entnommen und die einzelnen
Strecken durch die aktuelle pseudohaptische Gewichtsfeedbackausprägung dividiert, d.h.
durch den Wert von G.weightCDR (s.o. und Codezeilen 271 291)). Das Ergebnis gelangt
anschlieÿend in einen Speicher (Listenvariable dd ), der am Ende des movement -Skriptes in
einer sichtbaren Handbewegung der virtuellen Hand resultiert (Codezeile 320). Gleichzeitig
wird diese Bewegungsstrecke von der eigentlich gemessenen Strecke subtrahiert, um dann
im nächsten Skriptdurchgang als Basis der erneuten Berechnungen zu dienen. So reduziert
sich die gemessene, ursprüngliche Handbewegung mit jedem Durchgang, bis das Residuum
schlieÿlich kleiner als der Quotient aus ursprünglicher Bewegungsweite und G.weightCDR
ist. Dies stellt das Abbruchkriterium für diesen Bewegungsabschnitt dar; das Residuum
wird als Bewegung noch ausgeführt, erst dann kommen neue Messwertpaare aus den
Puerspeichern zum Einsatz, die das Skript in gleicher Weise abarbeitet.
[x0/weightCDR,y0/weightCDR,z0/weightCDR]
[x0/weightCDR,y0/weightCDR,z0/weightCDR]
Zwischenpositionen
[x0/weightCDR,y0/weightCDR,z0/weightCDR]
[xn-1/weightCDR,yn-1/weightCDR,zn-1/weightCDR]
[xn-1/weightCDR,yn-1/weightCDR,zn-1/weightCDR]
[xn-1/weightCDR,yn-1/weightCDR,zn-1/weightCDR]
t
Tracker
Positionen
[x0,y0,z0]
Abbildung 2.23:
[x1,y1,z1]
[xn,yn,zn]
Schematische Darstellung von zusätzlich eingefügten Positionsdaten für das
pseudohaptische Gewichtsfeedback [51].
Abbildung 2.23 verbildlicht die zusätzlich errechneten Handbewegungen. Sie sind der
Grund für die Handverzögerung, denn die virtuelle Umgebung positioniert die Hand stets
weiter mit 60Hz. Erst wenn kein virtuelles Objekt mehr gehoben oder ein gehobenes Objekt stillgehalten wird, können sich die angehäuften Bewegungspuerspeicher abbauen und
die virtuelle Hand damit der Position der realen Hand sukzessive angleichen. Integrierte
67
2 Aufbau der Mensch-Maschine Schnittstelle
Bewegungsstreckenschwellen sorgen im Code dafür, dass nur bei gröÿeren, beabsichtigten
Handbewegungen die Puerspeicher anschwellen und trotz eines Grundtremors der Hand
wieder reduziert werden können (z.B. Codzeile 274).
Die vertikale Abwärtsbewegung der virtuellen Hand ist auch bei gehobenem Objekt nicht
verzögert (Codezeile 291). Anstelle von G.weightCDR wird die gewünschte Bewegungsstrecke durch 0,9 geteilt, so dass sie sich prompt bewegt und ein Eindruck der Gravitation
enstehen kann.
Informationen zum theoretischen Hintergrund, zur experimentalgeleiteten Entwicklung
und zu Evaluationsergebnissen des Feedbacks benden sich im Abschnitt der Experimente, 3.1.2.2.
2.2.4.2 Rauheit
Das pseudohaptische Feedback, das die Oberächenrauheit darstellt, ist wie auch das
pseudohaptische
Gewichtsfeedback
visuell
umgesetzt:
die
visuelle
Beeinussung
der
virtuellen Handbewegungen vermittelt dem Operator einen Eindruck von der Rauheit
virtueller Flächen bei Abwesenheit jeglicher realen haptischen Stimlation.
Im Gegensatz zu dem oben erläuterten Ansatz des pseudohaptischen Gewichtsfeedbacks,
ist hier jedoch nicht nur eine Verzögerung der Handbewegung bei besonders rauen Oberächen, sondern auch eine Beschleunigung bei besonders rutschigen/ glatten Oberächen
möglich. Abbildung 2.24 zeigt die virtuelle Hand beim Übersteichen einer maskierten
Oberäche.
Abbildung 2.24:
Die virtuelle Hand bei dem Überstreichen einer Oberäche, die mit einem
Testmuster zur besseren Wahrnehmung der Objektgeometrie überzogen ist [51].
Die Funktionen des pseudohaptischen Rauheitsfeedbacks stellt zum einen das Zeigengerempty mit dem zugehörigen Pythonskript contact_z, zum anderen sind einige Zeilen
Pythoncode in dem Skript movement relevant (Anhang G.6 bzw. G.3). Ein near - Sensor
68
2.2 Software
gibt einen Impuls an das contact_z Skript ab, sobald sich ein Objekt mit dem Property
object mindestens 0,2 Blendereinheiten annähert. Innerhalb des Skriptes sind die Zeilen
16 24 zentral, denn sie lesen den Wert des Property CDR aus und speichern es in der
globalen Variable G.hitCDR. Ist der Kontakt mit der Oberäche nicht mehr vorhanden,
wird diese Variable auf den Wert eins zurückgesetzt.
Das zentrale Handbewegungsskript movement integriert die Variable G.hitCDR in den
Zeilen 211 und 212, indem es die aktuelle Bewegungsstrecke der virtuellen Hand durch
dessen Wert dividiert. Die veränderte Handbewegung wirkt sich auf die horizontale
x-y-Ebene aus, nicht jedoch auf vertikale z-Bewegungen. Im kontaktfreien Zustand der
virtuellen Hand beträgt G.hitCDR eins und beeinusst die angezeigte Handbewegung
deshalb nicht. Werte von G.hitCDR gröÿer eins verlangsamen die Bewegung, während
Werte kleiner als eins die zurückgelegte Handdistanz vergröÿern.
Informationen zum theoretischen Hintergrund, zur experimentalgeleiteten Entwicklung
und zu Evaluationsergebnissen des Feedbacks benden sich im Abschnitt 3.1.2.1.
2.2.5 Auditives Feedback
Anhand charakteristischer Kontaktgeräusche kann auditives Feedback von Operatoren
zur Materialidentikation genutzt werden. Das natürliche Geräusch, das entsteht wenn
ein menschlicher Finger über ein Material streicht, wird zunächst mit einem Mikrofon
aufgenommen und dient als Ausgangsgeräusch für das jeweilige Material. Die Dateien
werden dann bearbeitet, so dass sie sich in Schleife abspielen lassen und eine möglichst
gleichmäÿige Lautstärke sowie einen maximalen stationären Geräuschanteil aufweisen.
Der auditive Sinneskanal kann weiterhin genutzt werden, um virtuelle Oberächenrauheit
wahrnehmbar zu gestalten [4]. Hierzu wird bei der Berührung eine semantisch passende
Geräuschdatei in Schleife abgespielt und an die Explorationsbewegung der Hand angepasst. Je rauer die darzustellende Oberäche ist, um so lauter wird die Geräuschdatei
ausgegeben. Um darüber hinaus der Dynamik unterschiedlicher Explorationsvorgänge
Rechnung zu tragen, wird das Überstreichgeräusch zunächst unabhängig von der
darzustellenden Rauigkeit gesehen bei schnelleren Fingerbewegungen lauter. Solange der
Finger keinen Kontakt zu einem Material hat oder lediglich auf der Oberäche ruht, wird
kein Geräusch wiedergegeben.
Das auditive Feedback beinhaltet also mehrere verschiedene oberächencharakteristische
Geräusche, die jeweils verschiede Grade von Rauigkeit lautstärkeabhängig kodieren. Die
technische Realisierung dieser beiden Aspekte des auditiven Feedbacks beschreiben Abschnitt 2.2.5.2 und 2.2.5.1.
69
2 Aufbau der Mensch-Maschine Schnittstelle
2.2.5.1 Materialdarstellung durch charakteristische Kontaktgeräusche
Das Überstreichen einer realen Materialoberäche mit dem Zeigenger kann oft ein
charakteristisches Geräusch erzeugen; so produziert der Streichkontakt mit einer Metallplatte ein anderes Geräusch als das Streichen über eine Holzplatte. Unterschiedliche
Oberächenstrukturen, das Schwingungsverhalten des Materials (z.B. bedingt durch Geometrie, Materialdichte und -homogenität), die Anatomie des Fingers, der Anpressdruck
und die Streichgeschwindigkeit sind nur einige der Faktoren, die das komplexe Geräusch
beeinussen. Exemplarisch sind in Abbildung 2.25 Frequenzgänge für Überstreichvorgänge
eines Fingers auf Holz- und Metallplatten dargestellt, die die Unterschiedlichkeit der
entstehenden Geräusche verdeutlichen.
Holz - kratzen
Amplitude [dB]
Holz - streichen
0
-10
-20
-30
-40
-50
-60
-70
-80
-90
-100
0
5.000
10.000
15.000
20.000
25.000
0
-10
-20
-30
-40
-50
-60
-70
-80
-90
-100
0
5.000
0
5.000
10.000
15.000
20.000
25.000
Amplitude [dB]
0
-10
-20
-30
-40
-50
-60
-70
-80
-90
-100
0
20.000
25.000
5.000
10.000
15.000
20.000
25.000
Frequenz [Hz]
Frequenz [Hz]
Abbildung 2.25:
15.000
Metall - kratzen
Metall - streichen
0
-10
-20
-30
-40
-50
-60
-70
-80
-90
-100
10.000
Frequenzgänge unterschiedlicher Materialien; streichen und kratzen [51].
In der virtuellen Umgebung sind Kontaktgeräusche mit fünf unterschiedlichen Materialien
implementiert, die aus Aufnahmen
11
von realen Materialüberstreichungen gewonnen wur-
den: Glas, Stein, Metall, Gummi und Sandpapier. Für jede dieser fünf Materialien liegen
12
zwei verschiedene wav-Dateien
vor, nämlich für ein Überstreichen mit der Fingerbeere
und für eine kratzende Bewegung mit dem Fingernagel. Die Geräuschaufnahme wurde
in einer schalldichten Kammer mit einer konstanten Fingerbewegungsgeschwindigkeit
von ca. 10
cm/sec
und einem mittleren Anpressdruck vorgenommen. Die Mikrofone be-
fanden sich ca 2 cm von der Schallquelle entfernt und wurden mit der Bewegung mitgeführt.
11 Recorder H4, ZOOM Corp.
12 mono, 16 bits pro Sample, Abtastrate 96 kHz, unkomprimiert
70
2.2 Software
Damit ein Objekt in der virtuellen Umgebung eines der aufgenommenen Geräusche bei
einer Fingerberührung von sich geben kann, muss es ein Property loudness aufweisen:
wie aus der Logicbrick-Ansicht des Zeigengerempties (Abbildung 2.14) erkenntlich ist,
prüft ein near -Sensor stets, ob sich ein Objekt mit diesem Property näher oder gleich 0,2
Blendereinheiten von dem Empty bendet. Solange das der Fall ist, wird durch wiederholte
Impulse das Skript sound wiederholt ausgeführt. Angebunden an das Pythonskript sind
alle benötigten Geräuschaktuatoren, die die Dateien bei Aktivierung in Schleife abspielen.
Das sound -Skript ist in Anhang G.7 oengelegt. Erwähnenswert ist, dass die Wiedergabe des Kratzgeräusches erfolgt, wenn der Beugungswert des Zeigengerdehnmessstreifens
gröÿer oder gleich 40 ist (Codezeile 57), der Zeigenger also mehr als die Hälfte gebeugt
ist. Andernfalls muss der Zeigenger eher gestreckt sein und ein Streichgeräusch ndet
Verwendung (Codezeile 69). In beiden Fällen ist ein Totbereich eingebaut (Codezeile 59
und 70), der verhindert, dass auditives Feedback gegeben wird, wenn der Zeigenger stationär auf einer Fläche verharrt, aber dennoch nicht perfekt die Handgeschwindigkeit null
aufweist.
Die weiteren Codezeilen sind für die auditive Rauheitsdarstellung relevant und werden im
folgenden Abschnitt näher erläutert.
Informationen zum theoretischen Hintergrund, zur experimentalgeleiteten Entwicklung
und zu Evaluationsergebnissen des Feedbacks benden sich im Abschnitt 3.1.4.1.
2.2.5.2 Auditive Rauheitsdarstellung
Ausgehend von den oben dargelegten Kontaktgeräuschen ist die Rauheit von virtuellen
Objekten in der virtuellen Umgebung auditiv kodiert. Dafür ndet der einfache Eekt
Anwendung, dass raue Oberächen tendenziell ein lauteres Kontaktgeräusch als weniger
raue Oberächen bedingen, wenn sie mit einem Finger oder einem Fingernagel überstrichen werden. Probanden empnden in Experimenten solche Oberächen unterschiedlich
rau, basierend lediglich auf den unterschiedlich lauten Kontaktgeräuschen [82].
Das auditive Rauheitsfeedback ist wie das auditive Materialfeedback in dem Pythonskript
sound
umgesetzt
(Anhang G.7).
Es
wird in
Schleife ausgeführt,
sobald
das
Fingerspitzenempty des Zeigengers ein virtuelles Objekt berührt, das das Property
loudness besitzt (Details dazu in Abschnitt 2.2.5.1 und Abbildung 2.14). Bezüglich des
auditiven Rauheitsfeedbacks weist das Skript folgende nennenswerten Codefragmente
auf: die Handgeschwindigkeit in der horizontalen Ebene (xy) wird zunächst aus den
Einzelgeschwindigkeiten der x- und y-Achsengeschwindigkeiten errechnet (Codezeile 37).
Dieser Rohwert speist einen First-In First-Out Speicher (Codezeile 41), dessen drei Speicherplätze genutzt werden, um Geschwindigkeitsspitzen durch Mittelung zu nivellieren.
Die Codezeilen 60 (Kratzen) bzw. 71 (Streichen) stellen schlieÿlich durch Produktbildung
des resultierenden Geschwindigkeitsbetrags mit dem Wert des entsprechenden loudness Properies die Lautstärke der Geräuschdatei ein.
Da Blender dieses Skript mit einer Frequenz von 60Hz wiederholt ausführt, nimmt die
71
2 Aufbau der Mensch-Maschine Schnittstelle
Dynamik des Streichvorgangs so direkten Einuss auf die Geräuschlautstärke: langsame
Bewegungen fallen weniger laut aus als schnelle, der Übergang dazwischen ist stetig.
Der Wert des loudness -Properties einer virtuellen Oberäche bestimmt schlieÿlich seine
tatsächliche Lautstärke mit und vermag so dem Operator einen Eindruck seiner Oberächenrauheit zu vermitteln.
Informationen zum theoretischen Hintergrund, zur experimentalgeleiteten Entwicklung
und zu Evaluationsergebnissen des Feedbacks benden sich im Abschnitt 3.1.4.2.
72
3 Experimente
Kapitel 3 dokumentiert die zentralen Experimente, die für die Entwicklung und Evaluation
der Mensch-Maschine Schnittstelle angestellt wurden. Die Experimente liefern Antworten auf Fragen zu den Funktionen der menschlichen Reizverarbeitung und haptischen
Wahrnehmung, die grundlagenwissenschaftlich relevant sind und auch für zukünftige
Mensch-Maschine Interaktionen von Interesse sein können.
Das Kapitel teilt sich auf in Experimente, die sich mit unimodalem Feedback beschäftigen
(Abschnitt 3.1) und Experimente, die ein multimodales Zusammenwirken mehrerer Feedbackmodalitäten (Abschnitt 3.2) behandeln.
Die Gliederungen der einzelnen Untersuchungen sind dabei stets einheitlich gestaltet: Basisinformationen und relevante Forschungsergebnisse leiten die Ausarbeitungen ein. Darauf
bauen die eigenen Fragestellungen auf, die die Untersuchungsziele darlegen. Genaue Angaben zu dem Ablauf der Experimente, den verwendeten Stimuli und den angewandten
Methoden nden sich in den Unterpunkten Durchführung. In Stichprobe werden die Untersuchungsteilnehmer anonymisiert beschrieben, der Unterpunkt Ergebnisse legt sowohl die
Rohdaten als auch die Resultate der statistischen Auswertungen dar. Jedes Experiment
schlieÿt mit dem letzten Abschnitt Diskussion, der eine Interpretation der Ergebnisse in
Anbetracht der vorher erörterten Hintergrundinformationen und der eigenen Fragestellung
umfasst.
3.1 Experimentelle Untersuchungen der
Einzelmodalitäten
Ein Groÿteil der folgenden eindimensionalen psychophysischen Untersuchungen hat gemein, dass sie den Zusammenhang zwischen den unterschiedlichen physikalischen Reizausprägungen und den daraus resultierenden Empndungen (z.B. Rauheit, Gewicht) messen. Zu diesem Zweck kommt oft eine direkte Skalierungsmethode nach Stanley S. Stevens
[128], das Gröÿenschätzverfahren (engl. Magnitude Estimation Task ), zum Einsatz. In mehreren Versuchsdurchläufen drücken Probanden die empfundene Stärke verschiedener Reizintensitäten durch korrespondierende numerische Gröÿen aus. Mit Hilfe dieser Wertepaare
lassen sich typische Funktionen approximieren, die den Zusammenhang der physikalischen
und objektiv nachvollziehbaren Reizausprägungen mit ihrer subjektiv wahrgenommenen
73
3 Experimente
Reizstärke beschreiben. Es handelt sich um Potenzfunktionen nach dem Stevens'schen Gesetz:
Ψ = k · Im
mit der Empndungsintensität
Ψ,
(3.1)
der physikalischen Reizintensität I, einer Konstanten
k sowie dem modalitätsspezischen Exponenten m. Der Exponent gibt Aufschluss über
den Verlauf des Funktionsgraphen: bei Werten über eins ist der Graph stark steigend und
links gekrümmt, während er bei Werten unter eins verzögert und rechts gekrümmt ist.
Abbildung 3.1 zeigt beispielhaft Graphen für die Wahrnehmung von elektrischen Impulsen
(a), Objektlängen (b) und Helligkeit (c).
a
Wahrnehmungsstärke
100
b
80
60
c
40
20
0
20
40
60
80
100
Stimulusintensität
Abbildung 3.1:
Wahrnehmung von elektrischen Stromstöÿen (a), Objektlängen (b) und Hel-
ligkeit (c) [128].
Mit zunehmender Stimulusintensität steigt die wahrgenommene Stärke von elektrischen
Impulsen stark an. Schon eine kleine Erhöhung des Reizes Spannung führt zu der überpro3,5
portional starken Empndung Schmerz (Graph a: Ψ = 0, 00015 · I
). Anders ist dies bei
der Wahrnehmung von Helligkeiten: um eine Lichtquelle beispielsweise doppelt so hell wie
ein Vergleichslicht einzustellen, bedarf es einer vielfachen Erhöhung der Stimulusintensität
0,33
(Graph c: Ψ = 10 · I
). Die Wahrnehmung von Längen steht hingegen in einem linearen
1
Verhältnis zu den tatsächlichen Längen (Graph b: Ψ = I ).
Diese Besonderheiten der menschlichen Wahrnehmung sind zu beachten, wenn die Konguration der virtuellen Umgebung festgelegt wird: damit sich eine virtuelle Oberäche um
einen bestimmten Faktor rauer oder ein Gewicht um ein vielfaches schwerer anfühlt als ein
Vergleichsobjekt, bedarf es des Wissens um diese exakten Reiz-Reaktionsverbindungen.
Anders als Stevens' untersuchte und vermessene Empndungen geschieht die Reizaufnahme in der virtuellen Umgebung jedoch dynamisch ; das Oberächenrauheitsfeedback
wird zum Beispiel nicht allein durch die Oberächenrauheit, sondern stets in Abhängigkeit der Streichbewegung dynamisch generiert. Aus diesem Grund ist es nicht sinnvoll
74
3.1 Experimentelle Untersuchungen der Einzelmodalitäten
die bekannten Exponenten unreektiert aus der Literatur zu übernehmen, sondern sie
müssen für das haptische Feedback in virtueller Umgebung experimentell ermittelt werden.
75
3 Experimente
3.1.1 Vibratorisches Rauheitsfeedback
Die Reliefstruktur von realen Oberächen nimmt ein Mensch durch Berührung mit
den Fingern auf zweierlei Arten wahr: nach der Duplex Theorie [59][69] erregen grobe
Oberächen (Strukturen gröÿer als 1 mm) hauptsächlich Merkel'sche Tastscheiben und
Meissner'sche Tastkörperchen [93], während bei feineren Strukturen (kleiner als 1 mm)
Vater-Pacini Lamellenkörperchen [11] eine Reizantwort zeigen (vgl. Abschnitt 1.1.3.2).
Personen weisen dabei die beste Rauheitsdiskriminationsleistung auf, wenn sie grobe
Strukturen durch Fingerauegen ertasten. Feine Oberächen müssen hingegen mit den
Fingerbeeren aktiv überstrichen werden, um die empndlichen Vater-Pacini Körperchen
durch die entstehenden Vibrationen zu reizen [44]. Auf diese Weise können beispielsweise
Höhenunterschiede zweier benachbarter Flächen ertastet werden, die sich im Mikrometerbereich benden [77]. Die Wichtigkeit von vibratorischem Feedack für virtuelle und
telepräsente Manipulationsaufgaben ist nicht zu unterschätzen [83]. Rauheitsunterschiede
von Flächen können beispielsweise helfen Gewebearten in der Telechirurgie zu unterscheiden und feinmotorische Aufgaben zu erleichtern. Neben Kraftrückmeldungssystemen
kann die Bereitstellung von vibro-taktilem Feedback auÿerdem zu einer Verbesserung des
Präsenzerlebens beitragen.
Eine Vielzahl von Ansätzen für ein künstliche generiertes Rauheitsfeedback, das die
oben genannten Rezeptoren stimulieren soll, ndet sich in der Literatur. Verschiedene
Pin-dispays ermöglichen beispielsweise die Reizung eines einzelnen Fingers. Dafür wird
dieser auf ein Lochblech aufgelegt und durch kleine Stifte (pins) verformt, die von
unten durch die Löcher gegen ihn drücken. Die Stiftbewegungen werden sowohl bei einem
8x8 Pin-display [133] als auch bei einem 6x5 Pin-Display [142][76] über piezoelektrische
Bimorphe aktuiert. Die Stifte eines hochauösenden 20x20 Pin-displays
1
[70] werden
hingegen von einzeln Linearmotoren bewegt. Obwohl die genannten Ansätze in der
Lage sind, haptisches Feedback bereitzustellen, eignen sie sich aufgrund ihrer enormen
Gröÿe nicht für den hier angestrebten Einsatz in einem schlanken Datenhandschuh. Die
piezoelektrischen Elemente geraten auÿerdem bei Vibrationsfrequenzen oberhalb von
100 Hz an ihre Grenzen und liefern durch ihren geringen Hub nur Stimuli von geringer
Amplitude.
Kleinere vibratorische Feedbackeinheiten sind mit Miniaturlautsprechern möglich. Sie
lassen sich für jeden einzelnen Finger gut in einen Datenhandschuh integrieren [99].
Sortieraufgaben in einer virtuellen Umgebung konnten so durch haptisches Feedback vereinfacht werden und die Probanden zeigten auÿerdem besser angepasste (d.h. reduzierte)
Greifkräfte, trotz fehlender Kraftrückmeldung. Ein weiterer vibrotaktiver Datenhandschuh
[74] ist darauf ausgelegt, auch in fMRI-Tomographen zu funktionieren, denn aufgrund der
starken Magnetfelder (> 2 Tesla) ist keines der oben genannten Geräte für den Einsatz
in neurowissenschaftlichen Experimenten geeignet. Dieser Datenhandschuh liefert seinem
Träger über ein mechanisches Element an der Fingerspitze des Zeigengers vibratorisches
1 auf einer Fläche von 1
76
cm2
3.1 Experimentelle Untersuchungen der Einzelmodalitäten
Feedback.
Die hier genannten Beispiele für vibratorisches Feedback sind entweder zu groÿ, um sie in
einen Datenhanschuh zu integrieren, oder sie sind bautechnisch nicht vereinbar mit dem
zusätzlich vorgesehen thermalen Feedback (siehe 2.1.2.2 und 3.1.3). Aus diesem Grund ist
eine technische Lösung nach [73] realisiert: Gleichstrommotoren mit einer angebrachten
Unwucht an ihrer Drehachse erzeugen eine spannungsabhängige Vibration. Diese Motoren
sind klein genug, um in dem Fingerdisplayelement zusammen mit dem thermalen Feedbacksystem Platz zu nden. Da sie fest mit dem Displaykörper verklebt und die weiteren
Elemente des Displays ebenfalls starr angebracht sind, überträgt sich die erzeugte Vibration direkt auf den auiegenden Finger. Abschnitt 2.1.2.3 beschreibt den Aufbau des
entwickelten vibratorischen Elements und seine Lage im Detail.
Fragestellung und Hypothesen
Zunächst stellt sich die Frage, wie gut die entwickelte vibratorische Feedbackkomponente
geeignet ist, um Rauheit von virtuellen Oberächen darzustellen. Aus diesem Grund soll
ein Leistungsindex von Probanden mit vibratorischen Feedback (V
realer Umgebung (REAL) und in virtuell visueller Umgebung
Rvib ) mit der Leistung in
(V Rvis ) verglichen werden.
Aufgrund der Exzellenz des haptischen Systems des Menschen (siehe oben und Abschnitt
1.1.3.2) ist davon auszugehen, dass die Leistung in der realen Bedingung am besten sein
wird. Das vibratorische Feedback sollte Probanden eine mindestens ebenbürtige Aufgabenleistung ermöglichen, wie übliches visuelles Feedback. Alle drei Bedingungen müssen Probandenleistungen gestatten, die signikant besser als die Ratewahrscheinlichkeit sind. Als
abhängige Variable soll die Diskrimnationsleistung in einer Paarvergleichsaufgabe dienen,
die als Anzahl richtiger Klassikationen operationalisiert wird. Zusammenfassend werden
also folgende drei Hyphothesen aufgestellt:
REAL) ist der
V Rvib ) überlegen.
1. Die haptische Diskriminationsleistung in realer Umgebung (Gruppe
virtuell visuellen (Gruppe
V Rvis )
und der vibratorischen (Gruppe
2. Die haptische Diskriminationsleistung mit vibratorischem Feedback ist mindestens
so gut wie die mit virtuell visuellem Feedback.
3. Alle drei Versuchsbedingungen ermöglichen eine Probandenleistung, die höher als die
Rate-/ Zufallswahrscheinlichkeit ist.
Methode
Drei Teilaufgaben werden für eine abhängige Datenerhebung gebildet: Aufgabenteil REAL,
VRvib und VRvis . Jeder Versuchsteilnehmer soll in einem Paarvergleichsdesign wahrgenommene Unterschiede zwischen zwei Stimuli pro Versuchsdurchgang und in jedem Aufgabenteil bewerten. Dafür stehen ihnen je nach Aufgabe lediglich reale Reizvorlagen (REAL),
vibratorisches Feedback (VRvib ) oder virtuelles visuelles Feedback (VRvis ) zur Verfügung.
77
3 Experimente
2
Als Stimuli kommen Schleifpapiere unterschiedlicher Körnung
zum Einsatz. Dieses ist so-
wohl real verfügbar, kann in vibratorisches Feedback überführt werden (s.u. und Abschnitt
2.2.3.2 und 2.1.2.3) und ist als Textur (basierend auf einem Digitalphoto) visuell in der
virtuellen Testumgebung darstellbar.
Die Autoren einer experimentellen Studie [44] konnten durch ein staircase-Verfahren Weberquotienten zwischen k = 0,46 (SA = 0,12; bei Schleifpapierkörnung 320) und k = 0,37
(SA = 0,09 bei Schleifpapierkörnung 60) ermitteln. Aus diesem Grund werden in dieser
Untersuchung Schleifpapierpaarungen verwendet, deren Unterschied im unteren Bereich an
der Wahrnehmungsschwelle liegt. Schleifpapiere mit Körnung 40 - 60 - 80 - 100 - 120 - 150
- 180 - 280 - 400 - 600 - 800 - 1200 - 1500 bilden die Grundlage; der Paarvergleichspartner
eines Stimulus ist stets ein Schleifpapier mit benachbarter Körnung (eine Körnungsstufe
rauer, eine Körnungsstufe weniger rau) und ein Schleifpapier mit gleicher Körnung. Es ergeben sich demnach Weberquotienten zwischen k = 0,2 (Paarvergleich von Körnung 100
mit 120 bzw. Körnung 150 mit 180) und k = 0,55 (Körnung 180 mit 280). 37 unterschiedliche Paarvergleiche werden pro Versuchsperson und Aufgabenteil bewertet (Grundlage von
13 Schleifpapieren mit Körnung 40 1500: 13 Paarvergleiche der Papiere mit sich selber
+ 24 Paarvergleiche mit benachbarten Schleifpapierkörnungen).
Stichprobe
Die Untersuchung wurde mit 24 freiwilligen Studenten und Mitarbeitern der Universität
der Bundeswehr München durchgeführt (∅ 36,0
±
12,9 Jahre) und lieferte 22 auswert-
bare Datensätze. Eine Aufwandsentschädigung in Höhe von
e8
wurde jedem Teilnehmer
ausgezahlt.
Durchführung
Nach einer Einweisung in den Experimentalablauf durch den Versuchsleiter machte sich
jeder Versuchsteilnehmer zunächst durch einige Beispieldurchgänge mit der Aufgabe vertraut. Jeder Versuchsteilnehmer führte in zufälliger Reihenfolge die drei Teilaufgaben (REAL, VRvib und VRvis ) durch. Instruktionen erfolgten stets schriftlich und Beispielaufgaben
leiteten jede Bedingung ein. Die Probanden konnten alle Aufgaben ohne Zeitlimit bearbeiten und markierten jedes Urteil schriftlich auf einer analogen Skala. Insgesamt nahm die
Untersuchung ca. 1h pro Person in Anspruch.
1. Teilaufgabe REAL:
Die 37 Stimulipaare (s.o.) wurden dem Probanden nacheinander zum Ertasten mit
zwei Fingern der dominanten Hand dargeboten. Um visuelles Feedback der realen
Schleifpapiere zu unterbinden, wurden diese hinter einem Sichtschutz präsentiert. Zur
besseren Handhabung der Schleifpapiervorlagen waren diese auf Sperrholzbrettchen
aufgeklebt (siehe Abbildung 3.2, links).
2 Die Körnung eines Schleifpapiers gibt die Anzahl der Maschen eines Siebes pro Zoll (1 Zoll = 2,54 cm)
an. Körner, die durch dieses Sieb fallen können, werden für das entsprechende Schleifpapier verwendet.
Die Korngröÿe von Schleifpapier 180 ist also 0,141 mm (2,54 cm / 180 = 0,0141 cm).
78
3.1 Experimentelle Untersuchungen der Einzelmodalitäten
Abbildung 3.2:
Drei Diskriminationsaufgaben (v.l.n.r.): REAL: reales haptisches Feedback,
VRvib : vibrotaktiles Feedback, VRvis : visuelles Feedback [51].
2. Teilaufgabe VRvis :
Die 37 Stimulipaare wurden dem Probanden nacheinander visuell über den Monitor
dargeboten. Auÿer geringen Unterschieden in Helligkeit, Körnigkeit und Farbton der
Oberächentexturen standen den Probanden kein weiteres Feedback zur Verfügung
(siehe Abbildung 3.2, rechts).
3. Teilaufgabe VRvib :
Die 37 Stimulipaare wurden dem Probanden nacheinander zum Explorieren in virtueller Umgebung dargeboten. An Zeige- und Mittelnger der Maushand waren zu
diesem Zweck Displayelemente für vibrotaktiles Feedback befestigt (siehe Abschnitt
2.1.2.3); mit der Maus konnte wiederum die virtuelle Hand über die Stimulipaare
bewegt werden. Alle Stimuli zeigten die gleiche, weiÿe Oberäche, so dass lediglich
das vibratorische Feedback für die Probandenurteile herangezogen werden konnte.
Die Schleifpapierkörnungen wurden auf das verfügbare Spektrum der Vibrationsmotorspannungen (1 6 Volt) projiziert. Abbildung 3.3 veranschaulicht den Zusammenhang von Bewegungsgeschwindigkeit der Maus, Körnung des Stimulus und resultierender Motorspannung. Da sich die Handbewegungsgeschwindigkeit der Probanden
ständig ändert, ist zu beachten, dass hier ein dynamisches vibratorisches Feedback
generiert wird und nicht eine xe Vibrationseinstellung pro Oberächenrauheit realisiert ist. Rosa Rauschen, das über die Kopfhöhrer abgespielt wurde, maskierte auÿerdem jegliche Motorengeräusche des vibratorischen Feedbacks (siehe Abbildung 3.2,
mitte).
Ergebnisse
Die
Probandenurteile
der
empfundenen
Rauheit
in
allen
drei
Teilaufgaben
sind
in
Abbildung 3.4 dargestellt. In dieser Grak sind sämtliche Versuchsdurchgänge (N =
22) zusammengefasst, in denen tatsächlich unterschiedliche Stimuluspaare präsentiert
wurden. Die Daten sind so normiert, dass Probandenurteile im Bereich von ]0;3] die
Rauheitsuntschiede zwischen den Stimuli korrekt widerspiegeln (d.h. der auf der Abszisse
zuerst genannte rauere Stimulus wird auch als rauer bewertet). Der numerische Betrag
79
3 Experimente
[Körnung]
1500 ---- 280 180 150 120 100
80
60
40
Geschw. [u/s]
Vmax
0
6
1
Spannung [V]
Abbildung 3.3:
Zusammenhang von Bewegungsgeschwindigkeit der Maus, Körnung des Sti-
mulus und resultierender Motorspannung [51].
der Urteile gibt Aufschluss über die gefühlte Intensität des Unterschieds.
3
Probandenurteile
REAL
VRvis
VRvib
0
00
12
00
-1
5
00
0
80
012
60
080
0
40
060
0
28
040
0
18
028
0
15
018
0
12
015
0
10
012
80
-1
00
60
-8
0
40
-6
0
-3
Stimulipaarungen [Körnung]
Abbildung 3.4:
Normierte
Probandenurteile
der
Rauheitsunterschiede
bei
tatsächlich
unterschiedlichen Stimuli. Bereich [3;0[: rechter Stimulus rauer als linker (falsches Urteil). Bereich [0]: beide Stimuli gleich rau. Bereich ]0;3]: linker Stimulus rauer als rechter
(korrektes Urteil). Fehlerbalken: SA [51].
Abbildung 3.5 fasst die restlichen Experimentaldaten (N = 22) zusammen, in denen
tatsächlich gleiche Stimulipaare präsentiert wurden. In diesem Fall ist das Probandenurteil
0 korrekt und jegliche Abweichung davon ist als Fehler anzusehen.
Betrachtet man die Mittelwerte sowie deren Standardabweichungen, wird auch ohne
80
3.1 Experimentelle Untersuchungen der Einzelmodalitäten
Statistik leicht ersichtlich, dass sich die Leistung der Probanden in den drei Teilbereichen
in nicht relevantem Ausmaÿ voneinander unterscheiden.
3
Probandenurteile
REAL
VRvis
VRvib
0
15
00
-1
50
0
00
0
12
00
-1
2
80
080
0
0
60
060
40
040
0
28
028
0
18
018
0
15
015
0
0
12
012
10
010
80
-8
0
60
-6
0
40
-4
0
-3
Stimulipaarungen [Körnung]
Abbildung 3.5:
Probandenurteile
und
SA
der
Rauheitsunterschiede
bei
tatsächlich
gleichen Stimuli. Bereich [3;0[: rechter Stimulus rauer als linker (falsches Urteil). Bereich
[0]: beide Stimuli gleich rau (korrektes Urteil). Bereich ]0;3]: linker Stimulus rauer als
rechter (falsches Urteil) [51].
Die
Anzahl
der
korrekt
klassizierten
Versuchsdurchgänge
zeigt
nach
Teilaufgabe
getrennt Abbildung 3.6. In der realen Versuchsbedingung erreichen die Probanden mit
durchschnittlich 15,9 (SA: 1,85) erwartungskonformen Antworten die beste Leistung. Mit
virtuell-visuellem Feedback erzielen die Teilnehmer 10,32 (SA: 3,40), mit vibratorischem
Feedback 11,27 (SA: 3,34) richtige Antoworten.
Die Leistung in der Realbedingung ist nach einem T-test für abhängige Stichproben signikant besser als die Leistung mit vibratorischem Feedback (T = -2,164; p = 0,42). Alle drei
Bedingungen erlauben weiterhin eine signikant höhere Anzahl von korrekten Versuchsdurchläufen, als sie durch Raten (p = 0,33, d.h. bei 25 Durchgängen 8,33 zufällig Richtige)
erreichen könnten (T = 2,31 4,13; p = [0,03;0,001]).
Diskussion
Hypothese eins kann aufgrund der korrekten Probandenurteile angenommen werden: die
reale Bedingung erlaubt die signikant höchste Anzahl richtiger Stimulusklassikationen
und ist damit beiden anderen Bedingungen überlegen. Weiterhin wird aus Abbildung 3.4 ersichtlich, dass die Unterschiede der Reizpaare besonders deutlich wahrnehmbar sind (mehrere Mittelwerte zwischen -3 und -1), bei gleichzeigig kleiner Streuung (Paarungen 80100,
81
Anzahl korrekter Ratings
3 Experimente
Teilaufgabe
Abbildung 3.6:
Histogramm der korrekten Probandenurteile pro Teilaufgabe. Die Ratewahr-
scheinlichkeit beträgt 8,33 richtige Antworten [51].
Körnung
Ra
Rq
Rz
Pearson Korrelation
0,079
0,096
0,383
Sig. (2-seitig)
0,807
0,768
0,219
12
12
12
N
Tabelle 3.1:
Pearson-Korrelation der experimentell ermittelten Rauheitsurteile mit drei ver-
schiedenen Rauheitsparametern und der angegebenen Schleifpapierkörnung.
100120, 150180, 180280, 280400). Generell ist zu beobachten, dass die Diskriminationsleistung nur lose im Zusammenhang mit der erwarteten Aufgabenschwierigkeit (basiend auf
der Gröÿe des Weberquotienten) steht, während quantitativ einfache Vergleiche (Körnung
4060 und Körnung 8001200, Weberquotient = 0,5) kaum einen Unterschied erkennen
lassen. Eine nachträglich durchgeführte Korrelationsberechnung mit objektiv gemessenen
3
Rauheitsparametern
verdeutlicht diese Diskrepanz: aus Tabelle 3.1 ist zu entnehmen, dass
die Korrelation von gängigen Rauheitsparametern Ra (mittlere Rauheit), Rq (quadratische
Rauheit) und Rz (gemittelte Rautiefe) mit der angegebenen Körnung nahe null ist. Da
jedoch die menschliche Wahrnehmungsleistung von realen Reizvorlagen in Relation zu virtuellem Feedback im Fokus dieser Untersuchung steht, ist dieser Eekt zu vernachlässigen.
Die zweite Hypothese kann ebenfalls angenommen werden: das vibratorische Oberächenfeedback führt zu einer ähnlich guten Aufgabenleistung wie visuelles Feedback der Oberächen in virtueller Umgebung. In Teleaktionssitationen, in denen kein (oder ein sehr
schlechtes) Videobild verfügbar ist, vermag das vibratorische Feedback das visuelle also
bei der Oberächenexploration zu ersetzen.
Die dritte Hypothese wird durch den oben genannten Signikanztest der Probandenleistung in den drei Bedingungen gegen die Ratewahrscheinlichkeit bestätigt. In allen
Teilaufgaben können die Teilnehmer signikant bessere Leistung erzielen, als durch
3 Gemessen mit Mitutoyo SURFTEST SU-600, stylus 996133
82
3.1 Experimentelle Untersuchungen der Einzelmodalitäten
Zufallstreer zu erwarten wäre.
Zusammenfassend stellt sich das entwickelte vibratorische Feedback als sehr brauchbar für
die Darstellung von Oberächenrauheiten in viruteller Umgebung dar. Vorbedingung für
dessen Einsatz in Telepräsenzszenarien ist das Wissen um die tatsächlichen physikalischen
Eingenschaften der Oberächen auf der Teleoperatorseite. Dies ist durch ein vorab deniertes Raummodell einer bekannten Umgebung möglich oder kann durch geeignete Sensorik
auf Teleoperatorseite direkt gemessen und übermittelt werden.
Eine Verbesserung der Diskriminationsleistung lieÿe sich durch eine Beschränkung auf
einen kleineren Ausschnitt darstellbarer Oberächenrauheiten erreichen und müsste in einem forführenden Experiment überprüft werden.
Die kompakte Bauform, die Kompatibilität mit thermalem Materialfeedback (siehe Abschnitt 2.1.2.2) und der realitätsnahe dynamische Feedbackansatz eignen sich weiterhin für
den Einsatz in einem Datenhanschuh wie oben beschrieben und stellen neben den aufgezeigten Alternativen die am besten geeignete Variante dar.
83
3 Experimente
3.1.2 Pseudohaptisches Feedback
Die haptische Wahrnehmung des Menschen funktioniert nicht auf einer absoluten Basis,
sondern kann durch gleichzeitig visuelle Reize beeinusst werden [16]. Das wahrgenommene Volumen eines Objekts verändert beispielsweise das wahrgenommene Gewicht, so
dass eine Volumen-Gewichts Illusion auftritt: tatsächlich gleich schwere Objekte werden
proportional zu ihrem Volumen unterschiedlich schwer eingeschätzt [30]. Diese Illusion ist
gut dokumentiert und tritt auch auf, wenn ausschlieÿlich visuelles Feedback verfügbar ist,
wenn auch in abgeschwächtem Maÿe [39].
Das Phänomen, dass haptische Eigenschaften in Abwesenheit von echter haptischer
Perzeption (siehe Abschnitt 1.1.3.2) visuell vermittelt werden können, kann man als sog.
pseudohaptisches Feedback ausnutzen.
4
Mit einem Spaceball , der keine echte Kraftrückmeldung geben kann, konnten so haptische
Eindrücke vermittelt werden [80][79]: mit dem Spaceball wird ein virtueller Würfel
verschoben. Sobald er auf eine graue Fläche in der virtuellen Umgebung gerät, wird das
Verhältnis von Bewegungseingabe und sichtbarer Würfelbewegung (control / display ratio,
CDR ) verändert. Wird das Verhältnis gröÿer als eins, so sind kleine Steuerbewegungen
ausreichend, um den Würfel weit zu bewegen. In diesem Fall berichten Probanden von
einem Gefühl der Glätte und Leichtigkeit, während ein Verhältnis kleiner als eins den angezeigten Würfel stark verlangsamt darstellt und den Eindruck von Reibung, Schwere oder
Viskosität erzeugt. Ähnliche Eekte konnten mit virtuellen Druckfedern erzeugt werden,
deren unterschiedliche Härte allein durch pseudohaptisches Feedback vermittelt waren [15].
Da in der vorliegenden Arbeit auf echtes haptisches Feeback, wie es ein Exoskelett [120]
oder eine komplexe Roboterplattform [25] bereitstellen könnte, aus Gründen der Kosten,
Komplexität und Robustheit verzichtet wird, stellt pseudohaptisches Feedback eine gute
Alternative dar. Die folgenden Unterkapitel beschäftigen sich deshalb mit der eigenen Implementierung von pseudohaptischem Feedback (Software erläutert in Abschnitt 2.2.4) und
führen Experimente auf, die für ein pseudohaptisches Rauheitsfeedback (Absatz 3.1.2.1)
und ein pseudohaptisches Gewichtsfeedback (Absatz 3.1.2.2) angestellt wurden.
3.1.2.1 Pseudohaptische Rauheit
Neben dem vibratorischen (Aufbau siehe 2.1.2.3) und dem auditiven (Aufbau siehe 2.2.5)
Feedback steht in der vorliegenden Arbeit als drittes Element auch pseudohaptisches
Feedback zur Darstellung von Oberächenbeschaenheiten bereit. Der Eekt von gezielt
eingesetztem CDR wird in der Computer- und Videospielbranche schon lange Zeit genutzt
(z.B. rütteln Autos oder das Bildschirmbild, wenn der Spieler die virtuelle Fahrbahn
verlässt, Glatteis oder klebriger Untergrund wird in Side-Scoller Spielen durch eine
Beschleunigung/ Verzögerung der Spielgur dargestellt etc.), aber Forschungsarbeiten
zu pseudohaptischer Oberächenrauheit gibt es wenige. Neben den oben genannten
Veröentlichungen zeigte [78], dass ein waagrechte Computermausbewegung über einen
4 Navigationsgerät der Firma Logitech mit 6 DOF, geeignet für Anwendungen in drei Dimensionen.
84
3.1 Experimentelle Untersuchungen der Einzelmodalitäten
Bildschirmbereich die Illusion eines vorhandenen Hügels oder Tals hervorrufen kann, wenn
sich die Mauszeigerbewegung entsprechend beschleunig oder verzögert: verzögert sich die
Mauszeigerbewegung in Relation zu der realen Mausbewegung (CDR ist gröÿer als eins),
deutet das auf einen ansteigenden Hügel hin, der abfällt, sobald sich die CDR daraufhin
auf einen Wert kleiner als eins verändert. Wenn die CDR dann wieder den ursprünglichen
Wert von eins annimmt, ist der virtuelle Hügel überwunden und der Mauszeiger bendet
sich wieder auf Ursprungsniveau. Umgekehrt vermag eine anfängliche Mauszeigerbeschleunigung (CDR < 1), die kurz darauf in eine Verzögerung (CDR > 1) übergeht und
dann schlieÿlich wieder auf eins gesetzt wird, die Empndung einer virtuell vorhandenen
Vertiefung hervorrufen [78].
In der realen haptischen Exploration von Macrotexturen hat neben der geometrischen
Form auch die Gröÿe der auftretenden (Gegen-) Kräfte einen Einuss auf die Wahrnehmung [117]. Experimentell hergestellte Widersprüche in Form von geometrischen
Vertiefungen,
die
jedoch
gleichzeitig
der
Fingerbewegung
der
Probanden
mit
einer
erhöhten Gegenkraft entgegenwirken, können die wahrgenommene Oberächengeometrie
beeinussen. Auch dieser Befund zeigt, dass das reale Ertasten von Oberächeneigenschaften kein isolierter Vorgang ist, sondern von anderen Wahrnehmungsvorgängen moderiert
sein kann. In Situationen, in denen Probanden sowohl visuelles (statisches Szenenbild) als
5
auch haptisches Feedback (vermittelt über ein PHANToM 1.0 ) virtueller Oberächen
zur Verfügung steht, scheinen Mircotexturen eher auf Grundlage des haptischen- und
Makrotexturen auf Basis von visuellem Feedback beurteilt zu werden [109].
Analog zu den obigen Beispielen des pseudohaptischen Feedbacks ist im Rahmen dieser
Arbeit ein pseudo-haptisches Rauheitsfeedback realisiert, das die Oberächenrauheit
nicht taktil oder haptisch, sondern visuell dargestellt. Es setzt ein, sobald ein Operator
in virtueller Umgebung mit seiner virtuellen Hand eine Oberäche berührt und eine
überstreichende Explorationsbewegung durchführt. Indem dann die CDR der virtuellen
Hand in Bezug auf die tatsächliche Operatorbewegung verändert wird, können unterschiedliche Grade von Rauheit (CDR ist groÿer als eins und verzögert die Bewegung)
und Glätte (CDR ist kleiner als eins und beschleunigt die Bewegung) operationalisiert
werden. Weitere Details zu dem implementierten pseudohaptischen Feedback nden sich
in Abschnitt 2.2.4.2.
Im Folgenden werden zwei Experimente zur pseudohaptischen Rauheitsdarstellung beschrieben: Experiment A befasst sich mit der psychophysischen Skalierung des Feedbacks
während Experiment B die Passung unterschiedlicher CDR-Werte an reale Materialoberächen untersucht.
5 SensAble Devices, Inc.
85
3 Experimente
Experiment A: Psychophysische Skalierung des pseudo-haptischen Feedbacks
Fragestellung und Hypothesen
Dieses Experiment befasst sich mit der Frage, wie Menschen das entwickelte pseudohaptische Rauheitsfeedback quantitativ empnden. Die Relation der einstellbaren Feedbackstärken und der subjektiven Intensität der empfundenen Rauheit wird dafür experimentell
ermittelt. Die Hypothesen basieren auf den oben aufgeführten Erkenntnissen aus anderen
Implementierungen von pseudohaptischem Rauheitsfeedback [78]:
1. Probanden empnden pseudohaptisches Rauheitsfeedback mit einer CDR kleiner als
eins glatt oder rutschig, während eine CDR gröÿer als eins eine raue Oberäche
erzeugt.
2. Die resultierenden subjektiven Wahrnehmungsintensitäten erlauben die Berechnung
der Stevens'schen Exponentialfunktion.
Methode
Für die Datenerhebung wurde das Gröÿenschätzverfahren nach [128] genutzt. In Paarvergleichsdurchgängen lag stets ein Referenzreiz mit fester Feedbackintensität vor, der als
Grundlage für die subjektive Bewertung eines weiteren Reizes diente (siehe Abbildung 3.8).
Das Experiment war zweigeteilt, mit jeweils unterschiedlichen Referenz- und Testreizen: in
Teil 1 wurde die CDR des Referenzreizes auf 0,5 eingestellt und mit sieben CDR Testreizen von [5,0 2,5 1,66 1,25 1,0 0,66 0,5] verglichen. Teil 2 wies einen CDR Referenzreiz
von 2,0 auf, während die sieben Vergleichsreize [2,0 1,33 1,0 0,8 0,62 0,5 0,28] betrugen.
Abbildung 3.7 verbildlicht die Logik der Stimuluskombination. Durch die zweiseitige Herangehensweise (Teil 1: Referenzstimulus CDR 0,5 und Vergleich mit gröÿeren CDRs; Teil
2: Referenzstimulus CDR 2 und Vergleich mit kleineren CDRs) kann ein möglichst groÿes
Spektrum von CDR-Ausprägungen gröÿer und kleiner als CDR = 1 mit Hilfe von einzelnen
Paarvergleichen untersucht werden.
CDR Referenzstimulus
0,5
1
0,66
1,25
1,66
2,50
CDR-Werte Teilaufgabe 1
5
0
0,28
0,5 0,62
0,8
1
1,33
CDR-Werte Teilaufgabe 2
2
Abbildung 3.7:
CDR Referenzstimulus
Verwendete CDR Ausprägungen für Referenz- und Teststimuli in den Teilauf-
gaben 1 und 2 [51].
Begleitet waren die sich ergebenden Stimuluspaarungen von der Frage: Die linke Platte
hat eine Rauigkeit von 10. Wie rau erscheint Ihnen die rechte Platte? (Teil 1) bzw. Die
linke Platte hat eine Rauigkeit von 10. Wie glatt erscheint Ihnen die rechte Platte? (Teil
86
3.1 Experimentelle Untersuchungen der Einzelmodalitäten
2). Da jede Paarung drei Mal erstellt wurde, ergaben sich somit insgesamt 21 Durchgänge
pro Person und Teil.
Der Versuchsrechner randomisierte die Paarungensreihenfolge für jeden Probanden; die
Reihenfolge von Teil 1 und Teil 2 des Experiments wurde ebenfalls zufällig gewählt. Probandenantworten gab der Versuchsleiter direkt in die dafür angepasste VR ein, so dass sie
automatisch mit den Stimulusreihenfolgen abgespeichert werden konnten.
Die in Kaptiel 2.1 beschriebene Hardware kam für diesen Versuch zum Einsatz. Der Datenhandschuh wurde nur für die Hand- und Fingerbewegungen benötigt, so dass alle übrigen
Komponenten entfernt wurden.
Sichprobe
Die Untersuchung wurde mit freiwilligen Studenten und Mitarbeitern der Universität der
Bundeswehr München durchgeführt (N = 30;
∅ 31,2 ± 5,1
Jahre) und lieferte 30 auswert-
bare Datensätze. Eine Aufwandsentschädigung in Höhe von
e10
wurde jedem Teilnehmer
ausgezahlt. Alle Probanden nahmen auÿerdem an Experiment B (s.u.) teil.
Durchführung
Nach einer Einweisung in Datenhandschuh, HMD und VR durch den Versuchsleiter machte
sich jeder Versuchsteilnehmer zunächst in einer Eingewöhnungsphase mit der VR vertraut.
Anschlieÿend erläuterte der Versuchsleiter mit Hilfe von Beispieldurchgängen den Experimentalablauf. Abbildung 3.8 zeigt ein Bildschirmfoto aus der Probandensicht: vor ihm
lagen auf der linken Seite der Referenzstilmulus mit einer festgelegten Intensität von 10
(CDR 0,5 oder 2,0, s.o.) und auf der rechten Seite die Testplatte mit unbekannter Intensität. Die virtuelle Hand wurde mit Hilfe des Datenhandschuhs von dem Probanden bewegt,
so dass er durch Überstreichbewegungen pseudohaptisches Rauheitsfeedback nutzen konnte, um die Frage des Versuchsleiters zu beantworten: Die linke Platte hat eine Rauigkeit
von 10. Wie rau/glatt erscheint Ihnen die rechte Platte?. Für die Beantwortung gab es
kein Zeitlimit und die Teilnehmer durften beide Flächen so oft berühren wie nötig. Zur
besseren Kontrolle für den Versuchsleiter und den Probanden färbten sich die Platten bei
Berührung grün.
Ein allgemeiner Evaluationsfragebogen (siehe Anhang I.1) wurde von allen Probanden
ausgefüllt. Seine Skalen und die Ergebnisse der Probandenantworten werden in Abschnitt
3.3 erläutert. Der wiederholte Einsatz desselben Fragebogens in weiteren Experimenten
in dieser Arbeit ermöglicht den Vergleich der Mensch-Maschine Schnittstellen mit unterschiedlichen Ausprägungen.
Jeder Proband benötigte ca. 45 Minuten für diese Untersuchung.
Ergebnis
Die resultierenden Stevensfunktionen sind in Abbildung 3.9 dargestellt. Es handelt sich
hierbei um die Verhältnisse der CDRs von Referenz- und Testreizen auf der Abszisse und die
zugehörigen Probandenurteile auf der Ordinate. Zur besseren Übersicht sind die Graphen
in einem Log-Log-skalierten Koordinatensystem aufgetragen. Die Stevensfunktion auf der
87
3 Experimente
Abbildung 3.8:
Die Probandensicht auf die Testplatten. Links: Referenzplatte mit vorgegebe-
ner Intensität 10, rechts: Vergleichplatte, deren Intensität von dem Probanden angegeben
wurde. Virtuelle Hand rechts im Bild [51].
linken Seite der Abbildung basiert auf den Daten von Aufgabenteil 1 (Referenzreiz CDR
−0,6636
2
0,5) und lautet: Ψ = 9, 9025 · I
bei einem Bestimmtheitsmaÿ von R = 0, 9965. Die
Daten des Aufgabenteils 2 (Referenzreiz CDR 2) ergeben die Funktion auf der rechten
0,6936
2
Abbildungsseite: Ψ = 10, 519 · I
mit einem Bestimmtheitsmaÿ vn R = 0, 9859.
Diskussion
Wie in der ersten Hypothese vermutet, stellt sich bei den Probanden durchweg ein
relatives Glättegefühl der Oberächen ein, wenn die CDR-Werte der Testäche kleiner als
die CDR des Referenzäche war. Andersherum wurde die Testäche mit einem gröÿeren
CDR Wert als die der Referenzseite als rauer angegeben. Ersichtlich ist dies an den
Probandenantworten, die in den Teilaufgaben stets Intensitätsurteile gröÿer oder gleich 10
(Referenzreiz) abgaben und sie damit glatter bzw. rauer wahrgenommen haben müssen.
Auch die zweite Hypothese, dass aus den Daten eine Stevensfunktion errechenbar ist, hat
2
sich bestätigt. Die gesamten Datenpunkte liegen mit sehr gute Passung (R > 0, 986)
auf zwei Mittelgeraden in dem Log-Log skalierten Koordinatensystem. Die Exponenten
m = -0,66 bzw. m = 0,69 zeigen einen abnehmenden Intensitätsanstieg mit wachsendem
CDR-Quotienten. Hätten die Probanden bei der Rauheitseinschätzung lediglich aufgrund
der virtuell zurückgelegten Strecke beurteilt, wäre ein Exponent von ca. 1 zu erwarten
gewesen,
da
Menschen
visuelle
Distanzschätzungen
sehr
gut
beherrschen
[128].
Die
ermittelten Exponenten kommen hingengen in ihrem Betrag dem von Stevens gefunden
Exponenten für Vibrationswahrnehmung des Fingers (m = 0,6) nahe und weisen deswegen
ein sehr ähnlichen, verzögernden Funktionsverlauf auf.
Die valide Messung zeigt sich in dem Kreuzungspunkt K der beiden Funktionen, der
88
3.1 Experimentelle Untersuchungen der Einzelmodalitäten
100
Standard CDR 2
Probandenurteile
Standard CDR 0,5
10
0,1
1
10
Verhältnis der verglichenen CDR-Werte
Abbildung 3.9:
Pseudohaptisches Rauheitsfeedback: subjektive Oberächenrauheiten (Ordi-
nate) und Verhältnisse der control/ display ratios (Abszisse) mit folgenden Stevensfunk−0,6636
tionen für glatte (links) bzw. raue (rechts) Stimuli: Ψ = 9, 9025 · I
(R2 = 0, 9965)
0,6936
bzw. Ψ = 10, 519 · I
(R2 = 0, 9859) [51].
etwa bei K(1|10) liegt. In diesem Punkt K weisen die Testplatten dieselbe CDR wie die
Referenzplatte auf (ihr Verhältnis ist hier eins) und sie gehen mit dem Intensitätsurteil
10 einher, deren Wert auch die Referenzplatte trägt. Weiterhin weisen beide Teilaufgaben
Funktionsverläufe auf, die fast perfekt achsensymmetrisch sind. Dies ist auf die zweiseitige
Herangehensweise (siehe Stimuli in Abbildung 3.7) zurückzuführen und als Beleg zu
verstehen, dass die Probanden in beiden Teilaufgaben unterschiedliche Ausprägungen
derselben Dimension Rauheit beurteilt haben.
Experiment B: Pseudo-haptische Rauheit und reale Oberächenbeschaenheit
Fragestellung
Die zweite Untersuchung soll klären, wie Probanden reale Oberächen mit unterschiedlichen Rauheiten in Verbindung bringen [52]. Es stellt sich die Frage, ob es eine generelle
Übereinstimmung von Oberächenbeschaenheiten und passenden CDR Werten gibt und
wie stark frei wählbare CDR-Werte interindividuell streuen. Aufgrund des explorativen
Charakters der Untersuchung werden keine spezischen Hypothesen aufgestellt.
89
3 Experimente
#
Ra [µm]
Rq [µm]
Rz [µm]
1
Schleifpapier Körnung 40
43,741
56,265
302,756
2
Schleifpapier Körnung 80
50,799
62,146
291,268
3
Schleifpapier Körnung 150
22,181
27,675
158,523
4
Schleifpapier Körnung 1500
3,596
4,492
25,091
5
Steiniese
30,415
36,749
158,496
6
Kork
8,006
11,677
81,584
7
Schaumgummi
Messung nicht möglich
8
Sto
Messung nicht möglich
9
Lackierte MFD Platte
0,529
0,677
3,851
Fensterglas
0,007
0,008
0,046
10
Tabelle 3.2:
Material
Verwendete Stimuli in Experiment B und ihre gemessenen Rauheitsparameter Ra ,
Rq und Rz .
Methode
Mit Hilfe eines Herstellungsverfahrens sollen Probanden zehn reale Oberächen real ertasten und dabei den CDR Wert einer virtuelle Oberächen so einstellen, dass er am besten
zu der realen Oberäche passt. Die Oberächen sind in Tabelle 3.2 aufgeführt, zusammen
mit den gemessenen physikalischen Rauheitsparametern Ra , Rq und Rz
6
. Die Rauheit
des Schaumgummis und des Stos können aufgrund ihrer Verformbarkeit nicht gemessen
werden. Zusätzlich zu den eingestellten CDR Werten wird die Zufriedenheit der Probanden mit diesem Wert in jedem Durchgang auf einer 5-stugen Skala aufgezeichnet. Diese
erlaubt die spätere Beurteilung der eingestellten CDR Werte.
Stichprobe
Die Untersuchung wurde mit freiwilligen Studenten und Mitarbeitern der Universität der
Bundeswehr München durchgeführt (N = 30;
∅ 31,2 ± 5,1
Jahre) und lieferte 30 auswert-
bare Datensätze. Eine Aufwandsentschädigung in Höhe von
e10
wurde jedem Teilnehmer
ausgezahlt. Alle Probanden nahmen auÿerdem an Experiment A (s.o.) teil.
Durchführung
Nach einer Einweisung in Datenhandschuh, HMD und VR durch den Versuchsleiter machte
sich jeder Versuchsteilnehmer zunächst in einer Eingewöhnungsphase mit der VR vertraut
(wenn nicht schon in Experiment A geschehen). Danach erklärte der Versuchsleiter den
Ablauf des Experiments anhand von Beispieldurchgängen. Abbildung 3.10 zeigt auf der
linken Seite einen Probanden, der die virtuelle Umgebung visuell über ein HMD aufnimmt
6 Oberlächenscanner Mitutoyo SURFTEST SU-600, Stylus 996133
90
3.1 Experimentelle Untersuchungen der Einzelmodalitäten
und ein virtuelles Abbild seiner Hand mit einem Datenhandschuhs kommandiert (rechtes
Bild). Seine linke Hand ertastet das reale Objekt, dessen virtuelle Repräsentation einzustellen war. Dafür hatten die Versuchsteilnehmer einen groÿen Joystick zur Verfügung,
dessen linker Knopf den CDR Wert der virtuellen Platte um 0,1 reduzierte während der
rechte Joystickknopf die CDR um 0,1 anhob. Als zusätzliches visuelles Feedback für jeden
akzeptierten Joystickknopfdruck leuchtete das Minus- bzw. Plussymbol in der virtuellen
Sicht kurz rot auf. Zur besseren Ablaufkontrolle für den Versuchsleiter und den Probanden
färbte sich die Platten bei Berührung und damit bei aktiven CDR Feedback grün.
Erreichten die Probanden den nach ihrer Meinung nach bestmöglichen CDR-Wert, teilten
sie dies dem Versuchsleiter mit und gaben auf einer 5-stugen Skala (1: sehr unzufrieden,
5: sehr zufrieden) an, wie zufrieden sie mit dem eingestellten Wert waren.
Für die Bearbeitung der Aufgabe gab es kein Zeitlimit und die Teilnehmer durften sowohl
die reale als auch die virtuelle Flächen so oft berühren wie nötig. Jede Oberäche wurde
im Verlauf eines Probandendurchgangs zweimal bearbeitet, so dass jede Versuchsperson 20
Items bewertete.
Abbildung 3.10:
Versuchsaufbau Experiment B. Links: Proband mit HMD, Datenhandschuh,
realer Reizvorlage und Joystickknöpfen zur Änderung der aktuellen CDR. Rechts: Sicht des
Probanden auf die virtuelle Testumgebung [51].
Ergebnisse
Die Zusammenfassung aller Messwerte ist in Abbildung 3.11 aufgeführt. Sie zeigt die gemittelten CDR-Werte (rote Balken, Fehlerbalken: SA), die von den Probanden eingestellt
wurden sowie die zugehörigen Zufriedenheitsratings (blauer Balken, Fehlerbalken: SA, 1:
sehr unzufrieden, 5: sehr zufrieden).
Die Korrelationskoezienten aller CDR-Werte gibt Tabelle 3.3 wieder: zwischen den CDRWerten sowie allen drei Rauheitsparametern bestehen signikante Korrelationen zwischen
r = 0,643 und r = 0,658 (p < 0,001) (siehe Tabelle 3.3).
91
3 Experimente
5
5
CDR Werte
Zufriedenheitsrating
4,5
4
4
3,5
3,5
3
3
2,5
2,5
2
2
1,5
Zufriedenheitsrating
Eingestellte CDR-Werte
4,5
1,5
1
1
0,5
Abbildung 3.11:
as
gl
er
st
en
:F
10
9
M : La
D ck
F
Pl iert
at e
te
8:
S
to
ff
i
um
oo
sg
M
7:
6:
Ko
r
m
k
se
nf
lie
St
ei
5:
3
Kö : Pa
rn pie
un r
g
15
0
4:
Kö Pa
rn pie
un r
g
15
00
2
Kö : Pa
rn pie
un r
g
80
1
Kö : Pa
rn pie
un r
g
40
0
Ergebnis Exeriment B. Eingestellte CDR-Werte und zugehörige Probanden-
urteile je Oberäche (Fehlerbalken: SA) [51].
Diskussion
Die in Abbildung 3.11 aufgeführten Daten lassen den Schluss zu, dass eine generelle
Tendenz der Probanden besteht, glatte Oberächen (z.B. die lackierte Platte, das Fensterglas) mit einem kleineren CDR-Wert zu versehen als raue Oberächen (z.B. Sandpapiere
unterschiedlicher Körnung). Das resultiert in einer Beschleunigung der virtuellen Hand für
glatte Oberächen, während raue Oberächen mit einer Handverzögerung einhergehen.
Die teilweise sehr hohen Standardabweichungen der Messwerte (siehe Sandpapier Körnung
80, Körnung 1500, Moosgummi) bezeugen jedoch, dass die Probanden auÿerhalb dieser
Grobzuteilung von CDR-Werten nur eine geringe Übereinstimmung pro Oberächenstimulus aufweisen. Diese geringe, aber dennoch vorhandene Übereinstimmung spiegelt sich in
der Korrelation der Rauheitsparameter (Tabelle 3.3) wider: der Korrelationskoezienten
von r
≈
0,6 beziert den mittel starken Zusammenhang der CDR-Wert den objektiven
Rauheitsmaÿen. Diese Parameter stellen damit momentan die besten Richtlinien dar, um
CDR-Werte (auch ohne Befragung) für pseudohaptisches Rauheitsfeedback in virtueller
Umgebung apriori sinnvoll zu wählen.
Die Mittelwerte der Zufriedenheitsmaÿe benden sich zwischen 3,25 (SA: 1,01) und
3,93 (SA: 0,98) und legen den Schluss nahe, dass das pseudohaptische Rauheitsfeedback
durchaus geeignet ist, Rauheit visuell darzustellen. Keiner der Teilnehmer bewertete die
Ermittelte CDR-Werte
Ra
Rq
Rz
Pearson Korrelation
0,643
0,643
0,658
Sig. (2-seitig)
0,000
0,000
0,000
240
240
240
N
Tabelle 3.3:
Pearson-Korrelation der experimentell ermittelten CDR-Werte mit drei verschie-
denen Rauheitsparametern.
92
3.1 Experimentelle Untersuchungen der Einzelmodalitäten
eingestellte CDR als schlecht passend.
3.1.2.2 Pseudohaptisches Gewicht
Zusammen mit dem pneumatischen Gewichtsfeedback (Aufbau siehe Abschnitt 2.1.2.4)
wird in dieser Arbeit visuell vermitteltes pseudohaptisches Feedback als Möglichkeit genutzt, um einem Operator Gewichtsfeedback von gehobenen Objekten in virtueller Realität
bereitzustellen. Im obigen Absatz 3.1.2 sind bereits einige Forschungsarbeiten zu pseudohaptischem Feedback aufgezeigt worden, jedoch gibt es bisher noch keine weiterführenden
Arbeiten, in denen pseudohaptisches Feedback als Substitut von realem kinästethischem
Feedback [25][120] behandelt wird.
In einer experimentellen Untersuchung konnte [36] belegen, dass die kinästhetische Wahrnehmung des Gewichts einer Kugel durch ein verändertes visuelles Feedback des Hebevorgangs beeinussbar ist. Je schneller sich die virtuelle Darstellung der Kugel beim Heben
nach oben bewegte, desto leichter schätzten die Probanden sein Gewicht ein.
Fragestellung
Diese Untersuchung soll klären, in welchem Verhältnis die einstellbaren Verzögerungen
des implementierten pseudohaptischen Gewichtsfeedbacks (Aufbau siehe Abschnitt 2.2.4.1)
mit der resultiernden pseudohaptischen Gewichtswahrnehmung des Menschen steht. Dafür
werden die Parameter
k
und
m
der Stevens'sche Funktion (Gleichung 3.1) experimentell
ermittelt.
Methode
Für die Datenerhebung wurde das Gröÿenschätzverfahren nach [128] genutzt. In Paarvergleichsdurchgängen lag stets ein virtueller Referenzreiz mit fester Feedbackintensität vor,
der als Grundlage für die subjektive Bewertung eines zweiten virtuellen Reizes diente. Bei
den Stimuli handelte es sich um neutrale, graue Zylinder, die mit der virtuellen Hand gehoben werden konnten, um das pseudohaptische Gewichtsfeedback wahrnehmen zu können.
Das Gewicht wird hier indirekt über den visuellen Kanal kodiert: Je schwerer ein Objekt
dargestellt werden soll, desto schwerfälliger und langsamer soll es sich in der virtuellen
Umgebung auch heben lassen. Dabei wird das Verhältnis von Eingabe zu Ausgabe systematisch modiziert; dies funktioniert ähnlich wie die Veränderung der control / display
ratios (CDR), tatsächlich wird die Bewegung jedoch nur unterschiedlich stark verzögert
dargestellt: Positionsdaten, die der Magnettracker der Hand liefert, werden um zusätzliche
Positionsdaten erweitert. Diese zusätzlichen Daten werden zwischen tatsächlich gemessenen Handpositionen interpoliert und gelangen dann zusammen in einen First-In-First-Out
Speicher. Da die virtuelle Umgebung Positionsdaten stets mit einer konstanten Rate umsetzt, führen die zusätzlichen Daten im Speicher nun zu einer verzögerten Abarbeitung der
Handpositionen. Abhängig von der Anzahl der zusätzlichen Datenpunkte resultieren unterschiedlich stark ausgeprägte Verzögerungen, was beim Benutzer mit einer Zunahme des
Gewichtseindrucks in Verbindung gebracht wird. Die exakte technische Implementierung
93
3 Experimente
des Feedbacks ist Kapitel 2.2.4.1 zu entnehmen.
Fünf verschiedene Verzögerungensfaktoren (2, 3, 4, 5, 6) wurden für diese Untersuchung
herangezogen und einem gleichbleibenden Referenzreiz mit Verzögerungsfaktor 2 und festgelegter Intensität von 10 gegenübergestellt.
Ein allgemeiner Evaluationsfragebogen (siehe Anhang I.1) wurde von allen Probanden
ausgefüllt. Seine Skalen und die Ergebnisse der Probandenantworten werden in Abschnitt
3.3 erläutert. Der wiederholte Einsatz desselben Fragebogens in weiteren Experimenten
in dieser Arbeit ermöglicht den Vergleich der Mensch-Maschine Schnittstellen mit unterschiedlichen Ausprägungen.
Stichprobe
Die Untersuchung wurde mit freiwilligen Studenten und Mitarbeitern der Universität der
Bundeswehr München durchgeführt (N = 20; (∅ 27,5
±8
Jahre)) und lieferte 20 auswert-
bare Datensätze. Eine Aufwandsentschädigung in Höhe von
e8
wurde jedem Teilnehmer
ausgezahlt.
Durchführung
Nach einer Einweisung in Datenhandschuh, HMD und VR durch den Versuchsleiter machte
sich jeder Versuchsteilnehmer zunächst in einer Eingewöhnungsphase mit der VR vertraut.
Die virtuelle Umgebung wurde über ein HMD dargestellt und ein virtuelles Abbild seiner
Hand konnte der Proband mit einem Datenhandschuhs kommandieren. Der Versuchsleiter
erklärte den Ablauf des Experiments anhand von Beispieldurchgängen; die Wirkweise der
Rückmeldung wurde jedoch nicht weiter erläutert. Abbildung 3.12 zeigt auf dem linken
Bild den virtuellen Referenzzylinder mit festgelegter Intensität von 10 und den Testzylinder mit unbekannter Intensität; das rechte Bild zeigt die virtuelle Hand beim Heben des
Testzylinders. Das pseudohaptische Gewichtsfeedback wurde exploriert, indem der Proband einen Zylinder gri und ihn anhob. Um einen vergleichbaren Hub zwischen allen
Teilnehmern zu gewährleisten, war ab einer Höhe von 40 cm über dem Tisch ein Ton in
der virtuellen Testumgebung zu hören. Die Probanden waren angewiesen, die Zylinder
mindestens bis zum Ertönen dieses Signals zu heben. Nach jedem Item teilte er dann dem
Versuchsleiter die wahrgenommene Gewichtsintensität mit, die dieser protokollierte.
Für die Bearbeitung der Aufgabe gab es kein Zeitlimit und die Teilnehmer durften die
Zylinder so oft anheben wie nötig. Jede Zylinder wurde im Verlauf eines Probandendurchgangs zweimal bearbeitet, so dass jede Versuchsperson 10 Items bewertete.
Ergebnis
Das doppelt logarithmisch skalierte Diagramm in Abbildung 3.13 zeigt die resultierende
Stevens'sche Funktion für pseudohaptisches Gewichtsfeedback: die Gewichtswahrnehmung
der Probanden in Relation zu den eingestellten visuellen Verzögerungen lässt sich mit einem
2
1,357
Bestimmtheitsmaÿ von R = 0, 886 durch die Funktion Ψ = 4, 87 · I
beschreiben.
94
3.1 Experimentelle Untersuchungen der Einzelmodalitäten
Abbildung 3.12:
Probandensicht auf die Experimentalstimuli. Links: Referenzzylinder mit
festgelegter Intensität von 10 und Testzylinder mit unbekannter Intensität. Rechts: virtuelle Hand, die den Testzylinder greift und hebt [51].
Probandenurteile
100
10
Abbildung 3.13:
1
Ausprägung Gewichtsfeedback
10
Pseudohaptisches Gewichtsfeedback: subjektive Gewichtswahrnehmung (Or-
dinate) und objektive Feedbackparameter (Abzisse) mit der Stevensfunktion:
Ψ = 4, 87 · I 1,357 , R2 = 0, 886 [51].
Diskussion
Die ermittelte psychometrische Funktion quantiziert den Zusammenhang von subjektivem Empnden und objektiver Einstellung des pseudohaptischen Gewichtsfeedbacks:
mit steigender visueller Verzögerung der angehobenen Zylinder intensiviert sich das
wahrgenommene virtuelle Gewicht überproportional stark (m = 1,36). Die Funktion passt
sich mit zufriedenstellender Güte an die empirischen Daten an, so dass die Interpolation
95
3 Experimente
der Zwischenwerte gerechtfertigt ist.
3.1.3 Thermale Materialidentikation
Das thermodynamische Feedback ist eine weitere Komponente der entwickelten MenschMaschine Schnittstelle, die Manipulationsaufgaben in virtueller Umgebung (sowie in
Teleaktionsanwendungen) realitätsnäher gestaltet. Ähnlich wie die Farbdarstellung visuelle Displays aufwertet, so soll das thermale Feedback haptische Schnittstellen verbessern
und die natürlichen Wahrnehmungsmodalitäten eines Operators ausschöpfen [66].
Eine Reihe von unterschiedlichen thermalen Displays ist in der wissenschaftlichen Literatur zu nden, deren technischer Aufbau stets sehr ähnlich ist. Sie verfügen über einen
Temperatursensor, thermoelektrische Elemente und über Wärmetauschersysteme. Der
Temperatursensor erlaubt das Messen der aktuellen Displaytemperatur und ermöglicht
die
kontinuierliche
Regelung
der
thermoelektrischen
Elemente.
Diese
können
durch
Ausnutzung des Peltier-Eekts die Displayäche abkühlen oder erwärmen. Unerwünschte
Wärme kann über die Wärmetauscher an die Umwelt abgegeben werden, so dass die
Temperaturregelung längerfristig aufrecht erhalten werden kann [10][27][56].
Da die menschliche Thermoperzeption keine absoluten Temperaturen wahrnimmt, sondern
in weiten Teilen auf relative Änderungen reagiert (siehe Kapitel 1.1.2), ist es zweckmäÿig,
dies auch bei der Modellierung der Displayregelung zu beachten. Nicht absolute Temperaturen müssen für ein überzeugendes thermales Feedback von virtuellen Objekten
realisiert werden, sondern der Wärmeuss an der Kontaktstelle zwischen der menschlichen
Haut und dem virtuellen Objekt [55]. Um Temperaturverläufe wirklichkeitsgetreu darzu◦C
stellen, sollten künstliche Feedbacksysteme Änderungsraten von bis zu 10
erreichen [66].
sec
Das in [56] beschriebene Modell vermag Konduktionsprozesse sehr gut darzustellen;
in einer experimentellen Untersuchung zeigten Probanden eine Identikationsrate von
verschiedenen simulierten Materialen, die vergleichbar mit der Aufgabenleistung unter
realen Bedingungen war. Konvektionsprozesse deckt das Modell jedoch nicht ab. Da
sowohl Finger als auch Kontaktmaterial als zwei halb-innite Körper betrachtet werden,
ist es für die Simulation von längerandauernden Kontaktsituationen ungeeignet.
Basierend auf Arbeiten von [13] und [71] ist das vorliegende thermodynamische Feedback gestaltet. Es berücksichtigt sowohl Konvektions- als auch Konduktionsprozesse. Der
menschliche Finger wird weiterhin nicht als homogenes Gewebe modelliert, sondern ist
in drei distinkte Schichten eingeteilt. Somit kann der reale Wärmeuss dierenzierter approximiert werden, um ein genaues thermodynamisches Feedback zu ermöglichen. Die detaillierte Dokumentation der Hard- und Software der hier implementierten Version ist in
Kapitel 2.1.2.2 bzw. Kapitel 2.2.3 zu nden.
96
3.1 Experimentelle Untersuchungen der Einzelmodalitäten
Fragestellung
Diese empirische Untersuchung soll die entwickelte Hard- und Software evaluieren, so dass
eine belastbare Aussage über die Eignung des thermalen Feedbacks für die Materialidentikation in virtueller Umgebung getroen werden kann. Dazu werden parallel zwei Herangehensweisen verfolgt, die Evaluation mit objektiven sowie mit subjektiven Daten:
1. Evaluation mit objektiven Daten:
Temperaturänderungen, die an der Kontaktstelle von einem realen Finger und realen
Materialen gemessen werden, sollen als Grundlage für den Vergleich mit simulierten Temperaturverläufen dienen. Je näher die künstlichen Verläufe den realen Temperaturänderungen kommen, umso höher ist die Güte des entwickelten thermalen
Feedbacks einzustufen.
2. Evaluation mit subjektiven Daten:
Die Aufgabenleistung von Menschen, die Materialien allein durch thermale Hinweisreize identizieren sollen, ist Basis für die Bewertung der Identikationsleistung mit
Hilfe von künstlichem thermalen Feedback. Je ähnlicher die Erkennensleistung der
Probanden mit künstlichem Feedback der Leistung unter realen Bedingungen kommt,
umso höher ist die Güte des entwickelten thermalen Feedbacks einzustufen.
Methode
Die Materialidentikationsleistung wird anhand von fünf Materialklassen untersucht, die
relevant für virtuelle Interaktionen sein können: Aluminium, Stahl, Stein, Holz und PVC.
Tabelle 3.4 führt die charakteristischen Parameter dieser Materialien auf, nämlich Wärmeg
cal
leitfähigkeit κn [
], spezische Wärmekapazität cn [ gcal
◦ C ] und Materialdichte ρn [ cm3 ].
cm s ◦ C
Weitere Eingangsparameter, wie die physikalischen Eigenschaften der drei modellierten
Fingerschichten, sind [90] entnommen. Kapitel 2.2.3.2 erläutert deren Verwendung in dem
thermodynamischen Simulinkmodell im Detail. Das künstliche Feedbacksystem besitzt ein
◦C
◦
Auösungsvermögen von etwa 0,01 C bei einer Änderungsrate von ca. 2
. Das ist zwar
sec
geringer als von [66] gefordert, sollte jedoch für die Darstellung von raumtemperierten Materialien ausreichen (d.h. geringe Wärmedierenz von Finger und Objekt). Die Identikation der Materialien wird mit steigender Fingerzahl, die zum Wahrnehmen des Wärmeusses
benutzt werden darf besser. Am stärksten ist dieser Eekt der räumlichen Summation bei
der Änderung von einem zu drei Fingern zu beobachten, weniger starke Vorteile bringen
fünf Finger anstelle von drei Fingern [143]. Aufgrund der leichteren Durchführbarkeit beschränkt sich dieses Experiment jedoch auf das Feedback für nur einen Finger.
Um Probanden nicht zu verletzen, ist die Bandbreite der darstellbaren Temperaturen auf
◦
◦
15 C 48 C begrenzt.
3
Bei den realen Materialien handel es sich um Blöcke mit den Ausmaÿen 5x5x3,5 cm , mit
glatt polierten Oberächen.
Die objektiven Daten werden mit einem Temperatursensor zwischen Zeigenger und realen Materialblöcken gemessen. Subjektive Daten werden hingegen mit einem Forced-Choice
97
3 Experimente
Experiment erhoben, bei dem den Probanden lediglich thermales Feedback (real vs. simuliert) zur Verfügung steht.
Stichprobe
Die subjektiven Daten wurde mit Hilfe von mit 15 freiwilligen Studenten (Alter 2030
Jahre) der Technischen Universität München erhoben, die Messung der objektiven Daten
beruht auf der wiederholten Messung eines einzelnen Probanden.
Durchführung
1. Erhebung der objektiven Daten:
Die Temperaturverläufe wurden mit Hilfe einer Temperaturmesssonde zwischen Zei◦
genger und Materialblock bei 23 C Raumtemperatur gemessen: Zunächst ruhte
der Finger 30 Sekunden in der Startposition, um eine Ausgangsbedingung von 32
◦
C Oberächentemperatur der Haut zu erreichen. Anschlieÿend legte der Proband
den Finger mitsamt dem Temperatursensor auf den Materialblock und die Temperaturmessung wurde 90 Sekunden lang aufgezeichnet. Nach einer kurzen Pause und
der erneuten Akklimatisation der Finger an die Raumtemperatur konnte der nächste
Messdurchgang folgen.
Jedes Material wurde auf diese Weise drei Mal gemessen, um durch anschlieÿende
Mittelung der Messkurven minimale Fluktuationen zu eliminieren.
2. Erhebung der subjektiven Daten:
Nachdem die Probanden mit dem Versuchsablauf vertraut gemacht wurden, durften
sie die vorhandenen realen Stiumli sehen und ertasten. Die eigentlichen Versuchsdurchgänge absolvierten die Probanden mit verbundenen Augen, so dass sie allein
aufgrund der thermalen Eigenschaften die zufällig präsentierten Materialblöcke identizieren konnten. Fingerbewegungen auf der Oberäche der Materialblöcke waren
den Probanden untersagt. Die Kontaktzeit war auf maximal 30 Sekunden pro Tastvorgang begrenzt, um die Finger nicht zu stark auszukühlen. Zusätzlich wurden zwischen den Versuchsdurchgängen kurze Pausen eingelegt. Die Abfolge der simulierten
und der realen Materialien erfolgte zufällig. Die Teilnehmer teilten dem Versuchsleiter
die Antworten mit, der diese aufzeichnete.
Material
κn [ cmcal
] cn [ gcal
ρn [ cmg 3 ]
◦C ]
s ◦C
Aluminium
0,52600
0,215
2,70
Stahl
0,11000
0,120
7,85
Stein
0,00660
0,194
2,70
Holz
0,00033
0,598
0,60
PVC
0,00032
0,387
0,99
Tabelle 3.4:
98
Materialeigenschaften der verwendeten Stimuli [96].
3.1 Experimentelle Untersuchungen der Einzelmodalitäten
Ergebnisse
Die
Temperaturverläufe
am
dem
Kontaktpunkt
zwischen
Finger
und
Materialblock
bzw. Displayäche sind in den Diagrammen in Abbildung 3.14 zu sehen. Sie zeigen die
gemessenen Temperaturänderungen vom Augenblick des Kontakts über einen Zeitraum
von 90 Sekunden für beide Bedingungen.
Stein
1
--1
-2
-3
-4
-5
-6
Holz
0
PVC
1
--1
-2
-3
-4
-5
-6
90
Simulation:
Real:
Abzissen:
Temperaturänderung [°C]
Ordinaten:
Kontaktzeitpunkt [sec]
0
90
Abbildung 3.14:
0
90
Relative Temperaturverläufe von realen und simulierten Finger-Material-
Kontakten über einen Zeitraum von 90 Sekunden [51].
In der Identikationsaufgabe zeigten die Probanden in 66% der Durchgänge korrekte
Materialklassikationen, bei einer Ratewahrscheinlichkeit von 20%. Davon ausgehend
ist Tabelle 3.5 zu verstehen, die die Materialklassikationswahrscheinlichkeit der realen
Objekte in Relation zu den Wahrscheinlichkeiten einer korrekten Klassikation unter
pidentif iziertes_simuliertes_M aterial
simulierter Kontaktbedingung setzt:
. Werte auf der fettpidentif iziertes_reales_M aterial
gedruckten Diagonalen spezizieren also die korrekten Klassikationen (präsentierter
Stimulus entspricht identiziertem Stimulus). Ein Wahrscheinlichkeitsverhältnis von eins
bedeutet, dass die Probandenleistung in realer Bedingung der simulierten entspricht.
Werte gröÿer als eins würden eine bessere Leistung in der simulierten Bedingung bedeuten,
Werte kleiner als eins bezeugen eine entsprechend bessere Identidikationsleistung unter
der realen Bedingung. Werte auÿerhalb der Diagonalen betreen Fehlklassikationen,
denn das identizierte Material entspricht nicht dem präsentierten. Die Wahrscheinlichkeitsverhältnisse dieser Fehler sind analog zu den korrekten Durchgängen berechnet. Im
Mittel beträgt das Verhältnis der korrekten Klassikationen 0,78, während der Mittelwert
der falschen Zuweisungen bei einem Verhältnis von 1,78 liegt.
Die Wahrscheinlichkeiten einer korrekten Klassikation unter simulierter Bedingung gibt
2
Tabelle 3.6 an. Der Prüfwert χ (4) = 4, 1 belegt, dass diese Wahrscheinlichkeiten keinen
99
3 Experimente
→
↓
Präsentiert
Identiziert
Tabelle 3.5:
Aluminium
Stahl
Stein
Holz
PVC
Aluminium
1,01
1,25
3,21
-
-
Stahl
0,82
0,67
-
-
-
Stein
-
2,14
0,54
4,61
1,07
Holz
-
-
2,14
0,73
1,07
PVC
-
-
1,07
0,38
0,97
Wahrscheinlichkeitsverhältnisse von korrekt identizierten simulierten Materialien
zu korrekt identizierten realen Materialen.
2
systematischen Zusammenhang mit den simulierten Materialien aufweisen (χ (0, 95; 4)
9, 49;
=
9,49 > 4,1).
korrekte Klassikation
falsche Klassikation
Aluminium
54 %
46 %
Stahl
36 %
64 %
Stein
43 %
57 %
Holz
71 %
29 %
PVC
54 %
46 %
Tabelle 3.6:
Klassikationswahrscheinlichkeiten der simulierten Materialien.
Die falsch identizierten Durchgänge werden in Abbildung 3.15 genauer dargestellt. Die
Materialparameter Wärmeleitfähigkeit und spezische Wärmekapazität der verwechselten
Materialien sind hier hinsichtlich ihrer Abweichung von den tatsächlich präsentierten Materialien auf der Abszisse angegeben. Auf der Ordinate sind die zugehörigen Wahrscheinlichkeiten aufgetragen, die auf den empirischen Daten beruhen.
Diskussion
Die Temperaturverläufe in Abbildung 3.14 zeigen eine Diskrepanz zwischen den Temperaturänderungen in simulierter und in realer Bedingung. Auällig ist das oftmals leicht
verzögerte Einsetzen der Abkühlung und Abweichungen in den stationären Endtemperaturen. Trotz einer Ähnlichkeit der Graphen innerhalb der Materialklassen erreicht die
Simulation selten die rasche Abkühlung, die in der Messung der realen Kontaktsituation
auftritt.
Diese Unvollkommenheit kann mehrere Gründe haben: kleine Messfehler der Temperatursensoren, Materialparameter der Simulation, die nicht vollständig mit den realen
Materialien übereinstimmen, Trägheit des Reglers oder Folgen der modellhaften Vereinfachung der tatsächlichen thermodynamischen Vorgänge in Material und Finger. Kleine
Fehler dieser Art summieren sich auf und können das Endergebnis beeinussen. Aus
100
Klassifikationswahrscheinlichkeit
3.1 Experimentelle Untersuchungen der Einzelmodalitäten
1
1
0,9
0,9
0,8
0,8
0,7
0,7
0,6
0,6
0,5
0,5
0,4
0,4
0,3
0,3
0,2
0,2
0,1
0,1
0
0
1
5
5
5
0
00
,01
,00
bis
-0,
-0,
s 0 ,015
s0
i
i
s
s
i
i
b
b
b
0
5
5b
05
-1
00
01
0,0
-0,
-0,
15
-
is
1b
Differenz der Wärmeleitfähigkeiten
Abbildung 3.15:
-0
,45
-0,
4
is
5b
5
5
5
,15
,35
,25
,45
,05
0,0
0,1
0,2
is 0
is 0 b is 0
is 0
is 0
is is is b
b
b
b
b
b
b
5
5
5
5
05
15
25
35
0,0
0,2
0,1
0,3
- 0,
- 0,
- 0,
- 0,
35
- 0,
Differenz der spez. Wärmekapazitäten
Fehleranalyse der subjektiven Daten: Dierenzen der gewählten und tatsäch-
lichen Wärmeleitfähigkeiten bzw. spez. Wärmekapazitäten (Abszissen) und deren Wahrscheinlichkeiten (Ordinaten) [51].
diesem Grund sind neben der objektiven Messung die subjektiven Daten wichtig, um die
tatsächliche Eignung des künstlichen thermalen Feedback beurteilen zu können.
Generell können die Probanden das künstliche thermale Feedback nutzen, denn die
mittlere korrekte Identikationsquote der Materialien liegt mit 66% signikant oberhalb der zu erwartenden Ratewahrscheinlichkeit von 20%. Die Gegenüberstellung der
Probandenleistung in beiden Bedingungen zeigt Tabelle 3.5. Auÿer für Aluminum und
PVC erlaubt die reale Bedingung eine etwas bessere korrekte Identikationsleistung
(fettgedruckte Diagonale) und ist ihr damit in der Darstellung von Stahl, Stein und Holz
2
überlegen. Der χ -Test zeigt weiterhin, dass es keine Identikationsmuster der simulierten
Materialien gibt; die Simulation funktioniert also für alle Materialien etwa gleich gut.
Die Materialverwechslungen, die den Probanden in der Simulation unterlaufen, sind in
Abbildung 3.15 weiter aufgeschlüsselt: die Dierenzen der Wärmeleitfähigkeit und der
spezischen Wärmekapazitäten der verwechselten Materialien sind sehr klein. Davon lässt
sich ableiten, dass Fehler aufgrund sehr ähnlicher Parameter gemacht wurden und falsch
erkannte Materialien den tatsächlichen sehr ähnlich waren.
Abschlieÿend lässt sich das thermale Feedback ambivalent bewerten. Einerseits erlaubt
es durchaus eine realtiv gute Unterscheidbarkeit der präsentierten Materialien, denn lediglich aufgrund des simulierten thermodynamsichen Feedbacks gelang es den Probanden
durchschnittlich 51,6% der Stimuli korrekt zu identizieren. Andererseits zeigt sich eine
Unterlegenheit des Systems gegenüber der Probandenleistung bei realen Materialien. In
Anbetracht des hier verfolgten multimodalen haptischen Feedbackansatzes vermag es dennoch einen sehr brauchbaren Beitrag zu einem facettenreichen haptischen Feedback zu
leisten.
101
3 Experimente
3.1.4 Auditives Feedback
In der vorliegenden Arbeit wird auditives Feedback über Kopfhörer für den Operator bereitgestellt, um ihm Feedback über berührte Objektoberächen zu geben. Dabei handelt es
sich zum einen um materialspezische komplexe Kontaktgeräusche, die es ihm ermöglichen
sollen Materialien zu identizieren, zum anderen um eine Möglichkeit, diese Materialgeräusche dynamisch für eine Rauheitsdarstellung anzupassen. Aus diesem Grund wurden
zu diesen zwei Themen je ein Experiment durchgeführt: Abschnitt 3.1.4.1 beschäftigt sich
mit der Auswahl passender Geräusche, Abschnitt 3.1.4.2 untersucht diese dann für ein
mögliches Rauheitsfeedback.
3.1.4.1 Auditive Materialidentikation
Allein auf Grund von auditiven Hinweisreizen ist es Menschen mit gesundem Hörvermögen
möglich, eine Vielzahl von Ereignissen in ihrer Umwelt zu identizieren [68]. Zwischen 91%
und 96% von 45 typischen Umweltgeräuschen (z.B. Türklingel, Vogelzwitschern, kochendes
Wasser, Holzsägen) konnten gesunde Vorversuchspersonen in einer experimentellen Erhebung korrekt erkennen [112]. Diese Fähigkeit soll in dem multimodalen Feedbacksystem
genutzt werden, um dem Probanden neben dem thermalen Feedback (Experiment 3.1.3)
ein weitere redundate Variante von Materialfeedback anzubieten.
Fragestellung
Ausgehend von real aufgenommenen Kontaktgeräuschen eines menschlichen Fingers mit
verschiedenen Materialien wird in diesem Experiment ermittelt, welche Geräusche sich
für auditives Materialfeedback eignen. Kontaktgeräusche, die in einer experimentellen
Situation von Probanden nicht verlässlich einem Material zuweisbar sind, haben für
ein auditives Materialfeedback keinen Nutzen und werden durch dieses Experiment
identiziert und dann ausgesondert.
Da
unterschiedliche
Geräusche
resulierten,
je
nachdem
ob
die
Materialien
mit
der
Fingerbeere überstrichen oder mit dem Fingernagel gekratzt werden, gehen beide Geräuschklassen für einen Vergleich in die Untersuchung ein.
Methode
In einer Identikationsaufgabe sollten 13 verschiedene Materialien anhand von 26 verschiedenen Kontaktgeräuschen (je Material ein Kratzgeräusch und ein Streichgeräusch) wiedererkannt werden. Die Auswahl von 13 verschiedenen Materialien basiert auf einer Vielzahl
von Stoklassen, die die verwendeten Materialien der thermalen Simulation mit einschlieÿt.
Diese sind verschieden gekörntes Sandpapier (grob: 40, mittel: 120, fein: 600), Stein, Kork,
Moosgummi, Stogewebe, Schaumsto, Glas, Metall, Holz, Pappe und Plastik. Unter standardisierter Bedingung (d. h. schalldichter Raum, konstante Entfernung zwischen Mikrofon und Geräuschquelle, konstante Streichgeschwindigkeit und Anpressdruck) wurde je ein
Überstreichgeräusch mit der Fingerkuppe und ein Kratzgeräusch mit dem Fingernagel auf-
102
3.1 Experimentelle Untersuchungen der Einzelmodalitäten
7
genommen . Die nachträgliche Bearbeitung der Geräuschpaare zu ungefähr fünf Sekunden
8
langen Sequenzen
ermöglicht dann ein kontinuierliches Abspielen der Geräuschdateien in
Schleife (Frequenzspektren in Anhang H).
Da die auditive Identikationsleistung im Vordergrund stand und ein standardisiertes Überstreichen der virtuellen Flächen sichergestellt werden musste, vermittelte ein LCD Monitor
die virtuelle Umgebung und Mausklicks aktivierten die Bewegung der Hand und das damit
verbundene auditive Materialfeedback. Jede Streichbewegung dauerte 2 Sekunden.
Stichprobe
Die Untersuchung wurde mit 20 freiwilligen Studenten und Mitarbeitern der Universität
der Bundeswehr München durchgeführt (∅ 24,8
±
2,2 Jahre) und lieferte 20 auswertbare
Datensätze. Alle Probanden verfügten über ein normales Hörvermögen. Eine Aufwandsentschädigung in Höhe von
e8
wurde jedem Teilnehmer ausgezahlt.
Durchführung
Nach einer Einweisung in den Versuchsablauf machte sich jeder Versuchsteilnehmer mit
dem Stimulipool vertraut. Zu diesem Zweck durfte er die realen Materialoberächen in
Augenschein nehmen, sie jedoch nicht berühren. Nach 13 Beispieldurchgängen, in denen
jedes Material einmal in der VR zu hören war, startete das Hauptexperiment. Die realen
Materialvorlagen blieben für den Probanden weiterhin sichtbar im Raum, um Erinnerungseekt der einzelnen Materialien über alle Probanden konstant zu halten (Abbildung 3.16
links). Die VR bot einen festen Blick auf eine optisch neutrale virtuelle Testplatte, deren
virtuelles Material die Teilnehmer alleine anhand der auditiven Rückmeldung identizieren
muÿten (Abbildung 3.16 rechts). Per Tastendruck wurde hierfür die virtuelle Hand automatisch über die Oberäche geführt und dabei das Kratz- bzw. das Überstreichgeräusch
über Kopfhörer
9
dargeboten. Jede Geräuschpaarung konnte dabei beliebig oft angehört
werden. Die Probanden sollten sich schlieÿlich für ein Material entscheiden und dabei auch
angeben, wie sicher sie sich ihrer Entscheidung waren (1: sehr sicher; 7: sehr unsicher)
und was zu ihrer Entscheidung geführt hatte (Kratz-, Streich-, oder die Kombination aus
Kratz-/Streichgeräusch).
Die Durchgänge erfolgten in zufälliger Reihenfolge, jedes Geräuschpaar erschien zweimal
zur Identikation. Der gesamte Versuch dauerte ca. 30 Minuten pro Person. Abschlieÿend
füllten die Probanden einen kurzen Fragebogen zu dem generellen auditiven Feedback (Frage 1: Wie natürlich erschienen Ihnen die gehörten Geräusche, Antwortskala 7-stug, 1:
sehr natürlich; 4: weder noch; 7: sehr unnatürlich; Frage 2: Wie gut konnten Sie die Materialien anhand der Geräusche identizieren?, Antwortskala 7-stug, 1: sehr gut; 4: weder
noch; 7: sehr schlecht) und zu eigenen möglichen Höreinbuÿen aus (Fragebogen in Anhang
I.2).
7 H4 Recorder, ZOOM Corp.
8 unkomprimierte .wav Dateien, mono, 96 kHz Abtastrate
9 Sennheiser PMX80
103
3 Experimente
Abbildung 3.16:
Aufbau der Experimentalumgebung. Links: Probandenplatz mit Stimulipool,
Bildschirm, Kopfhörer und Maus. Rechts: Blick auf die virtuelle Testplatte und Schaltächen für Kratzen/ Streichen [51].
Ergebnisse
Die Verwechselungsmatrix in Abbildung 3.17 zeigt die gesamten Probandenantworten. Jede
Zelle ist in vier Sektoren eingeteilt, die Angaben zur absoluten Häugkeit, relativen Häugkeit, zu durchschnittlichem Sicherheitsrating und der häugst genannten Berührungsart
der jeweiligen Materialpaarungen (präsentiertes vs. identiziertes Material) enthält. Zur
besseren Übersicht sind alle Häugkeiten, die gröÿer als 15% sind, gelb eingefärbt sowie
Häugkeiten gröÿer als 50% rot hervorgehoben. Die Ratewahrscheinlichkeit für ein korrekt
2
identiziertes Material beträgt 7,7% (1/13). Ein χ -Test mit dem Signikanzniveau von
α = 5% und dem kritischen Werte der Testprüfgröÿe χ2 (0, 95; 144) = 174, 34 und einem
2
empirisch ermittelten χ = 1565, 99 belegt, dass die präsentierten und die identizierten
Materialen (hinsichtlich der absoluten Identikationshäugkeiten) nicht unabhängig voneinander sind. Es besteht also ein signikanter Zusammenhang zwischen den präsentierten
2
Materialgeräuschen und den darauf basierenden Materialklassikationen (χ > 174, 34).
Die Versuchsteilnehmer bewerteten das auditive Feedback in dem abschlieÿende Fragebogen in Frage 1 als natürlich (∅: 2,7; SA: 1,08) und ihre eigene Identikationsleistung in
Frage 2 als mittelmäÿig (∅: 4,25; SA: 1,07). Jeder der Teilnehmer verfügte zum Zeitpunkt
des Experiments über ein normales Hörvermögen.
Diskussion
Die generelle Eignung des auditiven Materialfeedbacks ist mit dem
χ2 -Test
belegt:
überzufällig viele Materialien konnten korrekt identiziert werden. Weiterhin sprechen
die zufriedenstellenden Probandenurteile dass die Geräusche als realitätsnah beurteilt
wurden und sie laut eigener Aussage eine mittlere Materialidentikation ermöglichten für die Nützlichkeit des auditiven Materialfeedbacks.
104
3.1 Experimentelle Untersuchungen der Einzelmodalitäten
1
1
Kork
6
Pappe
9
10
Steingutfliese SP (Grob) SP (Mittel)
8
Plastik
7
SP (Fein)
Moosgummi Stoffgewebe
5
11
12
Kork
Metall
3
4
5
Stoffgewebe Moosgummi
6
Pappe
Plastik
SP (Fein)
SP (Mittel)
SP (Grob)
Steingutfliese
8
9
10
11
12
13
7
7
17,5
3
7,5
1
2,5
7
17,5
14
35
7
17,5
1
2,5
4
3
4
3
4
3
3
3
4
3
5
3
2
3
3
4
Holzbrett
2
2
Metall
Holzbrett Glasscheibe Schaumstoff Probe
Antwort Schaumstoff Glasscheibe
35
87,5
2
5
2
5
1
2,5
2
2
2
2
4
2
3
2
1
2,5
9
6
15
2
5
22
55
3
1
4
3
3
3
22,5
4
1
5
3
1
2,5
2
5
11
27,5
9
22,5
1
2,5
13
32,5
3
7,5
2
1
5
1
4
3
4
3
3
1
3
3
5
3
3
7,5
28
70
9
22,5
3
1
2
3
2
1
6
15
8
20
7
17,5
7
17,5
1
2,5
10
25
1
2,5
4
3
4
3
4
3
4
3
7
2
4
3
2
3
5
12,5
17,5
22
55
2
5
4
3
4
10
7
3
1
3
3
3
3
2
1
3
7,5
2
5
1
2,5
1
2,5
7
17,5
6
15
9
22,5
11
27,5
5
3
3
2
5
1
7
3
5
3
3
3
3
3
3
3
1
2,5
1
2,5
10
25
7
17,5
8
20
10
25
1
2,5
2
5
6
3
5
3
4
3
2
3
4
3
4
3
5
3
5
3
14
35
1
2,5
1
2,5
2
5
2
5
5
12,5
5
12,5
5
12,5
5
12,5
6
1
4
3
3
1
3
1
5
3
3
3
3
1
3
3
5
3
3
7,5
1
2,5
2
5
2
5
1
2,5
3
7,5
3
7,5
12
30
13
32,5
3
3
5
3
5
3
5
3
4
3
4
3
4
3
4
3
3
3
1
2,5
7
17,5
17
42,5
3
7,5
1
2,5
4
10
1
2,5
5
12,5
1
2,5
1
3
4
3
4
3
3
3
5
3
4
3
5
1
3
3
3
3
13
2
5
9
22,5
29
72,5
4
1
2
3
2
1
Abbildung 3.17:
Verwechslungsmatrix mit vier Einträgen pro Paarung: oben links: absolute
Häugkeit; oben rechts: prozentuale Häugkeit; unten links: durchschnittliches Sicherheitsrating (17); unten rechts: häugste Berührungsart (1: kratzen, 2: streichen, 3: beides)
[51].
Die Verwechselungsmatrix zeigt ein genaueres Bild der Probandenidentikationsleistung.
Auf der Diagonalen, die korrekte Durchgänge listet (Probe == Antwort), benden sich
Materialien, die sehr gut identiziert wurden, wie Glas (87,5% richtig), Metall (70%
richtig), Moosgummi (55% richtig) und Stein (72,5 % richtig). Gleichzeitig weisen diese
Materialgeräusche auch hohe Zufriedenheitsratings der Probanden auf. Darüber hinaus
gibt es auch Materialien, die eine niedrige korrekte Identikationswahrscheinlichkeit
bedingen, wie Schaumsto (17,5 % richtig), Pappe (17,5 % richtig), feines Schleifpapier
(12,5% richtig) und grobes Schleifpapier (12,5 % richtig). Die Verwechselungen der
Schleifpapiere legen den Schluss nahe, dass es wenig Sinn macht, diese anhand ihres
Klangmusters einzeln zu führen; grobes Schleifpapier zeigt starke Ähnlichkeiten mit Kork,
feines Schleifpapier mit dem Holzbrett und das mittlere Schleifpapier wird am ehesten mit
105
3 Experimente
den anderen beiden Schleifpapieren verwechselt.
Aus diesen Gründen ist eine Begrenzung auf die Materialien Glas, Moosgummi, Metall,
Schleifpapier und Stein angezeigt. Durch die reduzierte Materialzahl wären bereits durch
die verringerten Verwechselungsmöglichkeiten deutlich bessere Identikationsleistungen
zu erwarten. Je nach Anwendungsbereich der virtuellen Umgebung bzw. Teleaktionsumgebung könnten auch Materialgeräusche mit Identikationsraten aus dem mitteleren
Bereich ergänzt werden. Auch wenn sie isoliert auftreten (d.h. ohne weiteres visuelles oder thermales Feedback) und keine hohe akustische Prägnanz besitzen, können sie
dennoch den Immersionsgrad erhöhen und eine akustische Materialerkennung ermöglichen.
Bei den Urteilsgrundlagen (Quadrant rechts unten; 1: kratzen, 2: streichen, 3: beides)
zeigen die Versuchsteilnehmer materialabhängig unterschiedliche Präferenzen. Die einseitigen Präferenzen mit gleichzeitig hohen korrekten Identikationen (Kratzen: Moosgummi,
Stein; Streichen: Glas) deuten auf ein besonders charakteristisches Geräusch hin, das
alleine schon für eine gute Identikation ausreicht. Daher ist es von Vorteil, sowohl Streichals auch Kratzgeräusche für die Operatoren bereitzuhalten.
Folgend befasst sich Experiment 3.1.4.2 mit einer abgestuften auditiven Rauheitsdarstellung, basierend auf den ausgewählten Stimuli.
3.1.4.2 Auditive Rauheit
Wie in Kapitel 1.1.3.2 zusammengefasst, weist die menschliche Haut verschiedene Rezeptoren auf, mit deren Hilfe ein Mensch mechanische Hautverformungen detektieren kann.
Verformungen seiner Haut, die auf einen Kontakt mit einer Objektoberäche zurückzuführen sind, liefern so indirekt Informationen über deren Oberächenbeschaenheit [47].
Neben diesen Rezeptoren haben auch Aerenzen des visuellen, kinästethischen und des
auditiven Systems einen Einuss auf die Wahrnehmung von Rauheit [18]. Sollten auditiv
und haptisch vermittelte Rauheitsinformationen parallel verfügbar sein, bevorzugen Probanden bei auftretenden Diskrepanzen das haptische System [82][81]. Ein plausibler Grund
dafür ist die Wahrnehmungsintegration des Menschen, die durch ein Bayessches Netz gut
abgebildet werden kann: die Integration von Aerenzen aus unterschiedlichen Systemen
wird auf Grundlage von Wahrscheinlichkeitsverteilungen der Kanäle vollzogen. Je höher
die Reliabilität eines Kanals ausfällt, desto höher ist demnach sein Einuss auf das resultierende Perzept [9] [22].
Verfügen Probanden nur über singuläres auditives Feedback für eine Rauheitsbeurteilung,
resultieren ähnliche Einschätzungen wie in Bedingungen mit singulär haptischem Rauheitsfeedback [82]. Das Kontaktgeräusch entsteht dabei in Abhängigkeit von dem berührten Material, dem physikalischen Zustand des Fingers, der Bewegungsgeschwindigkeit der Hand
und dem Anpressdruck des Fingers an die Oberäche. Besonders die resultierende Lautstärke eines Kontaktgeräusches hat auf die Rauheitswahrnehmung einen Einuss: je lauter
ein künstlich erzeugtes Geräusch präsentiert wird, desto rauer schätzen Versuchsteilnehmer eine Oberäche ein. Andersherum erzeugen Probanden in einem Herstellungsverfahren
106
3.1 Experimentelle Untersuchungen der Einzelmodalitäten
rauere Oberächen, je lauter der auditive Ausgangsreiz ist [106]. Derselbe eindeutige Zusammenhang gilt hier jedoch nicht für die Tonhöhe. Auch in anderen Studien [49] ist der
Zusammenhang von erhöhter Amplitude eines Kontakgeräuschfeedbacks und der einhergehenden Verstärkung der empfundenenen Rauheit replizierbar.
Fragestellung
In oben genannten Studien ist der Einuss der Lautstärke auf die wahrgenommene Rauheit
oft nur mit einfachen Tönen und ohne dynamische Anteile untersucht. Darum soll das folgende Experiment prüfen, inwiefern sich diese Ergebnisse auch auf reale Kontaktgeräusche
(siehe Experiment 3.1.4.1) übertragen lassen. Diese sind in Abhängigkeit der Handbewegungsgeschwindigkeit als dynamisches Feedback implementiert (siehe Kapitel 2.2.5).
Zusätzlich soll überprüft werden, wie sich die Beschränkung auf wenige, gut zu benennende
Materialien auf die auditive Materialidentikationsleistung der Probanden auswirkt. Durch
die Einteilung der Probanden in drei Gruppen, denen unterschiedliches Feedback zur Verfügung steht (nur Kratz-, nur Streich-, Kratz- und Streichgeräusche) soll der Nutzen der
beiden Geräuschklassen quantiziert werden.
Methode
Basierend auf den oben ermittelten Materialarten (Glas, Gummi, Metall, Sandpapier,
Stein) wird untersucht, inwiefern durch eine angepasste Lautstärke der Geräuschwiedergabe neben Materialinformationen auch Informationen bezüglich der Oberächenrauheit
kodiert werden können. Pro Material werden dafür vier verschiedene Basislautstärken
(0,1; 0,4; 0,7; 1,0 Blender Soundeinheiten) in Anlehnung an das Gröÿenschätzverfahren
bezüglich ihrer Rauheitsanmutung von Probanden beurteilt. Der Vergleichsstimulus ist
eine virtuelle Materialplatte mit einer festen Blender Lautstärkeneinstellung von 0,5 und
einer festgelegten Rauheit von 100. Abbildung 3.18 zeigt die gemessenen bewerteten
Schalldruckpegel
aller
Blender
Soundeinheiten
bei
konstanter
mittlerer
Handbewe-
gungsgeschwindigkeit. Da es sich um natürliche komplexe Geräusche handelt, fallen die
gemessenen Schalldruckpegel unterschiedlich aus.
Durch die Einteilung in drei Gruppen mit jeweils unterschiedlichem Feedback (nur Kratz-,
nur Streich-, Kratz- und Streichgeräusche) kann der erwartete Eekt der lautstärkekodierten Rauheit für jedes Geräusch einzeln geprüft werden.
Zusätzlich lösen alle Probanden im Anschluss eine Materialidentikationsaufgabe, bei der
die Materialien lediglich unter Zuhilfenahme des auditiven Feedbacks zu benennen sind. Im
Gegensatz zu dem vorhergehenden auditiven Experiment in Abschnitt 3.1.4.1 ist nur die
reduzierte Materialbasis vorhanden, die Explorationsbewegung wird von den Probanden
selbst durchgeführt und die drei unterschiedlichen Feedbackgruppen bleiben bestehen.
Ein allgemeiner Evaluationsfragebogen (siehe Anhang I.1) wurde von allen Probanden
ausgefüllt. Seine Skalen und die Ergebnisse der Probandenantworten werden in Abschnitt
3.3 erläutert. Der wiederholte Einsatz desselben Fragebogens in weiteren Experimenten
107
3 Experimente
Bewerteter Schalldruckpegel [dBA]
Blender Soundeinheiten:
90
80
70
60
50
40
30
20
10
0
90
80
70
60
50
40
30
20
10
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
Kratzen
Stein
Metall
Gummi
Sandpapier
Glas
Metall
Gummi
Sandpapier
Glas
Streichen
Abbildung 3.18:
Stein
Bewerteter Schalldruckpegel der Kratz- (oben) und Streichgeräusche (un-
ten) für alle Blender Lautstärkeeinstellungen [51].
in dieser Arbeit ermöglicht den Vergleich zwischen Mensch-Maschine Schnittstellen mit
unterschiedlichen Ausprägungen.
Stichprobe
Die Untersuchung wurde mit 45 (15 pro Bedingung) freiwilligen Studenten und Mitarbeitern der Universität der Bundeswehr München durchgeführt (∅ 25
± 9,4 Jahre) und lieferte
45 auswertbare Datensätze. Alle Probanden verfügten über ein normales Hörvermögen. Eine Aufwandsentschädigung in Höhe von
e10
wurde jedem Teilnehmer ausgezahlt.
Durchführung
Nach einer Einweisung in Datenhandschuh, HMD und VR durch den Versuchsleiter machte
sich jeder Versuchsteilnehmer zunächst in einer Eingewöhnungsphase mit der VR vertraut.
Anschlieÿend erläuterte der Versuchsleiter mit Hilfe von Beispieldurchgängen den Experimentalablauf.
Die virtuelle Hand wurde mit Hilfe des Datenhandschuhs von dem Probanden bewegt, so
dass dieser durch ein Überstreichen oder Kratzen der virtuellen Platten auditives Rauheitsfeedback nutzen konnte, um die Frage des Versuchsleiters zu beantworten: Die linke
Platte hat eine Rauheit von 100. Wie rau erscheint Ihnen die rechte Platte?. Abbildung
3.19 zeigt einen Ausschnitt der Sicht des Probanden auf die Versuchsstimuli und die virtuelle Hand: vor ihm liegt auf der linken Seite der Referenzstimulus mit einer festgelegten
Intensität von 100 (und einer Lautstärkeneinstellung von 0,5 Blendereinheiten) während
108
3.1 Experimentelle Untersuchungen der Einzelmodalitäten
er die virtuelle Hand in Richtung der rechten Testplatte mit unbekannter Intensität bewegt.
Jede Lautstärkeneinstellung wurde zweimal in randomisierter Reihenfolge zur Beurteilung
dargeboten. Die daraus resultierenden acht Durchgänge mussten für jedes Material
absolviert werden, so dass jeder Proband insgesamt 40 Stimuli bewertete. Je nach Experimentalgruppe standen den Probanden nur Kratz-, nur Streich- oder beide Feedbackarten
zu Verfügung. Das Feedback wurde in allen Gruppen dynamisch aus der Basislautstärke
der Testplatte und der aktuellen Bewegungsgeschwindigkeit der virtuellen Hand generiert
(siehe auch Kapitel 2.2.5.2).
Nach dieser Erhebung folgte die Materialidentikationsaufgabe. Die VR wies dafür nur
noch eine einzelne Platte auf, die randomisiert alle fünf Materialien je zweimal präsentierte
(0,5 BE Basislautstärke). Die Probanden wurden gebeten, diese anhand des dynamischen
auditiven Feedbacks zu identizieren.
Für die Beantwortung aller Durchgänge gab es kein Zeitlimit und die Teilnehmer durften
alle virtuellen Platten so oft explorieren wie nötig.
Abschlieÿend bearbeiteten die Probanden einen kurzen Evaluationsfragebogen (Anhang
I.3).
Abbildung 3.19:
Ausschnitt der Probandensicht auf die Experimentalumgebung: Referenz-
platte links, Testplatte mit unbekannter Rauheit rechts [51].
Ergebnisse
Abbildung 3.20 zeigt die Graphen der Stevens'schen Funktionen, die sich aus den
Probandenantworten ergeben. Sie sind getrennt in Graphen, die aus der Gruppe mit
Streichgeräuschfeedback resultieren (linke Abbildung) und in Graphen, die auf Kratz-
109
3 Experimente
geräuschfeedback basieren (rechte Abbildung). Ihre Funktionen und die zugehörigen
Bestimmtheitsmaÿe sind in Tabelle 3.7 speziziert, ebenfalls getrennt nach Versuchsbedingungen.
180
180
Probandenurteile
Streichen
Kratzen
160
160
140
140
120
120
100
100
80
Glas
80
Glas
60
Metall
60
Metall
Stein
40
Stein
40
Moosgummi
Moosgummi
20
20
Sandpapier
Sandpapier
0
0
40
45
50
55
60
65
70
75
80
85
40
45
Bewerteter Schalldruckpegel [dBA]
Abbildung 3.20:
50
55
60
65
70
75
80
85
Bewerteter Schalldruckpegel [dBA]
Rauheitsratings der Probanden in Abhängigkeit der bewerteten Schalldruck-
pegel je Material [51].
Streichen
Kratzen
Stevens'sche Funktion
Stevens'sche Funktion
R2
Glas
Ψ = 2, 2 · 10−6 · I 4,10
0,99
Ψ = 1, 9 · 10−14 · I 9,27
0,91
Metall
Ψ = 2, 3 · 10−5 · I 3,68
0,99
Ψ = 2, 9 · 10−25 · I 14,46
0,99
Stein
Ψ = 1, 8 · 10−9 · I 5,43
0,96
Ψ = 1, 9 · 10−5 · I 3,60
0,98
Ψ = 4, 3 · 10−17 · I 10,59
0,80
Ψ = 4, 9 · 10−5 · I 3,45
0,99
Ψ = 6, 5 · 10−6 · I 3,86
0,99
Ψ = 1, 08 · 10−6 · I 4,27
0,99
Moosgummi
Sandpapier
Tabelle 3.7:
R2
Stevens'sche
Funktionen
der
auditiv
vermittelten
Rauheit
und
Bestimmtheitsmaÿe.
Die Verwechslungsmatrix in Abbildung 3.21 zeigt die Ergebnisse der Materialidentikationsaufgabe für alle drei Versuchsbedingungen getrennt. Auf der Diagonalen benden sich
jeweils die korrekt klassizierten Materialien (Probe == Antwort). Innerhalb der Zellen
quantiziert der obere Abschnitt die absoluten Häugkeiten, darunter nden sich Angaben
zu den prozentualen Häugkeiten. Bei zufälligen Probandenantworten wären aufgrund der
Ratewahrscheinlichkeit (1/5) pro Material 6 richige Klassikationen zu erwarten.
χ2 -Tests für jede der drei Antwortmuster belegt die Abhängigkeit der Probandenantworten
2
von den Materialvorlagen (kritischer Wert der Testprüfgröÿen jeweils χ (0, 95; 16) = 26, 3):
•
110
Streichen:
χ2 = 366, 05
3.1 Experimentelle Untersuchungen der Einzelmodalitäten
χ2 = 240, 35
•
Kratzen:
•
Streichen und Kratzen:
χ2 = 407, 81
Signikante Unterschiede in der Anzahl der korrekt identizierten Materialien nden sich
zwischen den Bedingungen Streichen+Kratzen und Kratzen (t(28)
zwischen Streichen und Kratzen (t(28)
= 2, 25; p = 0, 03).
= 2, 92; p = 0, 01) sowie
Zwischen Streichen+Kratzen
und Streichen ist kein Mittelwertsunterschied nachzuweisen (t(28)
Glas
Metall
2
3
Metall
Stein
M-gummi
Sandpapier
Glas
Metall
Stein
M-gummi
Sandpapier
1
2
3
4
5
1
2
3
4
5
30
28
2
100%
93,3%
6,6%
13
14
3
1
11
12
6
43,3%
46,6%
10,0%
3,3%
36,6%
40,0%
20,0%
4
26
1
14
14
1
13,3%
86,6%
3,3%
46,6%
46,6%
3,3%
Glas
Metall
5
1
2
3
Sandpapier M-gummi
Glas
29
1
7
1
17
5
97,0%
3,0%
23,3%
3,3%
56,6%
16,6%
1
3
26
1
2
6
21
3,3%
10,0%
86,6%
3,3%
6,6%
20,0%
70,0%
4
Stein
Sandpapier M-gummi
1
Stein
Probe
Antwort
= 0, 74; p = 0, 46).
29
1
96,6%
3,3%
16
14
53,3%
46,6%
7
23
23,3%
76,6%
Abbildung 3.21:
Streichen und Kratzen
Streichen
27
3
90,0%
10,0%
3
5
22
10,0%
16,6%
73,3%
4
5
Kratzen
Verwechslungsmatrix der Materialidentikationsaufgabe. Zellen oben: abso-
lute Häugkeit, unten: prozentuale Häugkeit [51].
Der Evaluationsfragebogen (Anhang I.3) zeigt, dass ein Groÿteil der Probanden ein Gefühl
von Rauheit empnden konnte: in Gruppe Streichen antworteten auf Frage 1 73,4% mit
Ja, 20% mit Weiÿ nicht und 6,6% mit Nein; Gruppe Kratzen erwidern auf diese Frage
zu 91,6% Ja, zu 8,3% mit Weiÿ nicht. Die Gruppe, die beide Feedbackarten zur Verfügung hatte, antwortete zu 93,3% mit Ja und 6,6% mit Nein. Das Antwortverhalten auf
111
3 Experimente
die Fragen zwei und drei sind in den Diagrammen in Abbildung 3.22 festgehalten. Eine
Varianzanalyse zeigt keine Gruppenunterschiede bei der Beantwortung der beiden Items.
Frage 2:
F (2; 38) = 0, 12; p = 0, 88;
Frage 3:
F (2; 38) = 1, 33; p = 0, 28.
Auf die letzte Frage, die nur von Probanden in der Gruppe Streichen und Kratzen beantwortet wurde, gaben 20% an, nur aufgrund der Streichgeräusche geurteilt zu haben, 80%
nutzten sowohl Streich- als auch Kratzgeräusche.
"W ie passend finden Sie die Rauhigkeitsdarstellung?"
"Wie gut konnte ein Gefühl von Rauheit erzeugt werden?"
Häufigkeiten der Ratings [%]
80
Kratzen
Streichen
Kratzen+Streichen
70
60
Kratzen
Streichen
Kratzen+Streichen
50
40
30
20
10
0
sehr passend
passend
Abbildung 3.22:
weder noch
unpassend
sehr unpassend
gut
eher gut
mittel
eher schlecht
schlecht
Probandenantworten des Evaluationsfragebogens (Anhang I.3) von Item
zwei und drei, getrennt nach Feedbackbedingung [51].
Diskussion
Die Rauheitsratings der Probanden lassen sich in eine Vielzahl von Stevens'sche Funktionen verallgemeinern. Aufgrund der geringen Datenpunkte (je vier) sollten diese jedoch
zurückhaltend interpretiert werden. Allgemein lässt sich bestätigen, dass die Probanden
die zunehmende Lautstärke des Feedbacks mit einer erhöhten Oberächenrauheit assoziieren. Dabei ist mit steigendem Schalldruckpegel durchweg ein stärker werdendes Perzept
zu beobachten. Die Dezibelskala des Schalldrucks ist ihrerseits bereits logarithmiert, so
dass hier ein Grund für den exponentiellen Anstieg zu nden ist. Der Umstand, dass die
Kontaktgeräusche nicht statisch, sondern in Abhängigkeit der Bewegungsgeschwindigkeit
der Hand dynamisch bereitgestellt wurden, maskierte die wahrnehmbaren Unterschiede
der rauheitsabhängigen Grundlautstärken nicht.
In allen drei Versuchsgruppen konnten die Probanden mit dem jeweiligen Feedback die
zugrundeliegenden Materialien überzufällig gut identizieren. Verwechslungen zeigten sich
vor allem in der Bedingung, in der ausschlieÿlich Kratzgeräusche zur Verfügung standen,
zwischen den Materialien Stein und Metall. Eine eindeutige Unterscheidung war hier
nicht möglich. Diese Vertauschungen treten seltener auf, wenn die Identikation aufgrund
von Streichgeräuschen stattndet. Die signikant bessere Leistung in der Bedingung, die
beiden Geräuscharten bereithält, bezeugt deren Vorteil gegenüber dem einfachen Kratzgeräuschfeedback. Weiterhin ist jedoch keine Verbesserung des dualen Geräuschfeedbacks
gegenüber der Streichbedingung nachweisbar, so dass mit der vorliegenden Auswahl der
112
3.1 Experimentelle Untersuchungen der Einzelmodalitäten
Materialgeräusche auch sehr gute Ergebnisse mit singulärem Streichgeräuschfeedback
möglich sind.
Die Fragebogenergebnisse bestätigen, dass sich durch die Laustärkenänderungen auf verständliche Weise ein Rauheitsempnden erzeugt lässt. Die zufriedenstellende Beurteilung
der Eignung des Feedbacks für diesen Zweck und die überwiegend positive Einschätzung
der Qualität weisen ebenfalls in diese Richtung.
Zusammenfassend lässt sich festhalten, dass das Material und das dadurch entstehende
Geräusch zwar zu divergierenden psychophysischen Zusammenhängen führt, das auditive
Feedback insgesamt aber geeignet erscheint, um ein Rauheitsempnden hervorzurufen.
113
3 Experimente
3.1.5 Pneumatisches Gewichtsfeedback
Das pneumatische Feedback soll dem Benutzer einer virtuellen Umgebung einen Eindruck
von Gewicht gehobener Objekte vermitteln. Da der Mensch das Gewicht von Objekten unter realen Bedingungen hauptsächlich über propriozeptive Kanäle und die Wahrnehmung
der Scherkräfte an der Kontaktstelle mit dem Objekt wahrnimmt, handelt es sich bei dem
hier verfolgten Ansatz um einen Substitutionsansatz: die künstliche Stimulation erfolgt
nicht für die natürlichen Rezeptoren für Gewicht, sondern es werden davon unabhängige
Wahrnehmungssysteme angesprochen.
Prinzipiell kann es mehrere Gründe für dieses Vorgehen geben: wenn das natürliche
Feedback nur unter sehr groÿem Aufwand bereitgestellt werden kann, dies sehr teuer ist
oder aus technischen Gründen nicht realisiert werden kann, stellt ein Substitutionsdisplay
oftmals eine Alternative dar. In der Telechirurgie wurde mit dem Da Vinci System (siehe
Kapitel 1.2.2.3) eine visuelle Substitution von Fadenspannungen beim Knotenbinden
untersucht. Der Operator bekam hierfür auf dem visuellen Display einen Balken angezeigt,
der sich in Abhängigkeit der Fadenspannung farblich veränderte. Mit dieser Hilfe konnten
die Probanden mit einer signikant geringeren Kraft (d.h. gewebe- und fadenschonend)
Knoten binden [14]. Weiterhin konnte gezeigt werden, dass Kraftinformationen durch
visuell vermittelte Vektoren in der Mikromontage einen Vorteil bringen können. Vor allem
bei Abwesenheit von realem haptischen Feedback konnten Probanden von auditivem und
visuellem Substitutionsfeedback in einer Pick & Place Aufgabe protieren [107]. Auch
komplexe dreidimensionale Bewegungen können präzise von Probanden verfolgt werden,
wenn ihnen eine Kombination aus visuellen und auditiven Hinweisreizen zur Verfügung
steht [125].
Anstelle eines komplexen Kraftrückmeldesystems [25][120] kommt in dieser Arbeit ein ezienter Substitutionsansatz zum Einsatz: der Benutzer trägt eine Druckmanschette um das
rechte Handgelenk (Abbildung 3.23), die sich bei Bedarf mit Luft füllen lässt und so proportional zu dem zu simulierenden Gewicht einen Druck auf das Handgelenk ausübt. Das
System besteht aus einer elektrischen Luftpumpe, die fortwährend arbeitet. Daran sind
zwei elektromagnetische Ventile angeschlossen, die separat angesteuert werden und den
Luftstrom von der Pumpe zur Gelenkmanschette beeinussen sowie ein Angleichen des
Luftdrucks innerhalb der Manschette an den Umgebungsdruck ermöglichen. Ein Drucksensor zwischen Ventil und Manschette erlaubt die dynamische Regelung des applizierten
Luftdrucks. Kapitel 2.1.2.4 und 2.2.3.3 beschreiben die Hard- bzw. Software dieses Systems
im Detail.
Zusammen mit dem oben untersuchten visuell vermitteltem pseudohaptischen Gewichtsfeedback (siehe Abschnitt 3.1.2.2) liefert das pneumatische Substitutionsdisplay ein bimodales Gewichtsfeedback für virtuelle sowie telepräsente Szenarien.
Fragestellung
Das hier verwendete pneumatische Gewichtsfeedback substituiert reales propriozeptives
Feedback, das Menschen beim Heben von Objekten spüren. Da diese Art der Gewichtsdar-
114
3.1 Experimentelle Untersuchungen der Einzelmodalitäten
Abbildung 3.23:
Rechts: Druckmanschette für das pneumatische Gewichtsfeedback. Links:
recht Hand des Operators mit einfachem Datenhandschuh, Magnettracker und Druckmanschette [51].
stellung neu ist und in der Literatur keine vergleichbaren Ansätze beschrieben sind, gilt es
die Eignung des Feedbacks zu untersuchen. Die Stevens'sche Wahrnehmungsfunktion dafür wird experimentell erhoben und die teilnehmenden Probanden beurteilen das System
anhand eines Evaluationsfragebogens.
Methode
Um die Wirkung der pneumatischen Feedbackkomponente hinsichtlich der Gewichtswahrnehmung zu untersuchen, wurde ein psychophysisches Skalierungsexperiment nach dem
Gröÿenschätzverfahren eingesetzt. Dabei sollten die Probanden neutrale und identisch aussehende virtuelle Zylinder anheben und nach ihrem subjektiven Gewichtsempnden beurteilen. Das Feedback setzte ein, sobald der Proband einen Zylinder umgri und nach oben
bewegte. Dazu wurde die Druckmanschette, die um das Handgelenk gelegt war, mit Luft
befüllt, bis ein vorher deniertes Niveau (Dierenzdruck zum Umgebungsdruck: 20, 50, 75,
100, 125, 150, 175 hPa) erreicht wurde.
Ein allgemeiner Evaluationsfragebogen (siehe Anhang I.1) wurde von allen Probanden
ausgefüllt. Seine Skalen und die Ergebnisse der Probandenantworten werden in Abschnitt
3.3 erläutert. Der wiederholte Einsatz desselben Fragebogens in weiteren Experimenten
in dieser Arbeit ermöglicht den Vergleich der Mensch-Maschine Schnittstellen mit unterschiedlichen Ausprägungen.
Stichprobe
Die Untersuchung wurde mit 20 freiwilligen Studenten und Mitarbeitern der Universität
der Bundeswehr München durchgeführt (∅ 26,3
±
7,7 Jahre)) und lieferte 20 auswert-
bare Datensätze. Eine Aufwandsentschädigung in Höhe von
e8
wurde jedem Teilnehmer
ausgezahlt.
115
3 Experimente
Durchführung
Nach einer Einweisung in Datenhandschuh, HMD und VR durch den Versuchsleiter machte
sich jeder Versuchsteilnehmer zunächst in einer Eingewöhnungsphase mit der VR vertraut.
Anschlieÿend erläuterte der Versuchsleiter mit Hilfe von Beispieldurchgängen den Experimentalablauf. Die virtuelle Hand wurde von dem Probanden mit Hilfe des Datenhandschuhs bewegt, so dass er durch Anheben der Zylinder pneumatisches Gewichtsfeedback
nutzen konnte, um die Frage des Versuchsleiters zu beantworten: Der linke Zylinder hat
ein Gewicht von 10. Wie schwer erscheint Ihnen der rechte Zylinder? Abbildung 3.24 zeigt
auf der linken Seite einen Probanden beim Heben eines virtuellen Zylinders. Die Probandensicht der VR ist auf der rechten Seite zu sehen: vor ihm steht auf der linken Seite der
Referenzstilmulus mit einer festgelegten Intensität von 10 (und einem Manschettendruck
von 20 hPa Dierenzdruck), während er den rechten Testzylinder mit unbekannter Intensität anhebt.
Jeder Testzylinder wurde zweimal in randomisierter Reihenfolge zur Beurteilung dargeboten. Für die Beantwortung gab es kein Zeitlimit und die Teilnehmer durften beide Zylinder
so oft heben wie nötig.
Abbildung 3.24:
Links: Proband mit HMD, Datenhandschuh und Druckmanschette. Rechts:
VR-Sicht des Probanden beim Heben eines Testzylinders [51].
Ergebnis
Das doppelt logarithmisch skalierte Diagramm in Abbildung 3.25 zeigt die resultierende
Stevens'sche Funktion für pseudohaptisches Gewichtsfeedback: die Gewichtswahrnehmung
der Probanden in Relation zu den eingestellten visuellen Verzögerungen lässt sich mit einem
2
0,667
Bestimmtheitsmaÿ von R = 0, 983 durch die Funktion Ψ = 1, 43 · I
beschreiben.
Diskussion
Die ermittelte psychometrische Funktion quantiziert den Zusammenhang von subjektivem Empnden und objektiver Einstellung des pneumatischen Gewichtsfeedbacks: mit
116
3.1 Experimentelle Untersuchungen der Einzelmodalitäten
Probandenurteile
100
10
10
100
1000
Manschettendruck [hPadiff]
Abbildung 3.25:
Subjektive Gewichtswahrnehmung (Ordinate) und Druckdierenz der Man0,667
schette (Abzisse) mit der Stevensfunktion: Ψ = 1, 43 · I
, R2 = 0, 983 [51].
steigendem relativen Innendruck der Manschette fällt der Zuwachs der wahrgenommenen
pneumatischen Gewichtsfeedbackintentität schwächer aus (m = 0,667). Die Funktion passt
sich sehr gut an die empirischen Daten an, so dass die Interpolation der Zwischenwerte
gerechtfertigt ist.
117
3 Experimente
3.2 Analyse des multimodalen Feedbacks
Während bei obigen Untersuchungen die verschiedenen Sinneskanäle getrennt voneinander
betrachtet worden sind, beschreiben die folgenden beiden Abschnitte, wie die Komponenten zu einem Gewichtsperzept integriert werden. Hierzu wird eine Verbundmessung
(VM, engl. conjoint analysis ) eingesetzt [7]. Das Verfahren entstammt dem Bereich
der Marktforschung, in dem es hilft, komplexe Kundenpräferenzen zu erfassen. Ist ein
Produkt beispielsweise in mehreren Dimensionen (Farbe, Preis, Ausstattung, Gröÿe)
mit jeweils unterschiedlichen Ausprägungen (Farbe: rot, grün, blau; Preis:
Ausstattung:
mit/ohne
Kopfhörer,
mit/ohne
Ladegerät;
Gröÿe:
pico,
e20, e25;
mini,
normal)
realisierbar, so wird zunächst für jede mögliche Merkmalskombination ein Beispielprodukt
erstellt. Die Gesamtheit dieser Beispielprodukte dient als Grundlage (Versuchsstimuli)
für die folgende Probandenbefragung, in der sie die Produkte nach ihrer subjektiven
Attraktivität bewerten. Dafür bringen die Befragten die Stimuli in eine Rangreihe, die
von dem attraktivsten zu dem am wenisten attraktiven Produkt reicht. Anhand dieser
empirischen Ordnungsrelationen werden für jede Produktdimension mit einer monotonen
Varianzanalyse so genannte Teilnutzenwerte abgeleitet, mit denen sich schlieÿlich die relativen Beiträge aller Merkmalsausprägungen quantizieren lassen. Damit liegen Kennwerte
vor, wie bedeutsam einzelne Produktmerkmale für die Kunden sind, um darauf basierend
das Produkt mit der optimalen Eigenschaftenkombination zu ermitteln.
Bei der Verbundmessung handelt es sich also um ein dekompositionelles Verfahren, mit
dem sich aus ordinalen Gesamturteilen der Probanden metrische Aussagen über den
relativen Beitrag zum Gesamtperzept ableiten lassen.
Folgend kommt die VM zum Einsatz, um die Perzeption des multimodalen Rauheitsfeedbacks (Abschnitt 3.2.1) und des multimodalen Gewichtsfeedbacks (Abschnitt 3.2.2) zu
untersuchen. Sie ermöglicht in Wahrnehmungsexperimenten, die Präferenzen der Probanden für die jeweiligen Feedbackmodalitäten zu identizieren und deren einzelne subjektive
Wichtigkeiten zu beziern.
3.2.1 Rauheitsfeeback mittels vibrotaktilem, visuellem
pseudohaptischen und auditivem Feedback
Die entwickelte Mensch-Maschine Schnittstelle bietet dem Benutzer dreierlei unabhängige
Rauheitsfeedbacksysteme: die vibrotaktil (Experiment 3.1.1), die pseudohaptisch (Experiment 3.1.2.1) und die auditiv (Experiment 3.1.4.2) vermittelte Rauheit. Diese Untersuchung nutzt das oben beschriebene Verbundmessungsverfahren, um die gleichzeitige Bereitstellung aller drei Feedbackvarianten zu untersuchen.
Methode
Die Teststimuli, die für die Verbundmessung benötigt wurden, setzen sich aus zwei Stufen
des vibratorischen (Körnung 80 und 100), zwei Stufen des pseudohaptischen (visuelle Verzögungen 0,5 und 0,8) und zwei Stufen des auditiven Rauheitsfeedbacks (Kratzgeräusche:
118
3.2 Analyse des multimodalen Feedbacks
1a
Konnte ein Gefühl von unterschiedlichen Rauheiten erzeugt werden?
1b
Wie gut konnte das Gefühl von Rauhigkeit bei Ihnen erzeugt werden?
2
Wie passend nden Sie die gesamte Rauhigkeitsdarstellung?
3
Bewerten Sie die einzelnen Darstellungsformen: Rauheit durch Vibration an
den Fingerspitzen.
4
Bewerten Sie die einzelnen Darstellungsformen: Rauheit durch Kontaktgeräusche.
5
Bewerten Sie die einzelnen Darstellungsformen: Rauheit durch visuelle Verzögerung der Hand.
6
Worauf haben Sie sich bei Ihren Antworten gestützt? (Mehrfachnennungen
möglich)
7
Haben Sie noch Anmerkungen zu der Untersuchung?
Tabelle 3.8:
Items des Evaluationsbogens von multimodalem Rauheitsfeedback (Fragebogen
mit Antwortskalen in Anhang I.5).
0,2 und 0,3 BE) zusammen. Daraus resultieren 8 virtuelle Testplatten, die alle Kombinationsmöglichkeiten der drei Dimensionen aufweisen. In virtueller Umgebung mussten diese
Testplatten überstrichen und aufgrund des multimodalen Feedbacks in eine Rangreihe von
1 (Platte mit geringster Rauheit) bis 8 (Platte mit höchster Rauheit) gebracht werden,
2
indem in
= 28 Paarvergleichen stets die rauere von zwei Platten zu benennen war.
8
Aus diesen Vergleichen konnten dann die Rangreihen für die Auswertung abgleitet werden.
Zusätzlich klärte ein Fragebogen (Anhang I.4) die subjektiven Einstellungen der Versuchsteilnehmer zu den beiden Feedbackvarianten ab. Der Fragebogen bestand aus 7 Fragen,
die in Tabelle 3.8 aufgelistet sind.
Ein allgemeiner Evaluationsfragebogen (siehe Anhang I.1) wurde von allen Probanden
ausgefüllt. Seine Skalen und die Ergebnisse der Probandenantworten werden in Abschnitt
3.3 erläutert. Der wiederholte Einsatz desselben Fragebogens in weiteren Experimenten
in dieser Arbeit ermöglicht den Vergleich der Mensch-Maschine Schnittstellen mit unterschiedlichen Ausprägungen.
Stichprobe
Die Untersuchung wurde mit 50 freiwilligen Studenten und Mitarbeitern der Universität
der Bundeswehr München durchgeführt (∅ 24,4
±
5,5 Jahre) und lieferte 50 auswertbare
Datensätze.
119
3 Experimente
Durchführung
Nach einer Einweisung in Datenhandschuh, HMD
10
und VR durch den Versuchsleiter mach-
te sich jeder Versuchsteilnehmer zunächst in einer Eingewöhnungsphase mit der VR vertraut. Anschlieÿend erläuterte der Versuchsleiter den Experimentalablauf anhand dreier
Beispielaufgaben. Die Probanden durften die virtuelle Hand mit Hilfe des Datenhandschuhs bewegen, so dass sie durch ein Überstreichen der virtuellen Testplatten deren Rauheit untersuchen konnten. Die virtuellen Finger waren nicht frei beweglich, sondern aus
Gründen der Versuchsstandardisierung xiert: Zeige- und Mittelnger wurde für das Kratzgeräuschfeedback leicht gekrümmt, während die restlichen Finger zur Faust geballt waren.
Abbildung 3.26 zeigt im linken Bild die virtuelle Versuchsanordnung, bestehend aus einem
Tisch, zwei Testplatten und einer Fragetafel, und im rechten Bild einen Probanden mit
angelegtem Datenhandschuh, HMD und Kopfhörer.
Die 28 Stimulipaarungen wurden im Experiment randomisiert nacheinander dargeboten.
Beide Platten mussten mindestens einmal durch Überstreichen exploriert werden, bevor
der Proband dem Versuchsleiter mitteilte, welche der beiden Flächen er als rauer empfand.
Es bestand kein Zeitdruck, so dass jeder Versuchsteilnehmer die Testplatten beliebig oft
und lange überstreichen durfte.
Abbildung 3.26:
Links: VR-Sicht auf den Experimentalaufbau. Rechts: Versuchsteilnehmer
mit Datenhandschuh, HMD und Kopfhörer [51].
Am Ende des Experiments wurden alle Probanden gebeten, die oben genannten Evaluationsfragebögen auszufüllen. Pro Proband dauerte ein kompletter Versuchsdurchgang ca. 30
Minuten.
10 In diesem Experiment wurde ein nVisor SX 111 der Firma NVIS Inc. verwendet.
120
3.2 Analyse des multimodalen Feedbacks
Ergebnisse
Mit Hilfe der Conjoint Analyse errechnet sich auf Basis der empirisch ermittelten Rangreihen für jeden Probanden ein Nutzenwert pro Feedbackmodalität (siehe Anhang J.1).
Durchschnittlich beträgt dieser 37,7 % (SA: 25,3) für das vibratorische, 29,6 % (SA: 23,0)
für das pseudohaptische und 32,7 % (SA: 22,3) für das auditive Rauheitsfeedback. Die
Kreuzkorrelationen der Wichtigkeitswerte aller Probanden betragen
und visuell),
r = −0, 372
(visuelle und audio) und
r = −0, 537
r = −0, 549 (vibration
(vibration und audio) mit
p < 0, 008.
Das Dendrogramm einer Clusteranalyse zeigt die Gruppierungen der Probanden anhand
ihrer Teilnutzenwerte in Anhang J.2. Die deskriptiven Statistiken der Clusterlösungen mit
zwei, drei und vier Gruppen sind in Anhang J.3 aufgeführt und unterstützen die Entscheidung für die beste Clusterlösung mit vier resultierenden Gruppen. Die Personen in
Gruppe A (N = 12), Gruppe B (N = 11) und Gruppe D (N = 8) weisen jeweils sehr hohe
Wichtigkeitswerte für das vibrotaktile, das visuelle bzw. für das auditive Feedback auf,
während die übrigen Modalitäten in den Gruppen zurücktreten. Gruppe C (N = 19) weist
einen geringen Einuss des pseudohaptischen visuellen Rauheitsfeedbacks auf, das vibratorische und auditive Feedback besitzen hingegen in dieser Gruppe einen ähnlich hohen
Wichtigkeitswert.
In Anhang J.7 sind die Ergebnisse des ersten Fragebogens zusammengestellt.
100
Vibratorisches Feedback
Mittlere Wichtigkeitswerte
90
Pseudohaptisches Feedback
80
Auditives Feedback
70
60
50
40
30
20
10
0
Abbildung 3.27:
Gruppe A
Gruppe B
Gruppe C
Gruppe D
Mittlere Wichtigkeitswerte der Feedbackmodalitäten nach der besten Clu-
sterlösung mit vier Probandengruppen (Fehlerbalken: SA; siehe auch Anhang J.3) [51].
Diskussion
Die generelle Eignung des multimodalen Rauheitsfeedbacks spiegelt sich in den Ergebnissen
des Fragebogens wieder: 90% der Probanden gaben an, ein Gefühl von unterschiedlichen
121
3 Experimente
Rauheiten aufgrund des künstlichen Feedbacks verspürt zu haben (Frage 1a), das zu 20%
als eher gut, zu 20% als eher schlecht und zu 40% als mittel gelang (Frage 1b). Die
Gesamtdarstellung der Rauheit wurde ich Frage 2 von der Mehrheit als passend oder
sehr passend eingestuft (46% bzw. 8%) und nur von 10% als unpassend.
Der Vergleich der drei Feedbackvarianten wird durch die Fragen 3, 4 und 5 ermöglicht:
während das vibratorische und das auditive Feedback nur von 12% bzw. 18% als unpassend beurteilt wird, gaben 36% der Probanden an, das visuelle pseudohaptische Feedback
sei unpassend. Auch in der Nutzung der drei Modalitäten (Fragen 6, 7, 8) zeigt sich
diese Tendenz, dass das pseudohaptische Feedback im Vergleich schlechter abschneidet,
da 88% das vibratorische, 72% das auditive, aber nur 16% das pseudohaptische Feedback
willentlich nutzten.
Die Conjoint Analyse liefert Wichtigkeitswerte der drei Feedbackarten für jeden Probanden, die aufgrund der ambivalenten Fragebogenergebnisse und der Streuung der
interindividuellen verschiedenen Wichtigkeitswerte erst nach einer passenden Probandengruppierung (Clusteranalyse) aggregiert werden. Die Wichtigkeitswerte korrelieren nur
mittelstark miteinander, so dass alle drei Feedbackwichtigkeitswerte in die Clusteranalyse
eingehen. Abbildung 3.27 zeigt die am besten geeignete Clusterlösung, die die Probanden
in vier Gruppen einteilt: Gruppe A basiert seine Rauheitsunterscheidungen hauptsächlich
auf das auditive Feedback (mittlere Wichtigkeit: 60,9%) und nur zu geringen Teilen ieÿen
pseudohaptische (27,6%) oder vibrotaktile (11,5%) Hinweisreize mit ein. Die Probanden
in Gruppe B weisen einen hohen Wichtigkeitswert für das vibratorische (64,4%), aber
nur geringe Werte für das pseudohaptische (28,8%) oder auditive (6,8%) Feedback auf.
Gruppe D legt seinen Fokus auf das pseudohaptische Feedback (70,5%), das vibrotaktile
(14,7%) und auditive (14,8%) Feedback weisen deutlich geringer Wichtigkeitswerte auf.
Die mit 19 Probanden gröÿte Gruppe C zieht für die Rauheitsunterscheidungsaufgabe
sowohl das vibratorische (48,5%) als auch das auditive Feedback (35,1%) zu Rate; das
pseudohaptische trägt mit einer mittleren Wichtigkeit von 14% zu dem Rauheitsperzept
bei.
Sowohl die Fragebogenergebnisse als auch die Conjoint Analyse deuten darauf hin, dass das
multimodale Rauheitsfeedback nicht für alle Probanden gleichermaÿen realiersiert werden
muss. Je eine Gruppe legte bei den Paarvergleichen den gröÿten Wert auf eine einzelne
Feedbackart, während die anderen nur geringe Beachtung fanden. In diesen Fällen mag
ein singuläres Feedback ausreichend sein, während auf die beiden Alternativen verzichtet
werden könnte. Andererseits bietet die multimodale Rauheitsdarstellung diesen Probanden
die Möglichkeit, sich ein präferiertes Feedback zu Nutze zu machen, und die für ihn ungeeigneten Modalitäten zu ignorieren. Ein Groÿteil der Probanden nahm jedoch Rauheitsinformationen aus allen drei Feedbackkanälen wahr; die Teilnutzenwerte quantizierten dann
den Einzelbeitrag der drei Systeme zum Gesamtperzept.
122
3.2 Analyse des multimodalen Feedbacks
3.2.2 Gewichtsfeedback mittels pneumatischem und visuellem
pseudohaptischen Feedback
Die realisierte Mensch-Maschine Schnittstelle bietet die Möglichkeit, das Gewicht von Objekten in virtuellen Umgebungen oder Telepräsenzanwendungen auf zwei unterschiedliche
Arten darzustellen. Zum einen hat sich das pneumatisch vermittelte Gewichtsfeedback als
brauchbare Substitutionslösung in Experiment 3.1.5 präsentiert, zum anderen zeigte Experiment 3.1.2.2 die Eignung der visuellen Vermittlung von pseudohaptischem Gewichtsfeedback. Diese Untersuchung nutzt das oben beschriebene Verbundmessungsverfahren, um die
gleichzeitige Bereitstellung beider Feedbackvarianten zu untersuchen.
Fragestellung
Für den Fall, in dem einem Operator sowohl pneumatisch als auch pseudohaptisch vermitteltes Feedback zur Verfügung steht, ist von Interesse, wie er dieses bimodale Feedback
wahrnimmt. Da beide Systeme in der vorliegenden Form neu sind, kann keine fundierte
Hypothese angestellt werden, ob ein Feedback von Probanden bevorzugt wird. In Studien,
in denen Diskrepanzen zwischen visuellen und propiozeptiven Handstellungen induziert
wurden, hatte das visuelle Feedback einen dominanten Einuss auf das resultierende Perzept [105]. Auch der Einuss des visuell erfassten Volumens eines Objektes auf dessen
Gewichtsanmutung ist bekannt [39]. Dieser Eekt ist stark genug, um selbst bei Abwesenheit von propriozeptiven Reizen ein Gefühl von Gewicht zu erzeugen. Ob sich das visuelle
Feedback ebenfalls dominant auf das pneumatische Substitutionsfeedback auswirkt, prüft
das folgende Experiment.
Methode
Die Teststimuli, die für die Verbundmessung benötigt wurden, setzen sich aus vier Stufen
des pseudohaptischen Feedbacks (visuelle Verzögungen 2, 3, 4 und 5; siehe auch Kapitel
3.1.2.2) und vier Stufen des pneumatischen Manschettendrucks (25, 75, 125 und 175 hPa)
zusammen. Daraus resultieren 16 virtuelle Testzylinder, die alle Kombinationsmöglichkeiten der beiden Dimensionen aufweisen. In virtueller Umgebung mussten diese Testzylinder
angehoben und aufgrund des bimodalen Feedbacks in eine Rangreihe von 1 (leichtester
Zylinder) bis 16 (schwerster Zylinder) gebracht werden. Dies geschah über Paarvergleiche,
in denen stets der schwerere Zylinder zu benennen war. Um die Stimuluspaarungen
bei einem vollständigen Versuchsplan zu reduzieren, wurde der Versuchsalgorithmus so
angelegt, dass die 16 Testzylinder zunächst grob in schwere, mittlere und leichte
einzuteilen waren und dann in einem zweiter Versuchsabschnitt nur noch die vollständigen
Zylinderpaarungen innerhalb der Kategorien durchpermutiert werden mussten.
Zusätzlich klärte ein Fragebogen (Anhang I.5) die subjektiven Einstellungen der Versuchsteilnehmer zu den beiden Feedbackvarianten ab. Der Fragebogen bestand aus 9 Fragen,
die in Tabelle 3.9 aufgelistet sind.
123
3 Experimente
1
Auf was hatten Sie sich für Ihre Gewichtsurteile gestützt?
2
Was halten Sie von der Darstellung des Gewichts durch die Verzögerung der
virtuellen Hand?
3
Was halten Sie von der Darstellung des Gewichts durch den Handgelenkdruck?
4a
Konnte ein Gefühl von Gewicht in der virtuellen Umgebung erzeugt werden?
4b
Wie gut konnte in der virtuellen Umgebung insgesamt das Gefühl von Gewicht
bei Ihnen erzeugt werden?
5
Haben Sie dem unterschiedlichen Handgelenkdruck Beachtung geschenkt?
6
Haben Sie der unterschiedlichen Handverzögerung Beachtung geschenkt?
7
Hat Sie die Handverzögerung eher irritiert oder hat sie geholfen, das Gewicht
der Zylinder einzuschätzen?
8
Hat Sie der Handgelenkdruck eher irritiert oder hat er geholfen, das Gewicht
der Zylinder einzuschätzen?
9
Haben Sie noch Anmerkungen zu der Untersuchung?
Tabelle 3.9:
Items des Evaluationsbogens von bimodalem Gewichtsfeedback (Fragebogen mit
Antwortskalen in Anhang I.5).
Ein allgemeiner Evaluationsfragebogen (siehe Anhang I.1) wurde von allen Probanden
ausgefüllt. Seine Skalen und die Ergebnisse der Probandenantworten werden in Abschnitt
3.3 erläutert. Der wiederholte Einsatz desselben Fragebogens in weiteren Experimenten
in dieser Arbeit ermöglicht den Vergleich der Mensch-Maschine Schnittstellen mit unterschiedlichen Ausprägungen.
Stichprobe
Die Untersuchung wurde mit 35 freiwilligen Studenten und Mitarbeitern der Universität
der Bundeswehr München durchgeführt (∅ 26,8
±
7,4 Jahre) und lieferte 34 auswert-
bare Datensätze. Eine Aufwandsentschädigung in Höhe von
e8
wurde jedem Teilnehmer
ausgezahlt.
Durchführung
Nach einer Einweisung in Datenhandschuh, HMD und VR durch den Versuchsleiter machte
sich jeder Versuchsteilnehmer zunächst in einer Eingewöhnungsphase mit der VR vertraut.
Anschlieÿend erläuterte der Versuchsleiter den Experimentalablauf. Die virtuelle Hand
wurde mit Hilfe des Datenhandschuhs von dem Probanden bewegt, so dass er durch Anheben der Zylinder pneumatisches und pseudohaptisches Gewichtsfeedback nutzen konnte,
um deren Gewicht zu untersuchen.
Zunächst wurden dem Probanden nacheinander alle 16 Zylinder auf dem virtuellen Tisch
präsentiert, um diese anzuheben und in eine von drei Klassen einzuteilen: schwer, mit-
124
3.2 Analyse des multimodalen Feedbacks
tel und leicht. Der Proband hatte damit alle Testzylinder einmal gehoben und damit
jede Feedbackkombination erfahren können. Um darauf basiernde Änderungswünsche der
getätigten Gewichtseinteilungen zu berücksichtigen, wurden nun alle drei Gewichtsklassen
erneut nacheinander präsentiert, mit der Frage, ob die jeweilige Einteilung angepasst werden sollte. Anschlieÿend bildete der Versuchsalgorithmus aus den drei Gewichtsgruppen für
die folgenden Paarvergleiche der Zylinder alle möglichen Stimulipaarungen. Die Gewichtsgruppen wurden dann in einzelnen Paarvergleichen blockweise in zufälliger Abfolge zur
Bearbeitung durch die Probanden dargeboten. Abbildung 3.28 zeigt auf der linken Seite
die Sortierphase, auf der rechten Seite die anschlieÿende Paarvergleichssituation.
Am Ende des Experiments wurden alle Probanden gebeten, den oben genannten Evaluationsfragebogen auszufüllen.
Abbildung 3.28:
VR-Sicht auf den Experimentalaufbau. Links: Gruppierungsphase, rechts:
Paarvergleiche der Testzylinder [51].
Ergebnisse
Mit Hilfe der Conjoint Analyse errechnet sich auf Basis der empirisch ermittelten Rangreihen für jeden Probanden ein Nutzenwert pro Feedbackmodalität (siehe Anhang J.4).
Durchschnittlich beträgt dieser 60,72 % für das pneumatische Feedback und 39,28 % für
das pseudohaptische. Aufgrund der groÿen Streuung der Nutzenwerte ist diese Mittelung
jedoch nicht angebracht. Eine Clusteranalyse
11
der Daten zeigt eine starke Zweiteilung der
Probanden, die sich sehr früh vollzieht (Dendrogramm in Anhang J.5). Wie in Abbildung
3.29 ersichtlich, weist Gruppe A (N = 14) eine mittlere Wichtigkeit von 31 % für pneumatisches und 69 % für pseudohaptisches Feedback auf (SA: 15,9), die Personen in Gruppe
B (N = 20) hingegen zeigen eine mittlere Wichtigkeit von 82 % bzw. 18 % (SA: 11,6).
Die Rangreihen von 14 Probanden wiesen eine, von weiteren 4 Probanden zwei Vertauschungen in der Verbundmessung auf. Die Fragebogenergebnisse sind in Anhang J.6 zu
nden.
11 ward-linkage
125
3 Experimente
Mittlere Wichtigkeitswerte
100
90
Pneumatisches
Feedback
80
Pseudohaptisches
Feedback
70
60
50
40
30
20
10
0
Abbildung 3.29:
Gruppe A
Gruppe B
Gruppierung der Probanden nach der Clusteranalyse und zugehörige mittlere
Wichtigkeitswerte der Feedbackkomponenten (Fehlerbalken: SA) [51].
Diskussion
Die generelle Eignung der Feedbackkomponenten für ein künstliches haptisches Feedback
bestätigen die Probandenantworten des Fragebogens: der Groÿteil der Probanden (93,1%)
gab an, ein Gewicht der Zylinder in der virtuellen Umgebung gespürt zu haben (Frage 4a).
Dieses Gewichtsfeedback schätzen die Probanden zu 82,7% als mittel bis eher gut ein
und nur zu 10,3% als eher schlecht (Frage 4b). Dabei beachteten nach eigenen Angaben
96,6% der Personen das pneumatische (Frage 5) und 79,3% das visuelle Feedback (Frage 6)
und beurteilten die Gewichtsunterschiede zu 6,9% ausschlieÿlich aufgrund des visuellen, zu
24,1% ausschlieÿlich aufgrund des pneumatischen und zu 69% aufgrund des verbundenen
Feedbacks (Frage 1). Damit zeigt sich, dass trotz der Abwesenheit von echtem haptischen
Feedback mit beiden Teilsystemen ein Gewichtsfeedback erzeugt werden kann.
Die Teilnutzenwerte, die aus den individuellen Rangreihen hervorgehen (siehe Abbildung
3.29), quantizieren den relativen Beitrag des pneumatischen und pseudohaptischen Feedbacks zum Zustandekommen des Gewichtsperzeptes. Damit liegen Kennwerte vor, wie bedeutsam und zuverlässig die Informationen aus den unterschiedlichen Sinneskanälen erachtet werden. Die gute Clusterbildung der Probanden vor der Aggregierung der einzelnen
Teilnutzenwerte ist notwendig, da andernfalls die unterschiedlichen Präferenzen durch die
Mittelung nivelliert würden. Die beobachtete Aufspaltung der Probanden in Gruppe A,
die das pseudohaptische, und Gruppe B, die das pneumatische Feedback präferiert, spiegelt sich ebenfalls in den ambivalenten Fragebogenantworten wieder: 48,2% beurteilen das
pseudohaptische Feedback als (sehr) unpassend und weitere 37,9% als (sehr) passend (Frage 2), während gleichzeitig das pneumatische Feedback von 17,2% als (sehr) unpassend und
von 65,5% als (sehr) passend angesehen wird (Frage 3). Ein Teil der Probanden bevorzugt
demnach eher das pneumatische, ein anderer Teil das visuelle Feedback.
126
3.3 Allgemeiner Evaluationsfragebogen
Die Zuordnung zu den beiden Gruppen gelingt zuverlässig über einen einfachen Post-HocTest: Wird ein extremer Stimulus (CDR mit Faktor 1, Manschettendruck mit 175 hPa)
als leicht empfunden, so lässt sich der Proband der ersten Gruppe zuordnen und es dominiert bei der Wahrnehmung das pseudohaptische Feedback; wird der Stimulus hingegen
als schwer bewertet, so dominiert das pneumatische Feedback. Durch diese individuelle Kalibirierung lässt sich die empfundene Schnittstellenqualität anpassen, indem nur das
bevorzugte Feedback bereitgestellt wird.
3.3 Allgemeiner Evaluationsfragebogen
Der allgemeine Evaluationsfragebogen (siehe Anhang I.1), der von einem Groÿteil der Probanden in den oben genannten Untersuchungen ausgefüllt wurde, basiert auf einem deutschen Präsenzfragebogen [119] (der seinerseits auf einem englischen Fragebogen beruht
[140]). In seiner Ursprungsform misst er das Präsenzerleben von Personen in virtuellen
Umgebungen über die drei Subskalen Qualität der Schnittstelle, räumliches Präsenzemp-
nden und Involvierung und Motivation sowie die immersive Tendenz der Personen durch
die Skalen allgemeine emotionale Involviertheit und Grad der Involviertheit.
Aus
den
51 Fragen
des Präsenzbogen wurden
für
die
Verwendung
als allgemeiner
Evaluationsfragebogen 13 Items ausgewählt, die die fünf Skalen abdecken und jeweils
siebenstuge Antwortmöglichkeiten vorsehen (siehe Anhang I.1). Tabelle J.9 listet die
Fragen und die zugehörigen Skalen auf.
Die Teilnehmer der Untersuchungen zu dem pseudohaptischen Rauheits- und Gewichtsfeedback, zu dem pneumatischen Gewichts- und dem auditiven Rauheitfeedback sowie zu
multimodaler Gewichts- und Rauheitsdarstellung bearbeiteten diesen kurzen Fragebogen
im Anschluss an die Untersuchungen. Die Ergebnisse dieser Befragungen erlauben es
einerseits die jeweilige Mensch-Maschine Schnittstelle zu evaluieren und andererseits
ermöglichen sie einen direkten Vergleich der Systeme. Da Gewichts- und Rauheitsfeedback
über verschiedene Kanäle bereitgestellt werden kann, helfen die Probandenbefragungen
weiterhin,
gegebenenfalls
besonders
gute
Systeme
auszuwählen
oder
ungeeignete
zu
identizieren.
Ergebnisse
Die Ergebnisse des Evaluationsfragebogens sind in Anhang J.8 in Form von Histogrammen
der Antworthäugkeiten festgehalten. Nach der Umkodierung und Aggregierung (Mittelung) der Items zu den o.g. Subskalen ergibt sich die Ergebnistabelle in Anhang J.9. Eine
Varianzanalyse zeigt lediglich auf der Skala Grad der Involviertheit signikante Unterschiede zwischen den Gruppen (F(5,166) = 3,44; p = 0,006). Ein Bonferroni Post-Hoc Test
speziziert diesen Unterschied als signikant verschiedene Mittelwerte der Skala Grad der
Involviertheit, gemessen in dem Experiment zu pseudohaptischem Rauheitsfeedback und
dem Conjointexperiment zu Gewichtsfeedback (∆ = 1,11, p = 0,032) sowie zwischen dem
127
3 Experimente
Item
11
Frage
Ich hatte das Gefühl in dem virtuellen Raum zu sein.
Skala
räumliche
Präsenz
12
Ich hatte das Gefühl nur Bilder zu sehen.
1
Wie natürlich erschien Ihnen die Interaktion mit der Umgebung?
2
Wie stark stimmte Ihre Erfahrung in der virtuellen Realität mit
Qualität
denen in der realen Welt überein?
Schnittstelle
5
Wie schnell haben Sie sich an die virtuelle Umgebung gewöhnt?
6
Konnten Sie sich eher auf die Ausführung Ihrer Aufgabe konzen-
der
trieren oder muÿten Sie sich eher auf die Bedienung konzentrieren?
13
Die Bedienung empfand ich als fremd und unrealistisch.
3
Wie real erschienen Ihnen Ihre Bewegungen durch den virtuellen
Involvierung
Raum?
u. Motivation
4
Wie genau konnten sie Objekte untersuchen?
9
Werden Sie manchmal so sehr in einen Tagtraum hineingezogen,
allg. emot. In-
dass Sie sich der Dinge um Sie herum nicht mehr bewuÿt sind?
volviertheit
10
Sind Sie manchmal so mit einer Sache beschäftigt, dass Sie die Zeit
vergessen?
7
8
Fühlten Sie sich jemals so tief in ein Computerspiel versunken, dass
Grad der In-
Sie das Gefühl hatten, sich in diesem Spiel zu benden?
volviertheit
Lassen Sie sich leicht in Spiel- oder Fernsehlme hineinziehen?
Tabelle 3.10:
Skalen und Items des allgemeinen Evaluationsfragebogens (Fragebogen in An-
hang I.1).
pseudohaptischem Rauheitsfeedback und dem Conjointexperiment zu Rauheitsfeedback
(∆ = 1,32, p = 0,002).
Diskussion
Die Ergebnisse des allgemeinen Evaluationsfragebogens bescheinigen zunächst die Eignung
der untersuchten Feedbacksysteme. Die deskriptiven Daten (Anhang J.9) der Subskalen
räumliche Präsenz, Qualiät der Schnittstelle und Involvierung und Motivation (Skala Präsenz ) weisen allesamt Mittelwerte auf, die gröÿer als vier sind und damit im oberen Teil
des Messbereichs liegen. Im direkten Vergleich der Bewertungen zwischen den Feedbacksystemen konnten keine überzufälligen Unterschiede festgestellt werden. Ein möglicher Zugewinn auf den Präsenz-Subskalen, der durch das multimodale, umfassendere Feedback in
den Conjointuntersuchungen zu erklären gewesen wäre, ist nicht zu beobachten. Das mag
an dem Umstand liegen, dass die Probanden in den Conjointexperimenten Stimuli vergleichen mussten, deren haptische Eigenschaften niemals konsequent einer multimodalen
Reizdarstellung folgten. Schwere virtuelle Zylinder waren zum Beispiel nicht immer mit
128
3.3 Allgemeiner Evaluationsfragebogen
hoher Verzögerung und hohem Manschettendruck realisiert, sondern alle möglichen Merkmalskombinationen wurden exploriert. Stimuli, die auf einer Dimension mit einem hohen
Gewicht und gleichzeitig auf einer weiteren mit einem niedrigen Gewicht kodiert waren,
könnten durch diesen Widerspruch die Beantwortung des Evaluationsfragebogens negativ
beeinusst haben. Aus diesem Grund ist der Vergleich der Fragebogenergebnisse der Einzelmodalitäten mit denen der multimodalen Feedbacksysteme nicht angezeigt.
Auf der Skala der immersiven Tendenz, gemessen durch die Subskalen emotionale In-
volviertheit und Grad der Involviertheit, zeigten die Probanden Werte, die im Bereich der
Eichstichprobe des ursprüglichen Präsenzfragebogens lagen (MW: 3,81 SA: 1,05 bzw. MW:
3,74 SA: 1,12; N = 165). Durch die reduzierte Itemzahl innerhalb der Subskalen in dem
vorliegenden Evaluationsbogen ist ein statistischer Vergleich nicht sinnvoll. Die beobachteten Werte weisen jedoch darauf hin, dass die Probanden in den Stichproben in Bezug
auf ihre immersive Tendenz keine Exremgruppen darstellen, sondern in Ausprägung und
Verteilung eher der Basispopulation (d.h. der Eichstichprobe) entsprechen. Dieses Ergebnis
spricht für die Gültigkeit der Ergebnisse, die in dieser Arbeit dokumentiert wurden, da sie
mit Hilfe von durchschnittlichen Probanden gewonnen wurden.
129
4 Zusammenfassung und Forschungsausblick
Die rasanten Entwicklung in den Bereichen der Elektro- und Kommunikationstechnologie,
der Informatik und des Maschinenbaus ermöglicht dem Menschen seit der Mitte des 20.
Jahrhunderts neue Anwendungen und Werkzeuge zu realisieren, die seine natürlichen
Handlungsmöglichkeiten erweitern. Die vorliegende Arbeit zeigt in Kapitel 1.2 Beispiele
solcher modernen Anwendungen auf: virtuelle Umgebungen (VU) erlauben neue Formen
der Ausbildung, der Unterhaltung und der Kommunikation, Teleaktionssysteme (TAS)
dehnen den Einussbereich des Menschen weit aus, indem sie die mögliche Distanz
zwischen Aufenthalts- und Wirkungsort des Menschen über beliebig weite Strecken
erweitern.
Um solche Systeme eektiv nutzen zu können, muss ein Mensch die virtuellen oder
entfernten Szenarien mit seinen Sinnen umfassend wahrnehmen und benötigt andauernde
Rückmeldung seines Handelns. Dafür stehen ihm die gleichen Organe zur Verfügung, mit
denen er bereits seine natürliche, unmittelbare Umwelt wahrnimmt: u.a. die Augen, die
empndlich sind für elektromagnetischen Wellen, die Ohren, die Schallwellen aufnehmen,
und die Haut, die über eine Vielzahl von Rezeptoren sensibel für Temperaturänderungen
und Verformung ist (siehe Kapitel 1.1). Für die Darstellung von virtuellen oder weit
entfernten Umgebungen müssen diese Wahrnehmungsapparate nun mit künstlichen Reizen
versorgt werden.
Dafür wurde im Rahmen dieser Dissertation eine technische Mensch-Maschine Schnittstellen entwickelt und in Kapitel 2 im Detail beschrieben. Sie besteht aus Eingabekomponenten
(Datenhandschuh und Magnettrackern), die fortwährend die Bewegungen des Operators
messen und an die virtuelle Umgebung übermitteln, sowie aus Ausgabegeräten (HMD,
aktuierter Datenhandschuh), die künstliches haptisches Feedback erzeugen. Neben der
elektro-mechanischen Realisierung des thermalen Material-, des vibratorischen Rauheitsund des pneumatischen Gewichtsfeedbacksystems bietet die entwickelte Mensch-Maschine
Schnittstelle auch ein pseudohaptisches Gewichts- und Rauheitsfeedback sowie eine auditiv
vermittelte Material- und Rauheitsdarstellung. Neben der redundanten Bereitstellung
von neuartigen haptischen Systemen, die ein dynamisches Feedback liefern, ist das
Gesamtsystem auf eine unkomplizierte Bedienung, einfache und robuste Hardware sowie
auf höchste Mobilität bei niedrigen Materialkosten hin ausgelegt.
Für experimentelle Arbeiten mit diesen Feedbackkomponenten verfügt der entwickelte Aufbau über eine Anbindung an eine virtuelle Umgebung. Sie ist äuÿerst exibel
gestaltbar, so dass sowohl die empirische Evaluation der Einzelkomponenten als auch
Grundlagenforschung zu menschlichen Wahrnehmungsvorgängen möglich ist.
130
Die entwickelte Mensch-Maschine Schnittstelle wurde für eine Vielzahl von experimentellen Untersuchungen herangezogen, wie in Kapitel 3 dargelegt. Beantwortet wurden Fragen
der generellen Eignung aller Einzelfeedbackkomponenten und deren Leistungsfähigkeit in
der künstlichen Darstellung von haptischem Feedback in virtueller Umgebung. Grenzen
und Möglichkeiten der einstellbaren Feedbackparameter und psychometrische Wahrnehmungsfunktionen wurden ermittelt. Ein Hauptunterschied zu vergleichbaren Studien ist
dabei die umfassende Verwendung von dynamisch generierten Reizen anstelle von statischen Stimulidarbietungen. Die generelle Eignung der Feedbackmodalitäten für die oben
genannte Systemauslegung und die Akzeptanz, Angemessenheit und Verständlichkeit wurde mit menschlichen Untersuchungsteilnehmern experimentell bestätigt. Bei Bereitstellung
von multimodalem, redundantem Feedback wurde unter Verwendung der Conjoint Analyse
ermittelt, wie sich das Gesamtperzept aus den Einzelkomponenten bei Menschen zusammensetzt und inwiefern sich Probandenpräferenzen dabei unterscheiden.
Die dargelegten Untersuchungsergebnisse helfen nicht nur die vorliegende Mensch-Maschine
Schnittstelle optimal für die menschliche Benutzbarkeit zu kongurieren, sondern können
auch als Leitfaden für ähnliche haptische Schnittstellen dienen. Die Wahrnehmungsexperimente liefern Antworten auf die Frage nach dem funktionalen Zusammenhang von physikalischen Reizen und deren Wahrnehmung durch den Menschen.
Die eingangs genannten Anwendungsbeispiele von virtuellen Realitäten und Teleaktionsszenarien könnten ebenfalls von der Integration des hier entwickelten haptichen Feedbacksystems protieren, vermag es doch künstliche Welten zu erweitern und deren Immersion
zu steigern.
Zukünftig werden weitere Verbesserungen und neuartige haptische Feedbacksysteme entwickelt werden. Eine Vielzahl von antropomorphen Telemanipulatoren sind verfügbar und
werden ebenfalls stetig weiterentwickelt. Mit der menschlichen Hand als Vorbild sollen
diese Greifer nicht nur von Robotern autonom eingesetzt werden, sondern können auch
über ein Teleaktionssystem direkt von Menschen gesteuert werden. Tabelle 4.1 stellt eine
Auswahl von unterschiedlich komplexen Ansätzen zusammen und verdeutlicht damit die
vielfältigen Versuche, die menschliche Hand bestmöglich nachzubilden. Für deren erfolgreichen Einsatz sind wiederum leistungsfähige haptische Feedbacksysteme essentiell.
Obwohl die hier realisierten Komponenten in virtuellen und damit auch bedingt in telepräsenten Szenarien Anwendung nden können, weisen sie dennoch Schwächen und
Grenzen auf. Inwieweit ein multimodales, gleichgerichtetes Gewichts- oder Rauheitsfeedback diese Dezite ausgleichen kann, sollte Inhalt von weiterführenden Studien sein. Die
ausgearbeitete Schnittstelle eignet sich für derartige Forschungsfragen, da Experimentalumgebungen leicht programmiert und beliebige künstliche Reizkombinationen (deren Konstituentenwirkung nun bekannt ist) verfügbar sind.
131
4 Zusammenfassung und Forschungsausblick
Tabelle 4.1:
Auswahl von verschiedenen antropomorphen künstlichen Greifern
Name
1
Abbildung
Beschreibung
Nachweise
DLR/ HIT Hand
Entstanden aus einer Kooperation des
[33], [61]
(SAH Version)
Deutschen
Zentrum
für
Luft-
und
Raumfahrt und dem Harbin Institute
of Technology. Basiert auf DLR Hand
II. 4-ngrig. 65-69 Sensoren. 2,2 KG.
2
NASA
Robo-
naut 2 Hand
Bestandteil des Robonaut 2: seit Febru-
[34], [35]
ar 2011 auf der Internationalen Raumstation. Fokus auf Benutzbarkeit von
menschlichen Werkzeugen und Entlastung von Astronauten bei Routineaufgaben. 14 DOF.
2
C6M Smart Mo-
Kommerzielles Produkt der Firma Sha-
tor Hand
dow. 20 smart motors bewegen 5 Fin-
[123], [124]
ger über Seilzüge. 19 DOF. 3,9 KG.
3
EH1 Milano Se-
Kommerzielles Produkt der Firma Pre-
ries
silia Srl. Leichte Hand, die von 6 Mo-
[111]
toren aktuiert wird. Kraftübertragung
durch Seilzüge. 16 DOF.
4
DART Hand
Dexterous
Anthropomorphic
Robotic
[135]
Typing der Virginia Tech Univerität.
19 Servomotoren steuern die Fingersegmente einzeln an. Silikonhautüberzug
möglich, Sensorik noch in Entwicklung.
5
Gripper G1
Basiert auf Kunststonachbildung der
menschlichen Handknochen. Aktuiert
durch 7 Bündel von Shape Memory Alloys in Verbindung mit Stahlfedern.
132
[116]
Literaturverzeichnis
[1] Electroacoustics - Sound level meters, Oktober 2003. DIN EN 61672-1.
[2]
Activision Blizzard
: Activision Blizzard Reports December Quarter and Calendar
Year 2010 Financial Results.
cfm?releaseid=548900.
[3]
http://investor.activision.com/releasedetail.
zuletzt abgerufen am 17.11.2011.
Alt, F.
: Design und Implementierung der Fahrdynamik eines kettengetriebenen Ro-
boters: Simulation der Fahrdynamik eines Bombenentschärfungsroboters. VDM Verlag, 2008.
[4]
Altinsoy, M. E.
: Touch-induced scraping sounds and texture perception. Acoustical
Society of America Journal, 115:26032604, 2001.
[5]
[6]
Aristoteles Aristoteles: De Anima
Ayacop Homunculus-de.svg
http://upload.wikimedia.org/wikipedia/
:
. Reclam, Stuttgart, 2011.
:
.
commons/5/51/Homunculus-de.svg,
[7]
2010.
Backhaus, et al
: Multivariate Analysemethoden.
Springer, Berlin, 10 Auflage,
2006.
[8]
Balicer, R. D.
: Modeling infectious diseases dissemination through online role-
playing games. Epidemiology, 18(2):260261, 2007.
[9]
Beierholm, Ulrik Konrad Kording Ladan Shams
,
,
und
Wei Ji Ma
: Com-
paring Bayesian models for multisensory cue combination without mandatory integration. Advances in Neural Information Processing Systems 20, 20:18, 2008.
[10]
Benali-khoudja, Mohamed Moustapha Hafez Jean marc Alex
derrahmane Kheddar Tactile Interfaces: a State-of-the-Art Survey
,
,
und
Ab-
. In: Interna-
:
tional Symposium on Robotics, Seiten 721726, 2004.
[11]
Bensmaïa, Sliman
und
Mark Hollins
: Pacinian representations of ne surface
texture. Perception & Psychophysics, 67(5):842854, 2005.
[12]
Berg, Guy
: Serversoftware Häntsch-IO. 2010. Universität der Bundeswehr, Mün-
chen.
[13]
Bergamasco, Massimo A. A. Alessi
,
und
M. Calcara
: Thermal Feedback in
Virtual Environments. Presence, 6(6):617629, 1997.
133
Literaturverzeichnis
[14]
Bethea, Brian T Allison M Okamura Masaya Kitagawa Torin P Fitton Stephen M Cattaneo Vincent L Gott William A Baumgartner
David D Yuh Application of haptic feedback to robotic surgery.
,
,
,
,
,
und
,
:
Journal of
laparoendoscopic advanced surgical techniques Part A, 14(3):191195, 2004.
[15]
Biocca, Frank Jin Kim
,
und
Yung Choi
: Visual Touch in Virtual Environments:
An Exploratory Study of Presence, Multimodal Interfaces, and Cross-Modal Sensory
Illusions. Presence: Teleoper. Virtual Environ., 10:247265, 2001.
[16]
Biocca, Frank A. Yasuhiro Inoue Andy Lee Heather Polinsky Arthur Tang Visual cues and virtual touch: Role of visual stimuli and intersensory
integration in cross-modal haptic illusions and the sense of presence
Gouveia,
F.
Proceedings of Presence 2002
,
,
,
und
:
. In:
(Herausgeber):
, Seiten 410428, Porto, Portugal,
2002.
[17]
Bluethmann, William Robert O. Ambrose Myron A. Diftler R. Scott
Askew Eric Huber Michael Goza Fredrik Rehnmark Chris Lovchik
Darby Magruder Robonaut: A Robot Designed to Work with Humans in
,
,
,
,
und
,
,
,
:
Space. Autonomous Robots, 14(2-3):179197, 2003.
[18]
Boff, K. L. Kaufman
,
und
J. Thomas
: Handbook of Perception and Human
Performance. John Wiley and Sons, New York, 1986.
[19]
Bolanowski, S J G A Gescheider R T Verrillo
,
,
und
C M Checkosky
:
Four channels mediate the mechanical aspects of touch. Journal of the Acoustical
Society of America, 84(5):16801694, 1988.
[20]
Braumann, Chris Christoph A Jacobi Charalambos Menenakos Mahmoud Ismail Jens C Rueckert
Joachim M Mueller Robotic-assisted
,
,
,
,
und
:
laparoscopic and thoracoscopic surgery with the da Vinci system: a 4-year experience
in a single institution.
Surgical laparoscopy endoscopy percutaneous techniques,
18(3):260266, 2008.
[21]
Bremen, Peter Marc M van Wanrooij
,
und
A John van Opstal
: Pinna cues
determine orienting response modes to synchronous sounds in elevation. The Journal
Of Neuroscience: The Ocial Journal Of The Society For Neuroscience, 30(1):194 204, 2010.
[22]
[23]
Bresciani, Jean-Pierre
und
Marc O Ernst
Britten, K. H. Michael N. Shadlen William T. Newsome J. A. Movshon Responses of neurons in macaque MT to stochastic motion signals.
,
:
Neuroscience, 10(6):11571169, 1993.
134
.
,
und
Visual
Literaturverzeichnis
[24]
Burkhardt Schmidtke, Bundeswehr
:
Kampfmittelbeseitigung im Einsatz:
http://www.bundeswehr.de/portal/poc/
bwde?uri=ci:bw.bwde.einsaetze.missionen.isaf.ausruestung&de.conet.
contentintegrator.portlet.current.id=01DB170000000001|8HLFHH606DIBR.
Deutlich
verbesserte
Fähigkeiten.
zuletzt abgerufen am 21.11.2011.
[25]
Buss, Martin Kwang-Kyu Lee Norbert Nitzsche Angelika Peer Bartlomiej Stanczyk
Ulrich Unterhinninghofen Advanced Telerobotics:
,
,
,
und
,
:
Dual-Handed and Mobile Remote Manipulation.
Advances in Telerobotics, Seiten
471497, 2007.
[26]
Cakmak, H H Maass
,
und
U Kühnapfel
: VSOne, a virtual reality simulator for
laparoscopic surgery. Minimally Invasive Therapy & Allied Technologies, 14(3):134
44, 2005.
[27]
Caldwell, D G S Lawther
,
und
A Wardle
: Tactile perception and its ap-
plication to the design of multi-modal cutaneous feedback systems, Band 4, Seiten
32153221. IEEE, 1996.
[28]
Carlson, Neil R.
: Physiologische Psychologie.
Pearson Studium, München, 8.
Auflage, 2004.
[29]
Copeland, Daniel R. Cristiano Boneti Evan R. Kokoska Richard J.
Jackson Samuel D. Smith Evaluation of Initial Experience and Comparison
,
,
und
,
:
of the da Vinci Surgical System With Established Laparoscopic and Open Pediatric
Nissen Fundoplication Surgery. JSLS, Journal of the Society of Laparoendoscopic
Surgeons, 12(3):238240, 2008.
[30]
Cross, David V
und
Laurence Rotkin
: The relation between size and apparent
heaviness. Perception And Psychophysics, 18(2):7987, 1975.
[31]
Cutkosky, M. R.
: On grasp choice, grasp models, and the design of hands for
manufacturing tasks. Robotics and Automation, IEEE Transactions on, 5(3):269
279, 1989.
[32]
Deml, B.
: Telepräsenzsysteme: Gestaltung der Mensch-System-Schnittstelle.
Uni-
versität der Bundeswehr München, Fakultät für Luft- und Raumfahrttechnik, 2004.
[33]
Deutsches Zentrum für Luft- und Raumfahrt e.V.
: DLR-HIT data &
http://www.dlr.de/rm/en/Portaldata/52/Resources/dokumente/
sah/9DLR-HIT-HAND2006Handout.pdf. zuletzt abgerufen am 07.09.2011.
spec sheet.
[34]
Diftler, M. J. Mehling P. Strawser
,
,
und
W. Doggett
: A space construction
humanoid. In: 5th IEEE-RAS International Conference on Humanoid Robots, Seiten
9297. IEEE, 2005.
135
Literaturverzeichnis
[35]
Diftler, Myron A. Joshua Mehling Muhammad E. Abdallah Nicolaus A. Radford Lyndon B. Bridgwater Adam M. Sanders Roger Scott Askew D. Marty Linn John D. Yamokoski Frank Permenter Brian K. Hargrave Robert Platt Robert T. Savely Robert O.
Ambrose Robonaut 2 - The rst humanoid robot in space ICRA
,
,
,
,
,
,
,
,
,
,
,
,
und
:
. In:
, Seiten 2178
2183. IEEE, 2011.
[36]
Dominjon, L. A. Lecuyer J.-M. Burkhardt P. Richard
,
,
,
und
S. Richir
:
Inuence of control/display ratio on the perception of mass of manipulated objects
in virtual environments. Virtual Reality, 2005. Proceedings. VR 2005. IEEE, Seiten
1925, 2005.
[37]
dpa/lhe
zur
FAZ.NET
Automatische
:
Terrorfahndung.
Frankfurter
Gesichtserkennung
Allgemeine
Zeitung,
ungeeignet
11. Juli
2007.
http://www.faz.net/artikel/C30745/sicherheit-automatische-gesichtserkennungungeeignet-zur-terrorfahndung, zuletzt abgerufen am 03.06.2011.
[38]
Eichenberg, C.
: Der Einsatz von Virtuelle Realitäten in der Psychotherapie: Ein
Überblick zum Stand der Forschung. Psychotherapeut, 4, 2007.
[39]
Ellis, R.
und
S. Lederman
: The role of haptic versus visual volume cues in the
size-weight illusion. Attention, Perception, & Psychophysics, 53:315324, 1993.
[40]
Emmelkamp, P. M. G. M. Krijn L. Hulsbosch
,
,
und
S. De Vries
: Virtual
Reality Treatment versus exposure in vivo: A Comparative Evaluation in Acrophobia.
2002.
[41]
ESG Elektroniksystem- und Logistik-GmbH
CHARLY:
:
Die
inter-
http://www.
esg.de/fileadmin/downloads/CHARLY_Trainingsplattform_psychosoziale_
Unterstuetzung__Broschuere_.pdf. zuletzt abgerufen am 14.11.2011.
aktive
[42]
Trainingsplattforum
Felleman, D. J.
und
zur
psychosozialen
D. C. Van Essen
Unterstützung.
: Distributed hierarchical processing in the
primate cerebral cortex. Cerebral Cortex, 1(1):147, 1991.
[43]
Forster, Karl
: Notfall am Boden.
Süddeutsche Zeitung, 2011.
Ausgabe vom
14. November, S. 33.
[44]
Freyberger, Franziska K. B.
und
Berthold Färber
: Psychophysics and Per-
ceiving Granularity. In: Proceedings of the Symposium on Haptic Interfaces for Virtual Environment and Teleoperator Systems, HAPTICS '06, Seiten 387393, Washington DC, USA, 2006. IEEE Computer Society.
[45]
Frimberger, D. L. Kavoussi D. Stoianovici C. Adam D. Zaak S. Corvin
A. Hofstetter R. Oberneder Telerobotische Chirurgie zwischen Baltimore
,
und
,
,
:
und München. Der Urologe [A], 41:489492, 2002.
136
,
,
,
Literaturverzeichnis
[46]
Gerardi, Maryrose Barbara Olasov Rothbaum Kerry Ressler Mary
Heekin Albert Rizzo Virtual reality exposure therapy using a virtual Iraq:
,
,
und
,
:
case report. Journal of Traumatic Stress, 21(2):209213, 2008.
[47]
Goldstein, Bruce
: Wahrnehmungspsychologie. Spektrum Akedemischer Verlag,
4. Auflage, 1997.
[48]
Grunwald, M.
und
L. Beyer
: Der bewegte Sinn: Grundlagen und Anwendungen
zur haptischen Wahrnehmung. Birkhäuser, Basel, 2001.
[49]
Guest, Steve Caroline Catmur Donna Lloyd
,
,
Audiotactile interactions in roughness perception.
und
Charles Spence
:
Experimental Brain Research,
146:161171, 2002.
[50]
Guski, Rainer
: Wahrnehmung: eine Einführung in die Psychologie der menschli-
chen Informationsaufnahme. Urban-Taschenbücher. Kohlhammer, 2000.
[51]
[52]
Hannig, G.
Hannig, G.
: Abbildung/ Bild/ Grak von Autor erstellt. 2011.
und
B. Deml
: Scrutinizing pseudo haptic feedback of surface roughness
in virtual environments. In: VECIMS - IEEE International Conference on Virtual Environments, Human-Computer Interfaces and Measurement Systems, Istanbul,
2008.
[53]
Heller, M.A.
und
W. Schiff
: The Psychology of touch. L. Erlbaum, Hillsdale,
New Jersey, 1991.
[54]
HEMS Academy GmbH
:
Simulatoren
hems-academy.de/adac-bildergalerie/.
[55]
Ho, Hsin-Ni
und
Lynette A Jones
und
Cockpit
HDR3.
http://www.
zuletzt abgerufen am 10.11.2011.
: Thermal Model for Hand-Object Interactions.
2006 14th Symposium on Haptic Interfaces for Virtual Environment and Teleoperator
Systems, (1):461467, 2006.
[56]
Ho, Hsin-Ni
und
Lynette A. Jones
: Development and evaluation of a thermal
display for material identication and discrimination. ACM Trans. Appl. Percept.,
4, 2007.
[57]
Hochschulambulanz für Psychotherapie
:
Flugangst.
//www.hochschulambulanz.psychologie.uni-wuerzburg.de/angebot/
flugangsttraining/. zuletzt abgerufen am 16.11.2011.
[58]
Hoffman, Hunter G. Albert Carlin
,
und
Thomas A. Furness Iii
http:
: Interfaces
that Heal: Coupling Real and Virtual Objects to Treat Spider Phobia. International
Journal of Human-Computer Interaction, Seiten 283300, 2003.
[59]
Hollins, Mark
und
S. Risner
: Evidence for the duplex theory of tactile texture
perception. Attention, Perception, & Psychophysics, 62:695705, 2000.
137
Literaturverzeichnis
[60]
Holst, E. von
und
H. Mittelstaedt
: Das Reaerenzprinzip. Naturwissenschaf-
ten, 37:464476, 1950.
[61]
Hong, Liu P Meusel G Hirzinger Jin Minghe Liu Yiwei
,
,
,
,
und
Xie Zongwu
:
The Modular Multisensory DLR-HIT-Hand: Hardware and Software Architecture.
Mechatronics IEEEASME Transactions on, 13(4):461469, 2008.
[62]
Intuitive Surgical, Inc. da Vinci Skills Simulator: Skills Practice in an Immersi:
http://www.intuitivesurgical.com/products/skills_
ve Virtual Environment.
simulator/.
[63]
zuletzt abgerufen am 17.11.2011.
Intuitive Surgical, Inc.
: Enhancing Surgical Capabilities / Driving Operatio-
http://www.intuitivesurgical.com/.
nal Eciencies.
zuletzt abgerufen am
17.11.2011.
[64]
Jäckle, Renate
: Hexal Taschenlexikon Medizin. Elsevier, Urban und Fischer, Mün-
chen, 2. Auflage, 2000.
[65]
Johnson, K O I Darian-Smith
,
und
C LaMotte
: Peripheral neural determinants
of temperature discrimination in man: a correlative study of responses to cooling skin.
Journal of Neurophysiology, 36(2):347370, 1973.
[66]
Jones, Lynette A.
und
Michal Berris
ception and Thermal-Interface Design.
: The Psychophysics of Temperature Per-
In: Proceedings of the 10th Symposium on
Haptic Interfaces for Virtual Environment and Teleoperator Systems, HAPTICS '02,
Seiten 137142, Washington, DC, USA, 2002. IEEE Computer Society.
[67]
Kandel, Eric R. J. H. Schwartz
,
und
Thomas M. Jessell
: Principles of Neural
Science. McGraw-Hill Medical, 4 Auflage, 2000.
[68]
Katz, D.
:
chologie.
Der
Aufbau
der
Ergänzungsband.
Tastwelt.
Zeitschrift
Wissenschaftliche
für
Psy-
Buchgesellschaft,
http://www.vordenker.de/dkatz/dkatz_tastwelt_vd.pdf, 1925.
[69]
[70]
Katz, D. L.E. Krueger The world of touch
Killebrew, Justin H Sliman J Bensmaïa John F Dammann Peter Denchev Steven S Hsiao James C Craig Kenneth O Johnson A dense
und
:
,
,
. L. Erlbaum, 1989.
,
,
und
,
:
array stimulator to generate arbitrary spatio-temporal tactile stimuli. Journal of Neuroscience Methods, 161(1):6274, 2007.
[71]
Kron, A.
: Beiträge zur bimanuellen und mehrngrigen haptischen Informationsver-
mittlung in Telepräsenzsystemen. Fortschrittberichte VDI. VDI-Verlag, 2005.
[72]
Kron, Alexander
: Beiträge zur bimanuellen und mehrngrigen haptischen In-
formationsvermittlung in Telepräsenzsystemen. VDI-Verl, Düsseldorf, Als Ms. gedr.
Auflage, 2005.
138
Literaturverzeichnis
[73]
Kron, Alexander
und
Günther Schmidt
: Multi-Fingered Tactile Feedback from
Virtual and Remote Environments. In: HAPTICS'03, Seiten 1623, 2003.
[74]
Ku, Jeonghun Richard Mraz Nicole Baker Konstantine K. Zakzanis
Jang Han H. Lee In Y. Kim Sun I. Kim Simon J. Graham A data glove
,
,
,
,
,
,
und
:
with tactile feedback for FMRI of virtual reality experiments.
Cyberpsychology &
Behavior, 6(5):497508, 2003.
[75]
Kuchera Engineering bzw. api technologies corp.
//www.kuchera.com/ke/products/robotics/teodor.pdf.
: tEODor.
http:
zuletzt abgerufen am
21.11.2011.
[76]
Kyung, K U D S Kwon
,
und
G H Yang
: A novel interactive mouse system
for holistic haptic display in a human-computer interface. International Journal of
Human-Computer Interaction, 20(3):247270, 2006.
[77]
LaMotte, R.H.
und
M.A. Srinivasan
: Surface microgeometry: tactile perception
and neural encoding. Information Processing in the Somatosensory System, 4:4958,
1991.
[78]
Lécuyer, A. Jean-Marie Burkhardt
,
und
Laurent Etienne
: Feeling bumps
and holes without a haptic interface: the perception of pseudo-haptic textures. In: CHI
'04: Proceedings of the SIGCHI conference on Human factors in computing systems,
Seiten 239246, New York, USA, 2004. ACM.
[79]
Lécuyer, Anatole
: Simulating haptic feedback using vision: A survey of research
and applications of pseudo-haptic feedback.
Presence: Teleoper. Virtual Environ.,
18:3953, 2009.
[80]
Lécuyer, Anatole A. Lcuyer S. Coquillart Le Chesnay Cedex
P. Coiffet Simulating Haptic Information with Haptic Illusions in Virtual En,
,
,
und
:
vironments, 2001.
[81]
Lederman, S J
und
S G Abbott
: Texture perception: studies of intersensory
organization using a discrepancy paradigm, and visual versus tactual psychophysics.
Journal of Experimental Psychology: Human Perception and Performance, 7(4):902
915, 1981.
[82]
[83]
Lederman, S.J. Auditory texture perception
Lederman, Susan J Roberta L Klatzky
:
. Perception, (8):93103, 1979.
und
: Sensing and Displaying Spatially
Distributed Fingertip Forces in Haptic Interfaces for Teleoperator and Virtual Environment Systems. Presence Teleoperators and Virtual Environments, 8(1):86103,
1999.
[84]
Lee, D N
und
J R Lishman
: Visual proprioceptive control of stance.
Journal of
Human Movement Studies, 1(2):8795, 1975.
139
Literaturverzeichnis
[85]
Lehrstuhl für Psychologie I, AG Prof. Mühlberger, JuliusMaximilians-Universität Würzburg Flugsimulation Flughafen Nürnberg
:
.
http://www.psychologie.uni-wuerzburg.de/psy1/cs/vr_worlds.html.
zuletzt
abgerufen am 16.11.2011.
[86]
[87]
[88]
Lem, S. Summa technologiae
Lem, S. Summa technologiae
Lewald, Jörg Ingo G. Meister Jürgen Weidemann
:
. Wydawnictwo Literackie, 1964.
:
. Frankfurt a.M., 1981.
,
,
und
Rudolf Töpper
:
Involvement of the Superior Temporal Cortex and the Occipital Cortex in Spatial
Hearing: Evidence from Repetitive Transcranial Magnetic Stimulation. J. Cognitive
Neuroscience, 16:828838, 2004.
[89]
Linder, H.
und
H. Bayrhuber
: Biologie: Lehrbuch f
ür die Oberstufe. Schroedel Schulbuchverlag, 20. Auflage, 1989.
[90]
Lipkin, M.
und
J. D. Hardy
: Measurement of some thermal properties of human
tissues. Journal of Applied Physiology, 7(2):212217, 1954.
[91]
Lofgren, Eric T.
und
Nina H. Fefferman
: The untapped potential of virtual
game worlds to shed light on real world epidemics. The Lancet Infectious Diseases,
7(9):625629, 2007.
[92]
[93]
Lux, Matthew M Matthew Marshall Erdal Erturk Jean V Joseph
Maricich, Stephen M Scott A Wellnitz Aislyn M Nelson Daine R
Lesniak Gregory J Gerling Ellen A Lumpkin Huda Y Zoghbi Merkel
,
,
und
,
.
,
,
,
,
und
:
cells are essential for light-touch responses. Science, 324(5934):15801582, 2009.
[94]
Martin, Toby B. Robert O. Ambrose Myron A. Diftler Robert Platt
Jr. Melissa Butzer Tactile Gloves for Autonomous Grasping with the NA,
,
und
,
:
SA/DARPA Robonaut. In: IEEE International Conference on Robotics and Automation, Seiten 17131718, 2004.
[95]
Masland, R. H.
: The fundamental plan of the retina. Nat Neurosci, 4(9):877886,
2001.
[96]
MatWeb
: Material Property Data.
asp.
[97]
www.matweb.com/search/SearchProperty.
zuletzt abgerufen am 05.09.2011.
Metzger, W.
: Gesetze des Sehens. Senckenberg-Buch. Kramer, Frankfurt, 3. Auf-
lage, 1975.
[98]
Mühlberger, Andreas Sonja Petrusek Martin J. Herrmann Paul
Pauli Subjektive und physiologische Reaktionen von Flugphobikern und Gesunden
,
,
und
:
bei Exposition mit virtuellen Flügen. Zeitschrift für Klinische Psychologie und Psychotherapie, 34(2):133143, 2005.
140
Literaturverzeichnis
[99]
Murray, Anne M Roberta L Klatzky
,
und
Pradeep K Khosla
: Psycho-
physical Characterization and Testbed Validation of a Wearable Vibrotactile Glove
for Telemanipulation. Presence Teleoperators Virtual Environments, 12(2):156182,
2003.
[100]
National Aeronautics and Space Administration
: Dextre, Space Electrician:
http://www.nasa.gov/
mission_pages/station/structure/space_electrician.html. zuletzt abgerufen
Canadian Robot Repairs Components on the Space Station.
am 19.11.2011.
[101]
National Aeronautics and Space Administration
: R2 Robonaut.
robonaut.jsc.nasa.gov/default.asp.
[102]
http://
zuletzt abgerufen am 19.11.2011.
National Aeronautics and Space Administration
: Landing a Humanoid Ro-
bot on the Moon in a 1000 Days Project M .
media/Project-M-White-Paper.pdf,
[103]
NEUROtiker
[104]
Nicoud, J.D.
http://robonaut.jsc.nasa.gov/
2010. zuletzt abgerufen am 19.11.2011.
http://upload.wikimedia.
org/wikipedia/commons/2/27/Gehirn%2C_lateral_-_Lobi_deu.svg, 2007.
:
Gehirn,_lateral_-_Lobi_deu.svg.
: Vehicles and Robots for Humanitarian Demining.
The Industrial
Robot, 24(2):164168, 1997.
[105]
Pavani, F C Spence
,
und
J Driver
: Visual capture of touch: out-of-the-body ex-
periences with rubber gloves. Psychological Science, 11(5):353359, 2000.
[106]
Peeva, Dessislava Bridget Baird Özgür Izmirli
,
,
und
Donald Blevins
:
Haptic and Sound Correlations: Pitch, Loudness and Texture. In: 2004 Proceedings
of the Information Visualisation, Eighth International Conference, Seiten 659664.
IEEE Computer Society, 2004.
[107]
Petzold, Bernd Michael F. Zaeh Berthold Färber Barbara Deml
Hans Egermeier Johannes Schilp Stella M. Clarke A Study on Vi,
,
,
und
,
,
:
sual, Auditory and Haptic Feedback for Assembly Tasks. Presence, 13(1):1621, 2004.
[108]
Pijl, S
und
D W Schwarz
: Melody recognition and musical interval perception by
deaf subjects stimulated with electrical pulse trains through single cochlear implant
electrodes. Journal of the Acoustical Society of America, 98(2):886895, 1995.
[109]
Poling, G L J M Weisenberger
,
und
T Kerwin
: The role of multisensory
feedback in haptic surface perception, Seiten 187194. IEEE, 2003.
[110]
Pott, P. P. H. P. Scharf
,
und
M. L. Schwarz
: Today's state of the art in
surgical robotics. Computer Aided Surgery, 10(2):101132, 2005.
[111]
Prensilia Srl EH1 Milano series data sheet
:
DS-EH1-v01.pdf.
.
http://www.prensilia.com/files/
zuletzt abgerufen am 07.09.2011.
141
Literaturverzeichnis
[112]
Ranjbar, Parivash Erik Borg Lennart Philipson
,
,
und
Dag Stranneby
:
Auditive identication of signal-processed environmental sounds: Monitoring the environment. International Journal of Audiology, 47(12):724736, 2008.
[113]
Rehbein, Florian Matthias Kleimann
,
und
T Möÿle
: Computerspielabhän-
gigkeit im Kindes- und Jugendalter Empirische Befunde zu Ursachen , Diagnostik
und. Nummer Forschungsbericht Nr. 108. Kriminologisches Forschungsinstitut Niedersachsen, 2009.
[114]
Reichardt, W.
: Autokorrelationsauswertung als Funktionsprinzip des Zentralner-
vensystems. Naturforschung, (12):447457, 1957.
[115]
Reisberg, Daniel
: Cognition: Exploring the Science of the Mind. W. W. Norton,
2007.
[116]
Robert Kratz et al
http://www.thelaraproject.com/G1.html.
: Gripper G1.
zuletzt abgerufen am 07.09.2011.
[117]
Robles-De-La-Torre, G
und
V Hayward
: Force can overcome object geometry
in the perception of shape through active touch. Nature, 412(6845):445448, 2001.
[118]
Satava, Richard M.
und
Shaun B. Jones
: Virtual Environments for Medical
Training and Education. Presence, 6(2):139146, 1997.
[119]
Scheuchenpflug, R.
: Measuring presence in virtual environments. In: M.J. Smith,
G. Salvendy, M.R. Kasdorf (Eds.), Seiten 5658, New Orleans: HCI International,
2001.
[120]
Schiele, Andreas
: Case study: The ergonomic exarm exoskeleton. In:
Pons, L. J.
(Herausgeber): Wearable Robots: Biomechatronic Exoskeletons, Seiten 248255. John
Wiley and Sons Inc., 2008.
[121]
Schlag, P.M. S. Eulenstein T. Lange
,
,
und
M. Kleemann
: Computerassi-
stierte Chirurgie. Elsevier, Urban & Fischer, 2011.
[122]
Senatsverwaltung für Arbeit, Berufliche Bildung und Frauen and
Büttner, S. Telekooperation, Telearbeit, Tele-Learning, virtuelle Arbeitswelten:
:
Fachtagung, 18./19. Juni 1997 in Berlin. BBJ-Verlag, 1997.
[123]
Shadow Robot Company LTD
[124]
Shadow Robot Company LTD
http:
//www.shadowrobot.com/gallery.shtml?gallery=handC6M_2009launch&img=
20090818-C6M_holdingLightBulb.jpg. zuletzt abgerufen am 06.09.2011.
:
:
C6M
Shadow
Smart
Motor
Dexterous
Hand.
Hand
C6M
Technical
http://www.shadowrobot.com/downloads/shadow_dextrous_hand_
technical_specification_C6M.pdf. zuletzt abgerufen am 06.09.2011.
Specication.
142
Literaturverzeichnis
[125]
Sigrist, Roland Jürg Schellenberg Georg Rauter Simon Broggi Robert Riener Peter Wolf Visual and Auditory Augmented Concurrent Feed,
,
und
,
,
:
back in a Complex Motor Task. Presence, 20(1):1532, 2011.
[126]
[127]
Steinmüller, K. Wirklichkeitsmaschinen
Stevens, S. S. A scale for the measurement of a psychological magnitude: loudness.
:
. Beltz, Weinheim u. Basel, 1993.
:
Psychological Review, 43(5):405416, 1936.
[128]
Stevens, S.S.
: On the psychophysical law.
Psychological Review, 64(3):15381,
1957.
[129]
Stockman, Andrew Donald I. A. MacLeod
,
und
Nancy E. Johnson
: Spec-
tral sensitivities of the human cones. J. Opt. Soc. Am. A, 10(12):24912521, Dec
1993.
[130]
Sutherland, Ivan E.
: A head-mounted three dimensional display. In: Proceedings
of the December 9-11, 1968, fall joint computer conference, part I, AFIPS '68 (Fall,
part I), Seiten 757764, New York, NY, USA, 1968. ACM.
[131]
szenaris
GmbH,
Bremen
:
Virtual
Reality
Simulation
tEODor
http://www.szenaris.com/
284-0-Virtuelle-Kampfmittelbeseitigung-in-Koelner-Messehallen.html.
and
PackBot
EOD
Robotic
Vehicles.
zuletzt abgerufen am 21.11.2011.
[132]
szenaris
GmbH,
Bremen
Virtuelle
:
Kampfmittelbeseiti-
http://www.szenaris.com/
284-0-Virtuelle-Kampfmittelbeseitigung-in-Koelner-Messehallen.html.
gung
in
Kölner
Messehallen.
zuletzt abgerufen am 21.11.2011.
[133]
Taylor, P.M. A. Moser
,
und
A. Creed
: The design and control of a tactile dis-
play based on shape memory alloys. In: Robotics and Automation, 1997. Proceedings.,
1997 IEEE International Conference on, Band 2, Seiten 13181323, 1997.
[134]
Teller, D.Y. Visual Perception: The Neurophysiological Foundations Spillman, L. & Werner, J.S.
The domain of visual science
:
. In:
(Herausgeber):
, Seiten
1119. Academic Press, USA, 1990.
[135]
Thayer, Nicholas
und
Shashank Priya
: Design and implementation of a dex-
terous anthropomorphic robotic typing (DART) hand. Smart Materials and Structures, 20(3):112, 2011.
[136]
Unbekannt
de&tab=wi,
[137]
: Abbildung von Google Bilder.
http://www.google.de/imghp?hl=
2011.
Volkmann, J. S. S. Stevens
,
und
E. B. Newman
: A Scale for the Measurement
of the Psychological Magnitude Pitch. 8(3):208208, 1937.
143
Literaturverzeichnis
[138]
Wallach, H.
und
D. N. O'Connell
: The kinetic depth eect. Journal of Experi-
mental Psychology, 45:205217, 1953.
[139]
Wikipedia EN
Corrupted_Blood_incident.
[140]
http://en.wikipedia.org/wiki/
: Corrupted Blood incident.
Witmer, Bg
und
zuletzt abgerufen am 17.11.2011.
Mj Singer
: Measuring Presence in Virtual Environments: A
Presence Questionnaire. Presence, 7(3):225240, 1998.
[141]
Wykypiel, H. G. J. Wetscher A. Klaus T. Schmid M. Gadenstaetter
J. Bodner E. Bodner Robot-assisted laparoscopic partial posterior fundoplica,
,
und
,
,
,
:
tion with the DaVinci system: initial experiences and technical aspects. Langenbeck's
Archives of Surgery, 387:411416, 2003.
[142]
Yang, G H K U Kyung
,
und
D S Jeong, Y Jand Kwon
: Novel haptic mouse
system for holistic haptic display and potential of vibrotactile stimulation. IEEE/RSJ
International Conference on Intelligent Robots and Systems, Seiten 19801985, 2005.
[143]
Yang, Gi-Hun Lynette A Jones
,
und
Dong-Soo Kwon
: Use of Simulated Ther-
mal Cues for Material Discrimination and Identication with a Multi-Fingered Display. Presence Teleoperators Virtual Environments, 17(1):2942, 2008.
[144]
Yang, Gi-Hun Lynette A. Jones
,
und
Dong-Soo Kwon
: Use of Simulated
Thermal Cues for Material Discrimination and Identication with a Multi-Fingered
Display: Presence: Teleoperators and Virtual Environments. Presence: Teleoperators
and Virtual Environments, 17(1):2942, 2008.
[145]
Zillmer, E. M. Spiers
,
und
W.C. Culbertson
: Principles of neuropsychology.
Wadsworth, Thomson Learning Inc., Belmont USA, 2001.
[146]
Zimbardo, Philip G.
und
Richard J. Gerrig
Pearson Studium, 16. Auflage, 2004.
144
: Psychologie. Eine Einführung.
Abbildungsverzeichnis
1.1
Drei Stufen der Wahrnehmung.
. . . . . . . . . . . . . . . . . . . . . . .
1.2
Cerebraler Verlauf der Sehbahnen
1.3
Horopter und gekreuzte Querdisparation
1.4
Reizantworten von Warm- und Kaltsensoren
. . . . . . . . . . . . . . . .
16
1.5
Wahrnehmungschwellen der Thermoperzeption . . . . . . . . . . . . . . .
17
1.6
Lokalisation des auditiven Cortex
. . . . . . . . . . . . . . . . . . . . . .
19
1.7
Mel-Skalierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
20
1.8
Bewertete Schalldruckpegel . . . . . . . . . . . . . . . . . . . . . . . . . .
21
1.9
Frequenzspektren von Schalmei und Chalumeau
. . . . . . . . . . . . . .
22
1.10
Rezeptoren der unbehaarten Haut der Fingerspitzen . . . . . . . . . . . .
23
1.11
Wahrnehmungsschwellen der taktilen Rezeptoren . . . . . . . . . . . . . .
25
1.12
Primäres somatosensorisches Feld des Cortex . . . . . . . . . . . . . . . .
25
1.13
Modell der Virtualisierung. . . . . . . . . . . . . . . . . . . . . . . . . . .
27
1.14
Flugsimulator der HEMS Adademy GmbH. . . . . . . . . . . . . . . . . .
28
1.15
Virtuelle Realität auf dem Heimcomputer: WoW . . . . . . . . . . . . . .
29
1.16
Virtuelle Realität in der psychotherapeutischen Expositionstherapie
. . .
31
1.17
Schemazeichnung eines Teleaktionssystems
. . . . . . . . . . . . . . . . .
33
1.18
Kampfmittelbeseitungssystem tEODor
. . . . . . . . . . . . . . . . . . .
33
1.19
Bedienkonsole des tEODor . . . . . . . . . . . . . . . . . . . . . . . . . .
34
1.20
Kampfmittelbeseitungssystem tEODor
. . . . . . . . . . . . . . . . . . .
35
1.21
Robonaut R2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
36
1.22
Mensch-Maschine Schnittstelle des Robonaut R2 . . . . . . . . . . . . . .
36
1.23
da Vinci Si System der Firma Intuitive Surgical, Inc.
. . . . . . . . . . .
38
2.1
Schema aller beteiligen Komponenten im Regelkreis. . . . . . . . . . . . .
40
2.2
Operator der virtuellen Umgebung mit Head Mounted Display und Da-
. . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
7
9
14
tenhandschuh. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
41
2.3
Original P5 Datenhandschuh mit Sensortower
. . . . . . . . . . . . . . .
42
2.4
Flock of Birds Trackingsystem. . . . . . . . . . . . . . . . . . . . . . . . .
43
2.5
Render des haptischen Fingerkuppendisplays mit Explosionsdarstellung. .
44
2.6
Abmessungen des Vibrationsmotors und Render des haptischen Fingerkuppendisplays. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
45
2.7
Frequenz und Kraft der Vibrationsmotoren in Abhängigkeit der Spannung.
46
2.8
Aufbau des pneumatischen Feedbacksystems. . . . . . . . . . . . . . . . .
47
2.9
Blick auf virtuelle Umgebung aus einer Raumecke. . . . . . . . . . . . . .
49
2.10
Ansichten der virtuellen Hand. . . . . . . . . . . . . . . . . . . . . . . . .
50
145
Abbildungsverzeichnis
146
2.11
Beispiel der Blender Game Engine Logic Bricks.
. . . . . . . . . . . . . .
51
2.12
Logik der virtuellen Kamera. . . . . . . . . . . . . . . . . . . . . . . . . .
52
2.13
Logik der virtuellen Hand.
. . . . . . . . . . . . . . . . . . . . . . . . . .
53
2.14
Logik des Zeigenger-Empties. . . . . . . . . . . . . . . . . . . . . . . . .
55
2.15
GUI der Serversoftware.
. . . . . . . . . . . . . . . . . . . . . . . . . . .
56
2.16
Zentrales Simulinkblockschaltbild der Konrollboxsteuerung. . . . . . . . .
58
2.17
Simulinkblockschaltbild der Feedbackregelung für den Zeigenger.
. . . .
59
2.18
Simulinkblockschaltbild der vibrotaktilen Feedbacksteuerung. . . . . . . .
60
2.19
Simulinkblockschaltbild der Temperaturregelung. . . . . . . . . . . . . . .
61
2.20
Schematischer Aufbau des thermodynamischen Feedbackmodells. . . . . .
63
2.21
Simulinkblockschaltbild der Druckmanschettenregelung. . . . . . . . . . .
64
2.22
Die virtuelle Hand beim Heben eines neutralen Zylinders. . . . . . . . . .
65
2.23
Schematische Darstellung von zusätzlich eingefügten Positionsdaten für
das pseudohaptische Gewichtsfeedback. . . . . . . . . . . . . . . . . . . .
67
2.24
Die virtuelle Hand bei dem Überstreichen einer Oberäche. . . . . . . . .
68
2.25
Frequenzgänge unterschiedlicher Materialien. . . . . . . . . . . . . . . . .
70
3.1
Wahrnehmung von elektrischen Stromstöÿen. . . . . . . . . . . . . . . . .
74
3.2
Diskriminationsaufgaben des Experiments zu vibratorischem Feedback.
.
79
3.3
Modell des vibratorischen Feedback. . . . . . . . . . . . . . . . . . . . . .
80
3.4
Ergebnisdiagramm des vibratorischen Feedbacks 1. . . . . . . . . . . . . .
80
3.5
Ergebnisdiagramm des vibratorischen Feedbacks 2. . . . . . . . . . . . . .
81
3.6
Ergebnisdiagramm Anzahl der Richtigen Klassikationen. . . . . . . . .
82
3.7
Pseudohaptisches Feedback: Rauheit, Stimuli Exeriment A. . . . . . . . .
86
3.8
Pseudohaptisches Feedback: Rauheit, VR Exeriment A. . . . . . . . . . .
88
3.9
Pseudohaptisches Feedback: Rauheit, Ergebnis Exeriment A. . . . . . . .
89
3.10
Pseudohaptisches Feedback: Versuchsaufbau Experiment B. . . . . . . . .
91
3.11
Pseudohaptisches Feedback: Ergebnis Exeriment B.
. . . . . . . . . . . .
92
3.12
Pseudohaptisches Gewichtsfeedback: VR-Ansicht des Experiments. . . . .
95
3.13
Pseudohaptisches Gewichtsfeedback: Ergebnisdiagramm.
. . . . . . . . .
95
3.14
Thermales Feedback: Diagramm der objektiven Daten.
. . . . . . . . . .
99
3.15
Thermales Feedback: Fehleranalyse subjektive Daten.
. . . . . . . . . . .
101
3.16
Auditives Feedback: Versuchsaufbau.
. . . . . . . . . . . . . . . . . . . .
104
3.17
Auditives Feedback: Versuchsaufbau.
. . . . . . . . . . . . . . . . . . . .
105
3.18
Bewerteter Schalldruckpegel der Kratz- und Streichgeräusche.
3.19
Experiment Audio2: VR-Sicht des Probanden.
3.20
Ergebnis Experiment Auditive Rauheit: Rauheitsratings je Material und
. . . . . .
108
. . . . . . . . . . . . . . .
109
dBA. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
110
3.21
Ergebnis Experiment Auditive Rauheit: Verwechslungsmatrix.
. . . . . .
111
3.22
Ergebnis Experiment Auditive Rauheit: Fragebogen. . . . . . . . . . . . .
112
3.23
Pneumatisches Feedback: Druckmanschette.
115
3.24
Experiment zu pneumatischem Feedback: Operator und Ansicht der VR.
116
3.25
Pneumatisches Gewichtsfeedback: Ergebnisdiagramm. . . . . . . . . . . .
117
. . . . . . . . . . . . . . . .
Abbildungsverzeichnis
3.26
Verbundmessung des Raueheitsfeedbacks, VR und Proband.
. . . . . . .
120
3.27
Mittlere Wichtigkeitswerte der Feedbackmodalitäten . . . . . . . . . . . .
121
3.28
Verbundmessung des Gewichtsfeedbacks, VR. . . . . . . . . . . . . . . . .
125
3.29
Verbundmessung des Gewichtsfeedbacks, Wichtigkeitswerte nach Gruppierung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
126
147
Tabellenverzeichnis
1.1
Sinne des Menschen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6
1.2
Ausgewählte Modelle der Objektwahrnehmung . . . . . . . . . . . . . . .
10
1.3
Monokulare Tiefenkriterien nach [47]. . . . . . . . . . . . . . . . . . . . .
13
1.4
Schalldruckpegel unterschiedlicher Ereignisse . . . . . . . . . . . . . . . .
21
1.5
Mechanorezeptoren der unbehaarten Haut
24
2.1
Im Versuchsaufbau verwendete Rechnerkonguration
3.1
Pearson-Korrelation der experimentell ermittelten Rauheitsurteile mit drei
. . . . . . . . . . . . . . . . .
. . . . . . . . . . .
39
verschiedenen Rauheitsparametern und der angegebenen Schleifpapierkörnung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2
Verwendete Stimuli in Experiment B und ihre gemessenen Rauheitsparameter Ra , Rq und Rz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.3
90
Pearson-Korrelation der experimentell ermittelten CDR-Werte mit drei
verschiedenen Rauheitsparametern.
. . . . . . . . . . . . . . . . . . . . .
3.4
Materialeigenschaften der verwendeten Stimuli [96].
. . . . . . . . . . . .
3.5
Wahrscheinlichkeitsverhältnisse von korrekt identizierten simulierten Ma-
92
98
terialien zu korrekt identizierten realen Materialen. . . . . . . . . . . . .
100
3.6
Klassikationswahrscheinlichkeiten der simulierten Materialien. . . . . . .
100
3.7
Stevens'sche Funktionen der auditiv vermittelten Rauheit und Bestimmtheitsmaÿe. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.8
3.9
4.1
119
Items des Evaluationsbogens von bimodalem Gewichtsfeedback (Fragebogen mit Antwortskalen in Anhang I.5).
3.10
110
Items des Evaluationsbogens von multimodalem Rauheitsfeedback (Fragebogen mit Antwortskalen in Anhang I.5). . . . . . . . . . . . . . . . . . .
148
82
. . . . . . . . . . . . . . . . . . .
124
Skalen und Items des allgemeinen Evaluationsfragebogens (Fragebogen in
Anhang I.1). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
128
Auswahl von verschiedenen antropomorphen künstlichen Greifern
132
. . . .
Anhang
149
A Konstruktionsskizze Kühlelement
150
Konstruktionsskizze Wasserverteiler
B Konstruktionsskizze Wasserverteiler
151
C Schaltpläne Kontrollbox
152
Schaltpläne Kontrollbox
153
154
Schaltpläne Kontrollbox
155
D Texturen d. virtuellen Hand
156
Texturen d. virtuellen Hand
157
E Datenblatt Drucksensor 24PC01K0DSMT
24PC SMT Series (mbar)
Unamplified, uncompensated pressure sensors
FEATURES
· 0...50 mbar to 0...1 bar
gage or differential
· High impedance bridge
· True surface mount miniature package
· Usable for wet/wet applications8
SERVICE
All media compatible with
port 1:
- polyphtalamide
- silver-filled silicone
- silicon nitride
port 2:
- polyphtalamide
- fluor-silicone
- silicon
Scale:
1 cm
1/2 inch
ELECTRICAL CONNECTION
SPECIFICATIONS
Maximum ratings
Supply voltage
Temperature limits
Storage
Operating
Lead temperature (10 sec. soldering)
12 V
-55 to +100°C
-40 to +85°C
Vs
1
260°C
4
Humidity limits
Vibration (0 to 2000 Hz)
(qualification tested)
Mechanical shock (qualification tested)
Proof pressure1
24PC0050DSMT
24PC0100DSMT
24PC0250DSMT
24PC01K0DSMT
June 2005 / 604
0...100 %RH
-
Output
20 g sine
50 g
2
+
3
1.4 bar
1.4 bar
1.4 bar
3.0 bar
1/4
www.sensortechnics.com
158
Datenblatt Drucksensor 24PC01K0DSMT
24PC SMT Series (mbar)
Unamplified, uncompensated pressure sensors
PRESSURE SENSOR CHARACTERISTICS
Vs = 10.0 ± 0.01 V, tamb = 20°C (unless otherwise noted)
Part number
Operating pressure
Min.
Full-scale span2
Typ.
Max.
Sensitivity typ.
24PC0050DSMT
0 - 50 mbar
21 mV
33 mV
44 mV
650 µV/mbar
24PC0100DSMT
0 - 100 mbar
43 mV
65 mV
87 mV
650 µV/mbar
24PC0250DSMT
0 - 250 mbar
61 mV
83 mV
105 mV
333 µV/mbar
24PC01K0DSMT
0 - 1000 mbar
159 mV
218 mV
276 mV
220 µV/mbar
COMMON PERFORMANCE CHARACTERISTICS
Vs = 10.0 ± 0.01 V, tamb = 25°C (unless otherwise noted)
Characteristics
Min.
Zero pressure offset
Typ.
-30
Temperature effects (0 - 50°C)4
Offset
Max.
mV
±2.0
Span
-2000
Temperature effects on bridge impedance4
ppm/°C
+2200
3
Linearity (P2 > P1, BSL)
±0.25
Repeatability and hysteresis5
±0.15
Long term stability7
±0.5
% sp a n
Input impedance
4.0
5.0
6.0
Output impedance
4.0
5.0
6.0
Response time6
Unit
+30
kΩ
1.0
ms
Specification notes:
1. The maximum specified pressure which may be applied to the sensor without causing a permanent change in the output
characteristics.
2. Span is the algebraic difference between the output voltage at full-scale pressure and the output at zero pressure. Span is
ratiometric to the supply voltage.
3. Linearity (BSL), the deviation of measured output at constant temperature (25°C) from "Best Straight Line" determined by three
points, offset pressure, full-scale pressure and half full-scale pressure.
scale - Voffset
[ V½ full scale – { (fullVfullscale
pressure)
x (½ full scale pressure) + Voffset }] : 2 (Vfull scale) x 100 %
where: V = measured value for each device
4. Error band of the offset voltage, span or bridge impedance in the specified temperature range, relative to the 25°C reading.
5. Repeatability, the deviation in output readings for successive application of any given input pressure (all other conditions
remaining constant. Hysteresis, the error defined by the deviation in output signal obtained when a specific pressure point is
approached first with increasing pressure, then with decreasing pressure or vice versa (all other conditions remaining constant).
6. Response time for 0 to full-scale pressure step change, readings taken at 10 % and 90 % of full-scale pressure.
7. Long term stability of offset and span over a period over one year.
8. The sensors might be used on both ports, for media compatible with the components, specified under "Service" (page 1).
2/4
June 2005 / 604
www.sensortechnics.com
159
F Datenblatt Ventil
21A3KV15
÷
21A2KV55
Elektro-Magnetventil, 2/2 Wege,
N.C., direktgesteuert
PRODUKTBESCHREIBUNG:
Direktwirkendes Magnetventil, geeignet zum Sperren von
Medien, die mit den verwendeten Werkstoffen verträglich sind.
Das Magnetventil benötigt keinen Mindestbetriebsdruck.
Die verwendeten Werkstoffe, Konstruktion und Prüfungen
bürgen für Funktion, Zuverlässigkeit und lange Lebensdauer.
EINSATZGEBIETE: Industrieautomation
Wärmetechnik
ANSCHLUSS:
G 1/8 - G 1/4
SPULEN:
8W -Ø 13 (1)
BDA - BDS - BSA
BDP
BDF
SDH
12W - Ø 13
UDA
14W - Ø 13
GDH
155°C
160°C
180°C
180°C
(Schutzklasse F)
(hohe Temperatur)
(Schutzklasse H)
(Schutzklasse H)
155°C (Schutzklasse F)
180°C (Schutzklasse H)
(1) Auf Anfrage, explosionssichere Kapselung für
Spulen mit Stecker nach EN 175301-803.
DIE UMMANTELUNG UND HALTEHÜLSE WERDEN AUS
100% NEUWERTIGEM MATERIAL HERGESTELLT.
Temperatur
Medium
V=FKM (Fluorkautschuk)
Dichtungen
- 10°C +140°C
Mineralöl (2°E), Benzin
Diesel, Schweröl (7°E)
B=NBR (Nitrilkautschuk)
- 10°C
+ 90°C
Inertgase, Luft, Wasser
E=EPDM (Äthylen-Propylen) - 10°C
+140°C
Dampf, Wasser
Max. zulässiger Druck (PS)
40 bar
Umgebungstemperatur :
mit Spule KlasseFund für hohe Temperatur - 10°C + 60°C
mit Spule Klasse H
- 10°C + 80°C
Für andere einsetzbare Dichtungen als FKM, bitte den Buchstaben "V"
durch den unter " Dichtungen" aufgeführten ersetzen. Z.B. 21A2KE20.
Anschluss
ISO 228/1
Art.-Nr.
Max. zulässige
Viskosität
Ø
Kv
Leistung
cSt
12
°E
~2
mm
1,5
l/min
1,4
(Watt)
21A3KV15
21A3KV20
37
~5
2
2
12
14
8
12
14
8
12
14
21A3KV25
2,5
3,2
3
4
4,5
6,5
1,5
1,4
G 1/8
21A3KV30
53
~7
21A3KV45
21A2KV15
21A2KV20
G 1/4
12
37
~2
~5
2
2
21A2KV25
2,5
3,2
21A2KV30
3
4
21A2KV45
4,5
6,5
21A2KV55
5,5
9
53
~7
min.
bar
8
Druck
M.O.P.D.
AC bar DC bar
30
18
22
16
35
9
30
25
10
30
22
6
18
20
2
7
8
18
16
35
30
25
8
5
12
14
12
8
0
12
14
8
12
14
8
12
14
8
12
14
8
12
14
30
14
14
9
30
25
10
6
18
20
2
7
8
1
2,5
5
25
5
12
3
7
10
Anm. Lieferbar auch mit bleifreiem Messingkörper.
Die Firma "ODE " behält sich sämtliche Rechte vor, Konstruktions-,Maß- und Werkstoffänderungen ohne Ankündigung vorzunehmen .
ODE Vertrieb: SFS-Fluid Systeme GmbH Ulmer Straße 30/1 D-73728 Esslingen Tel: +49 (0)711/31009350 Fax: +49 (0)711/31009359
160
Programmcode und Skripte
G Programmcode und Skripte
G.1 camera-Skript
1
import GameLogic as G
import GameKeys as K
3
5
7
9
11
13
co =
ctrl
keyb
move
G . getCurrentController ()
= co . owner
= co . sensors [ " keyboard " ]
= co . actuators [ " act " ]
dx = 0.0
dy = 0.0
dz = 0.0
if keyb . positive :
key = keyb . events
15
# manuelle Korrektur X - Achse
if ( key [0][0] == K . PAD4 ) :
dx = ctrl [ " vel " ]
if ( key [0][0] == K . PAD1 ) :
dx = - ctrl [ " vel " ]
17
19
21
# manuelle Korrektur Y - Achse
if ( key [0][0] == K . PAD5 ) :
dy = ctrl [ " vel " ]
if ( key [0][0] == K . PAD2 ) :
dy = - ctrl [ " vel " ]
23
25
27
# manuelle Korrektur Z - Achse
if ( key [0][0] == K . PAD6 ) :
dz = ctrl [ " vel " ]
if ( key [0][0] == K . PAD3 ) :
dz = - ctrl [ " vel " ]
29
31
33
35
G . cam_offset [0] += dx
G . cam_offset [1] += dy
G . cam_offset [2] += dz
37
39
41
43
45
47
ds
dx
dy
dz
= G . cam . ds
-= ( ds [0]* G . cam_CDR )
-= ( ds [1]* G . cam_CDR )
-= ( ds [2]* G . cam_CDR )
G . cam . enabled = 1
if G . cam . enabled == 1:
move . setDLoc ( dx , dy , dz , 0)
co . activate ( move )
ctrl . orientation = G . cam . ori
161
pycode/camera.py
G.2 init -Skript
1
# EINE BLENDEREINHEIT = 10 cm
3
import
import
import
import
import
5
7
9
11
13
15
17
19
21
23
25
GameLogic as G
socket as S
Rasterizer as R
time as T
random as Ra
# ######################## class Hand ############################
class MyHand :
def __init__ ( self , finger , position , orientation ) :
self . init = 1
self . finger = finger
self . pos = position
self . pos_o = [0 , 0 , 0]
self . ori = orientation
self . ang = [0 , 0 , 0]
self . posOffset = [0 , 0 , 0]
# Resulting through Headmovement or
adjusting position of the hand through keyboard commands
self . ds = [0 , 0 , 0]
def setOffset ( self , offset ) :
i = 0
while i < 3:
self . posOffset [ i ] = offset [ i ]
i += 1
# ##################################################################
27
29
31
33
35
37
39
41
# ######################## class Camera ############################
class MyCamera :
def __init__ ( self , position , orientation ) :
self . pos = position
self . pos_o = [0 ,0 ,0]
self . ds = [0 ,0 ,0]
self . ori = orientation
self . enabled = 0
self . init = 1
# ##################################################################
# ######################## Fct : Randomizer ###########################
# Uebergabeparameter sind die Liste mit den moegleichen Stimulis und die
Anzahl der gewuenschten Wiederholungen
def generateList ( stimuliList , repetition ) :
"""
162
Programmcode und Skripte
43
Input : List with stimulis and wanted repetition
Output : List with randimzed stimulis and repetition included
45
47
49
51
53
55
Function creates a list with all stimulis and wanted repetition . For
usage , call fctn ann the for
every try just pop first element of the list . When list is empty
experiment is finished .
"""
# Determine length of loaded list
length = len ( stimuliList )
# Create dictionary and other variables , needed to create stimulis list .
dict = {}
for i in range ( length ) :
dict [ i ] = 0
count = 0
stimulis = []
57
59
61
63
65
67
69
71
73
75
77
79
81
# While not all stimulis are randomized written in stimulis list , get a
new randomized number and check
# if entry of stimulusList is still needed . If so , append to end list ,
and increment counters ( Two
# counters are needed : One local counter for every stimuli and one
global counter )
while ( count < length * repetition ) :
stimuli = Ra . randint (0 , length -1)
if ( dict [ stimuli ] < repetition ) :
stimulis . append ( stimuliList [ stimuli ])
dict [ stimuli ] += 1
count += 1
# When all stimulis are in end list return list
return stimulis
# #####################################################################
# ########################### MAIN ##############################
print " INIT "
# Init hand in scene as ctrl and get scene
co = G . getCurrentController ()
ctrl = co . owner
sce = G . getCurrentScene ()
R . showMouse ( False )
# Get hand position and orientation :
G . hand = MyHand ([60 , 60 , 60 , 60 , 60] , ctrl . position , ctrl . orientation )
obj = sce . objects [ " OBCamera " ]
G . cam = MyCamera ( obj . position , obj . orientation )
83
85
87
# Init der globalen Variablen
G . hitmat_d = -1
G . hitmat_z = -1
G . hitmat_m = -1
G . hitmat_r = -1
163
89
G . hitmat_k = -1
91
# ####!!!!!!!!!!!!!!!!!!! Veraenderbar
!!!!!!!!!!!!!!!!!!!!!###################
G . vp = ' 00 '
G . CDR_std = 1.0
G . cam_CDR = 0.35 # skaliert auf 10 blenderunits = 1 meter
G . CDR = {1:0}
G . weightCDR = 1
G . itemcount = 0
G . actItem = 0
93
95
97
99
101
# Trigger for matlab
G . lift_obj = 0
# ####!!!!!!!!!!!!!!!!!!!!!!!! ENDE
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!###################
103
105
107
109
111
113
115
117
119
121
123
125
127
129
131
133
135
# Wenn die Kamera bewegt wird , wird der Bewegungsoffset berechnet
# und zur Handposition dazugezaehlt , damit die Hand mit der Kamera
# mitwandert .
G . CDR [ -2] = G . CDR_std
G . CDR [ -1] = G . CDR_std
T . sleep (1)
G . pos = [0.0 , 0.0 , 0.0]
G . cam_offset = [0.0 , 0.0 , 0.0]
G . ha_offset = [0.0 , 0.0 , 0.0]
G . z_acc = 0.0
G . movX = []
G . movY = []
G . movZ = []
G . minX = 0.0
G . minY = 0.0
G . minZ = 0.0
G . dX = 0.0
G . dY = 0.0
G . dZ = 0.0
G . lift = 0
# Initialisierung des Clients :
host_s = " 127.0.0.1 "
port_s = 50010
G . addr_server = ( host_s , port_s )
host_c = " "
port_c = 50011
addr_client = ( host_c , port_c )
G . ini = 0
G . s = S . socket ( S . AF_INET , S . SOCK_DGRAM )
G . s . bind ( addr_client )
G . answer_set = 1
handpos = ctrl . position
137
164
Programmcode und Skripte
141
# Soundvars :#
G . v_o1 = 0
G . v_o2 = 0
G . v_o3 = 0
143
ctrl [ ' Init_script '] = False
139
pycode/init.py
G.3 movement -Skript
1
3
5
7
9
11
13
import GameLogic as G
import math as M
import time as T
# ####################### Fct : Calc RotMat #############################
def Euler_Rot ( rx , ry , rz ) :
"""
Calculates the orientation of the object .
Needs the roll ( rz ) pitch ( rx ) yaw ( ry ) angles ( angles in deg )
"""
a, b
= M . cos ( M . radians ( rx ) ) , M . sin ( M . radians ( rx ) )
c, d
= M . cos ( M . radians ( ry ) ) , M . sin ( M . radians ( ry ) )
e, f
= M . cos ( M . radians ( rz ) ) , M . sin ( M . radians ( rz ) )
ad , bd = a *d , b * d
15
17
19
21
23
25
27
29
31
33
35
37
39
return [[ c *e , b * d *e - a *f , b * f + a * d * e ] ,
[ c *f , a * e + b * d *f , a * d *f - b * e ] ,
[-d , b*c
, a*c
]]
# #####################################################################
def gather_data ( h_i , c_i , h_o , c_o ) :
# Send environment data :
# Camera :
c_pos = c_i . position
c_ori = c_i . orientation
# Hand :
h_pos = h_i . position
# Fingersensors
try :
m_d = G . hitmat_d
m_z = G . hitmat_z
m_m = G . hitmat_m
m_r = G . hitmat_r
m_k = G . hitmat_k
except :
m_d = 0
m_z = 0
m_m = 0
m_r = 0
165
m_k = 0
41
43
45
47
49
51
53
55
57
59
61
63
65
67
69
# Scale Movement on X Y Z axis :
# scaleX = .5
# scaleY = .5
# scaleZ = .55
# Velocity :
p = G . getCurrentScene () . objects [ " OBvelpoint " ]
if p [ ' init '] == 0:
G . t_o = T . clock ()
G . pos_o = p . position
p [ ' init '] = 1
else :
t = T . clock ()
pos = p . position
ds = [ pos [0] - G . pos_o [0] , pos [1] - G . pos_o [1] , pos [2] - G . pos_o [2]]
dt = ( t - G . t_o )
G . pos_o = pos
G . t_o = t
if dt > 0:
v = [ ds [0]/ dt , ds [1]/ dt , ds [2]/ dt ]
G.v = v
else :
v = [0 ,0 ,0]
G.v = v
# Wenn sound benötigt wird , muss v ein skalar sein ( kein Vektor ) und G .
lift_obj muss ntfernt werden , und platzhalter muessen aus string
entfernt werden
data = " START ;% d ;% d ;% d ;% d ;% d ;% d ;% d ;% d ;% d ;%.4 f ;%.4 f ;%.4 f ;%.4 f ;%.4 f ;%.4 f
;%.4 f ;%.4 f ;%.4 f ;0;0;0;% d ;% d ;% d ;% d ;% d ;% d ;0;0; END \0 " %( h_pos [0] ,
h_pos [1] , h_pos [2] , c_pos [0] , c_pos [1] , c_pos [2] , v [0] , v [1] , v [2] ,
c_ori [0][0] , c_ori [0][1] , c_ori [0][2] , c_ori [1][0] , c_ori [1][1] ,
c_ori [1][2] , c_ori [2][0] , c_ori [2][1] , c_ori [2][2] , m_d , m_z , m_m ,
m_r , m_k , G . lift_obj )
# print data
G . s . sendto ( data , G . addr_server )
71
73
75
77
79
81
# Part Receiving and segmenting data
data = G . s . recv (512)
# Segmenting data :
data_list = data . split ( " ; " )
tmp = []
# Remove first and last item from the list and check if string was
received completely
first_item = data_list . pop (0)
last_item = data_list . pop ()
if ( first_item != ' START ' and last_item != ' END ') :
166
Programmcode und Skripte
83
85
87
89
91
93
95
97
99
101
103
105
return -1
# Decode devicecode
devicecode = int ( data_list . pop (0) )
p5mode = int ( devicecode /100.0)
fobcount = int (( devicecode - p5mode *100) /10.0)
fobmode = int ( devicecode - p5mode *100 - fobcount *10)
# Read out p5_data
if ( p5mode > 0) :
# print " Get Fingerbends "
i = 0
while ( i < 5) :
h_o . finger [ i ] = float ( data_list . pop (0) )
i += 1
if ( p5mode is 0 or p5mode is 1) :
if ( fobcount > 0) :
# Position
if h_o . init is 1:
h_o . pos_o [0] = float ( data_list . pop (0) ) - h_o . posOffset [0]
h_o . pos_o [1] = float ( data_list . pop (0) ) - h_o . posOffset [1]
h_o . pos_o [2] = float ( data_list . pop (0) ) - h_o . posOffset [2]
h_o . init = 0
107
109
111
113
else :
h_o . pos [0] = float ( data_list . pop (0) ) - h_o . posOffset [0]
h_o . pos [1] = float ( data_list . pop (0) ) - h_o . posOffset [1]
h_o . pos [2] = float ( data_list . pop (0) ) - h_o . posOffset [2]
for i in range (3) :
h_o . ds [ i ] = h_o . pos [ i ] - h_o . pos_o [ i ]
h_o . pos_o [ i ] = h_o . pos [ i ]
115
117
119
121
123
125
127
129
131
133
# Orientation
h_o . ori [0][0]
h_o . ori [0][1]
h_o . ori [0][2]
h_o . ori [1][0]
h_o . ori [1][1]
h_o . ori [1][2]
h_o . ori [2][0]
h_o . ori [2][1]
h_o . ori [2][2]
=
=
=
=
=
=
=
=
=
float ( data_list . pop (0) )
float ( data_list . pop (0) )
float ( data_list . pop (0) )
float ( data_list . pop (0) )
float ( data_list . pop (0) )
float ( data_list . pop (0) )
float ( data_list . pop (0) )
float ( data_list . pop (0) )
float ( data_list . pop (0) )
if ( fobcount > 1) :
# Position // covered distance delta_s
if c_o . init is 1:
c_o . pos_o [0] = float ( data_list . pop (0) )
c_o . pos_o [1] = float ( data_list . pop (0) )
c_o . pos_o [2] = float ( data_list . pop (0) )
c_o . init = 0
167
else :
c_o . pos [0] = float ( data_list . pop (0) )
c_o . pos [1] = float ( data_list . pop (0) )
c_o . pos [2] = float ( data_list . pop (0) )
for i in range (3) :
c_o . ds [ i ] = c_o . pos_o [ i ] - c_o . pos [ i ]
c_o . pos_o [ i ] = c_o . pos [ i ]
135
137
139
141
# print c_o . pos [1]
# Orientation
c_o . ori [0][0] = float ( data_list . pop (0) )
c_o . ori [0][1] = float ( data_list . pop (0) )
c_o . ori [0][2] = float ( data_list . pop (0) )
c_o . ori [1][0] = float ( data_list . pop (0) )
c_o . ori [1][1] = float ( data_list . pop (0) )
c_o . ori [1][2] = float ( data_list . pop (0) )
c_o . ori [2][0] = float ( data_list . pop (0) )
c_o . ori [2][1] = float ( data_list . pop (0) )
c_o . ori [2][2] = float ( data_list . pop (0) )
c_o . enabled = 1
else :
c_o . enabled = 0
143
145
147
149
151
153
155
157
159
161
163
165
if ( p5mode is 2) :
if h_o . init is 1:
h_o . pos_o [0] = float ( data_list . pop (0) )
h_o . pos_o [1] = float ( data_list . pop (0) )
h_o . pos_o [2] = float ( data_list . pop (0) )
h_o . init = 0
else :
h_o . pos [0] = float ( data_list . pop (0) ) h_o . pos [1] = float ( data_list . pop (0) ) h_o . pos [2] = float ( data_list . pop (0) ) -
- h_o . posOffset [0]
- h_o . posOffset [1]
- h_o . posOffset [2]
h_o . posOffset [0]
h_o . posOffset [1]
h_o . posOffset [2]
167
for i in range (3) :
h_o . ds [ i ] = h_o . pos [ i ] - h_o . pos_o [ i ]
h_o . pos_o [ i ] = h_o . pos [ i ]
169
171
h_o . ori [0][0]
h_o . ori [0][1]
h_o . ori [0][2]
h_o . ori [1][0]
h_o . ori [1][1]
h_o . ori [1][2]
h_o . ori [2][0]
h_o . ori [2][1]
h_o . ori [2][2]
173
175
177
179
=
=
=
=
=
=
=
=
=
float ( data_list . pop (0) )
float ( data_list . pop (0) )
float ( data_list . pop (0) )
float ( data_list . pop (0) )
float ( data_list . pop (0) )
float ( data_list . pop (0) )
float ( data_list . pop (0) )
float ( data_list . pop (0) )
float ( data_list . pop (0) )
181
# iF FoB enabled : Read out fobData for Camera
if ( fobcount > 0) :
# Position // covered distance delta_s
183
168
Programmcode und Skripte
185
187
189
191
193
195
197
199
201
203
205
207
209
if c_o . init is 1:
c_o . pos_o [0] = float ( data_list . pop (0) )
c_o . pos_o [1] = float ( data_list . pop (0) )
c_o . pos_o [2] = float ( data_list . pop (0) )
c_o . init = 0
else :
c_o . pos [0] = float ( data_list . pop (0) )
c_o . pos [1] = float ( data_list . pop (0) )
c_o . pos [2] = float ( data_list . pop (0) )
for i in range (3) :
c_o . ds [ i ] = c_o . pos [ i ] - c_o . pos_o [ i ]
c_o . pos_o [ i ] = c_o . pos [ i ]
# Orientation
c_o . ori [0][0] = float ( data_list . pop (0) )
c_o . ori [0][1] = float ( data_list . pop (0) )
c_o . ori [0][2] = float ( data_list . pop (0) )
c_o . ori [1][0] = float ( data_list . pop (0) )
c_o . ori [1][1] = float ( data_list . pop (0) )
c_o . ori [1][2] = float ( data_list . pop (0) )
c_o . ori [2][0] = float ( data_list . pop (0) )
c_o . ori [2][1] = float ( data_list . pop (0) )
c_o . ori [2][2] = float ( data_list . pop (0) )
c_o . enabled = 1
else :
c_o . enabled = 0
213
h_o . ds [0] = h_o . ds [0]/ G . hitCDR
h_o . ds [1] = h_o . ds [1]/ G . hitCDR
h_o . ds [2] = h_o . ds [2]
215
return 0
211
217
# #####################################################################
# ######################## END DEF ######################################
219
221
223
225
227
229
231
# Init Controller
co = G . getCurrentController ()
sce = G . getCurrentScene ()
ctrl = co . owner
# Calculate offset resulting from camera movement and manual settings
offset = [0 ,0 ,0]
for i in range (3) :
offset [ i ] = G . ha_offset [ i ] - G . cam_offset [ i ]
G . hand . setOffset ( offset )
# Get camera
cam = G . getCurrentScene () . active_camera
233
235
# Set / Get Data to / from server
if ( gather_data ( ctrl , cam , G . hand , G . cam ) == -1) :
169
print ' Failure during reading data !!!! '
237
239
241
243
245
247
249
251
253
# Set Fingerbends
ctrl [ ' an_daumen ']
ctrl [ ' an_zeiger ']
ctrl [ ' an_mittel ']
ctrl [ ' an_ring ']
ctrl [ ' an_kleiner ']
=
=
=
=
=
int ( G . hand . finger [0])
int ( G . hand . finger [1])
int ( G . hand . finger [2])
int ( G . hand . finger [3])
int ( G . hand . finger [4])
# Prevent hand moving through table
if G . hitmat_m > -1 and G . hitmat_z > -1 and G . hand . ds [2] <= 0:
print " Blockiere z - Achsentranslation "
G . z_acc += G . hand . ds [2]
G . hand . ds [2] = 0
elif ( G . hand . ds [2] > 0 and G . z_acc < 0) :
G . z_acc += G . hand . ds [2]
G . hand . ds [2] = 0
else :
ctrl . orientation = G . hand . ori
255
257
259
261
263
265
267
269
271
273
275
277
279
281
283
285
# ######## Weight CDR ############################
# wCDR = 1
<- steht jetzt im Init
wCDRdown = 0.9 * G . weightCDR
deadband = 0.1
# Write all made movement in a listbuffer
if M . fabs ( G . hand . ds [0]* ctrl [ ' CDR ' ]) > 0.02:
G . movX . append ( G . hand . ds [0]* ctrl [ ' CDR ' ])
if M . fabs ( G . hand . ds [1]* ctrl [ ' CDR ' ]) > 0.02:
G . movY . append ( G . hand . ds [1]* ctrl [ ' CDR ' ])
if G . hand . ds [2]* ctrl [ ' CDR '] > deadband :
G . movZ . append ( G . hand . ds [2]* ctrl [ ' CDR ' ])
z = 0.0
else :
z = G . hand . ds [2]* ctrl [ ' CDR ']
# If last movement done , get new movement form listbuffer
if ( G . dX == 0.0) and ( len ( G . movX ) > 0) :
G . dX = G . movX . pop (0)
if G . dX > 0.5:
G . minX = G . dX / G . weightCDR
else :
G . minX = G . dX
if ( G . dY == 0.0) and ( len ( G . movY ) > 0) :
G . dY = G . movY . pop (0)
if M . fabs ( G . dY ) > 0.5:
G . minY = G . dY / G . weightCDR
else :
G . minY = G . dY
if z >=0:
if ( G . dZ == 0.0) and ( len ( G . movZ ) > 0) :
G . dZ = G . movZ . pop (0)
170
Programmcode und Skripte
287
289
291
293
295
297
299
301
303
305
G . minZ
else :
if ( G . dZ
G . dZ =
G . minZ
= G . dZ / G . weightCDR
== 0.0) and ( len ( G . movZ ) > 0) :
G . movZ . pop (0)
= G . dZ / wCDRdown
dd = [0.0 , 0.0 , 0.0]
if ( M . fabs ( G . dX ) > M . fabs ( G . minX ) ) and (( G . dX != 0.0) ) :
dd [0] = G . minX
G . dX -= G . minX
else :
dd [0] = G . dX
G . dX = 0.0
if ( M . fabs ( G . dY ) > M . fabs ( G . minY ) ) and (( G . dY != 0.0) ) :
dd [1] = G . minY
G . dY -= G . minY
else :
dd [1] = G . dY
G . dY = 0.0
307
309
311
313
315
317
if ( M . fabs ( G . dZ ) > M . fabs ( G . minZ ) ) and (( G . dZ != 0.0) ) :
dd [2] = G . minZ
G . dZ -= G . minZ
else :
dd [2] = G . dZ
G . dZ = 0
pos = ctrl . position
for i in range (3) :
pos [ i ] += dd [ i ]
pos [2] += z
319
ctrl . position = pos
321
323
# ######## END Weight CDR ############################
pycode/movement.py
G.4 hand-oset -Skript
1
import GameLogic as G
import GameKeys as K
3
5
co = G . getCurrentController ()
hand = co . owner
keyb = co . sensors [ " keyboard " ]
7
if keyb . positive :
171
9
11
13
key = keyb . events
# print dir ( K )
if ( key [0][0] == K . INSERTKEY ) :
G . ha_offset [0] -= 0.5
if ( key [0][0] == K . DELKEY ) :
G . ha_offset [0] += 0.5
15
17
19
21
23
25
27
if ( key [0][0] ==
G . ha_offset [1]
if ( key [0][0] ==
G . ha_offset [1]
K . UPARROWKEY ) :
-= 0.5
K . DOWNARROWKEY ) :
+= 0.5
if ( key [0][0] == K . PAGEDOWNKEY ) :
G . ha_offset [2] += 0.5
if ( key [0][0] == K . PAGEUPKEY ) :
G . ha_offset [2] -= 0.5
if ( key [0][0] == K . F12KEY ) :
hand . setPosition ([8.00 , -55.39 , -20.00])
G . z_acc = 0.0
pycode/hand_oset.py
G.5 lifting -Skript
1
3
5
7
9
import GameLogic as G
import PhysicsConstraints
PhysicsConstraints . setDeactivationTime (10000.0)
co = G . getCurrentController ()
ctrl = co . owner
near = co . sensors [ " weightCDR " ]
hitmat = near . hitObject
objList = G . getCurrentScene () . objects
11
13
15
if G . hand . finger [1] >= 40 and G . hitmat_d >= 20 and G . hitmat_z >= 20 and
hitmat is not None :
G . memoryChild = hitmat
G . weightCDR = hitmat . weightCDR
hitmat . setParent ( ctrl , 1 , 0)
G . lift_obj = 1
17
19
21
23
else :
try :
G . memoryChild . removeParent ()
except :
print " Kein Hitobject zum Unparten vorhanden "
G . lift_obj = 0
G . weightCDR = 1
172
Programmcode und Skripte
pycode/lifting.py
G.6 contact_z -Skript
import GameLogic as G
2
4
co = G . getCurrentController ()
z_near = co . sensors [ " object " ]
sce = G . getCurrentScene ()
6
10
try :
hitobj = z_near . hitObject [ ' object ']
except :
pass
12
G . hitobject = z_near . hitObject
14
if z_near . positive :
G . hitmat_z = hitobj
try :
G . hitCDR = z_near . hitObject [ ' CDR ']
except :
G . hitCDR = 1
print " POS_Pulse : Zeigefinger beruehrt Objekt " , G . hitmat_z
8
16
18
20
22
24
else :
G . hitmat_z = -1
G . hitCDR = 1
print " NEG_Pulse : Zeigefinger beruehrt Obj : " , G . hitmat_z
pycode/contact_z.py
G.7 sound -Skript
1
import GameLogic as G
3
ctr = G . getCurrentController ()
owner = ctr . owner
5
7
9
11
13
15
sound_glas_k = ctr . actuators [ " glas_k " ]
sound_glas_s = ctr . actuators [ " glas_s " ]
sound_metall_k = ctr . actuators [ " metall_k " ]
sound_metall_s = ctr . actuators [ " metall_s " ]
sound_stein_k = ctr . actuators [ " stein_k " ]
sound_stein_s = ctr . actuators [ " stein_s " ]
sound_gummi_k = ctr . actuators [ " gummi_k " ]
sound_gummi_s = ctr . actuators [ " gummi_s " ]
sound_sandpapier_k = ctr . actuators [ " sandpapier_k " ]
sound_sandpapier_s = ctr . actuators [ " sandpapier_s " ]
173
17
near = ctr . sensors [ " sound_sens " ]
19
hitobj = near . hitObject
21
23
25
27
29
try :
soundact_k
soundact_s
except :
soundact_k
soundact_s
= ctr . actuators [ " % s_k " %( hitobj [ " soundfile " ]) ]
= ctr . actuators [ " % s_s " %( hitobj [ " soundfile " ]) ]
= ctr . actuators [ " % s_k " %( G . lastHitobj [ " soundfile " ]) ]
= ctr . actuators [ " % s_s " %( G . lastHitobj [ " soundfile " ]) ]
# Bend value Zeigefinger
bend_z = G . getCurrentScene () . objects [ " OBHand " ][ ' an_zeiger ']
31
33
35
37
if near . positive :
# G . v aus movement script : geschwindigkeit hand [x ,y , z ]
# vektorbetrag als ausgang für pitch und loudness faktoren
v_n = ( G . v [0]**2+ G . v [1]**2) **.5
print " V roh : " , v_n
39
41
# mitteln von v_Old und aktuellem v_Neu
v = ( G . v_o1 + G . v_o2 + v_n ) /3
print " V filtered : " , v
43
45
if v_n > 10* v :
print ' zu grosss !!!! '
47
49
51
# fallunterscheidung ob kratzen ( bend_z > 45) oder streichen ( bend_z <=
45)
else :
# FIFO Puffer
G . v_o2 = G . v_o1
G . v_o1 = v
53
G . lastHitobj = hitobj
print bend_z
# kratzen
if bend_z >= 40:
# deadband
if v > -.5:
soundact_k . volume = (( v /10.0) * hitobj [ ' loudness ' ])
ctr . activate ( " % s_k " %( hitobj [ " soundfile " ]) )
ctr . deactivate ( " % s_s " %( hitobj [ " soundfile " ]) )
print ' Kratzen '
G . vKratzen . append ( v )
else :
55
57
59
61
63
65
174
Programmcode und Skripte
soundact_k . volume = 0
67
69
71
73
75
77
79
81
# streichen
else :
if v > -.5:
soundact_s . volume = (( v /10.0) * hitobj [ ' loudness ' ]) # range : 0 -1
ctr . activate ( " % s_s " %( hitobj [ " soundfile " ]) )
ctr . deactivate ( " % s_k " %( hitobj [ " soundfile " ]) )
print ' Streichen '
G . vStreichen . append ( v )
else :
soundact_s . volume = 0
else :
soundact_k . volume = 0
soundact_s . volume = 0
print ' NEGATIVE SOUNDPULSE '
83
reset_hand = ctr . sensors [ " reset_hand " ]
85
87
89
91
if reset_hand . positive :
hand = G . getCurrentScene () . objects [ " OBHand " ]
hand . position = [0 , -4.3 ,.2]
soundact_s . volume = 0
soundact_k . volume = 0
ctr . deactivate ( " % s_k " %( hitobj [ " soundfile " ]) )
ctr . deactivate ( " % s_s " %( hitobj [ " soundfile " ]) )
pycode/sound.py
175
H Auditives Feedback
Frequenzgang - Schaumstoff Kratzen
0
5000
10000 15000 20000 25000
30000 35000 40000
Frequenzgang - Schaumstoff Streichen
45000 50000
0
5000
-20
-40
-60
-60
-80
-100
-100
Frequenz [Hz]
Frequenzgang - Glasscheibe Kratzen
0
5000
10000 15000 20000 25000
30000 35000 40000
Frequenzgang - Glasscheibe Quietschen
45000 50000
0
5000
-20
-40
30000 35000 40000
45000 50000
-60
-20
-40
-60
-80
-80
-100
-100
Frequenz [Hz]
Frequenz [Hz]
Frequenzgang - Holzbrett Kratzen
0
5000
10000 15000 20000 25000
30000 35000 40000
Frequenzgang - Holzbrett Streichen
45000 50000
0
5000
10000 15000 20000 25000
30000 35000 40000
45000 50000
0
Amplitude [dB]
0
Amplitude [dB]
10000 15000 20000 25000
0
Amplitude [dB]
Amplitude [dB]
0
-20
-40
-60
-20
-40
-60
-80
-80
-100
-100
Frequenz [Hz]
Frequenz [Hz]
Frequenzgang - Korkplatte Kratzen
0
5000
10000 15000 20000 25000
30000 35000 40000
Frequenzgang - Korkplatte Streichen
45000 50000
0
5000
10000 15000 20000 25000
30000 35000 40000
45000 50000
0
Amplitude [dB]
0
Amplitude [dB]
45000 50000
-40
Frequenz [Hz]
-20
-40
-60
-20
-40
-60
-80
-80
-100
-100
Frequenz [Hz]
Frequenz [Hz]
Frequenzgang - Metallblech Kratzen
0
5000
10000 15000 20000 25000
30000 35000 40000
Frequenzgang - Metallblech Streichen
45000 50000
0
5000
10000 15000 20000 25000
30000 35000 40000
0
Amplitude [dB]
0
Amplitude [dB]
30000 35000 40000
-20
-80
-20
-40
-60
-20
-40
-60
-80
-80
-100
-100
Frequenz [Hz]
176
10000 15000 20000 25000
0
Amplitude [dB]
Amplitude [dB]
0
Frequenz [Hz]
45000 50000
Auditives Feedback
Frequenzgang - Stoffgewebe Kratzen
0
5000
10000 15000 20000 25000
30000 35000 40000
Frequenzgang - Stoffgewebe Streichen
45000 50000
0
5000
-20
-40
-60
-60
-80
-80
-100
-100
Frequenz [Hz]
0
5000
10000 15000 20000 25000
30000 35000 40000
Frequenzgang - Moosgummi Streichen
45000 50000
0
5000
10000 15000 20000 25000
30000 35000 40000
45000 50000
0
Amplitude [dB]
Amplitude [dB]
0
-20
-40
-60
-20
-40
-60
-80
-80
-100
-100
Frequenz [Hz]
Frequenz [Hz]
Frequenzgang - Pappe Kratzen
0
5000
10000 15000 20000 25000
30000 35000 40000
Frequenzgang - Pappe Streichen
45000 50000
0
5000
10000 15000 20000 25000
30000 35000 40000
45000 50000
0
Amplitude [dB]
0
Amplitude [dB]
45000 50000
-40
Frequenzgang - Moosgummi Quietschen
-20
-40
-60
-20
-40
-60
-80
-80
-100
-100
Frequenz [Hz]
Frequenz [Hz]
Frequenzgang - Plastik Kratzen
0
5000
10000 15000 20000 25000
30000 35000 40000
Frequenzgang - Plastik Streichen
45000 50000
0
5000
10000 15000 20000 25000
30000 35000 40000
45000 50000
0
Amplitude [dB]
0
Amplitude [dB]
30000 35000 40000
-20
Frequenz [Hz]
-20
-40
-60
-20
-40
-60
-80
-80
-100
-100
Frequenz [Hz]
Frequenz [Hz]
Frequenzgang - Sandpapier (Fein) Kratzen
0
5000
10000 15000 20000 25000
30000 35000 40000
Frequenzgang - Sandpapier (Fein) Streichen
45000 50000
0
5000
10000 15000 20000 25000
30000 35000 40000
45000 50000
0
Amplitude [dB]
0
Amplitude [dB]
10000 15000 20000 25000
0
Amplitude [dB]
Amplitude [dB]
0
-20
-40
-60
-20
-40
-60
-80
-80
-100
-100
Frequenz [Hz]
Frequenz [Hz]
177
Frequenzgang - Sandpapier (Mittel) Kratzen
0
5000
10000 15000 20000 25000
30000 35000 40000
Frequenzgang - Sandpapier (Mittel) Streichen
45000 50000
0
5000
-20
-40
-60
-60
-80
-100
-100
Frequenz [Hz]
Frequenzgang - Sandpapier (Grob) Kratzen
0
5000
10000 15000 20000 25000
30000 35000 40000
Frequenzgang - Sandpapier (Grob) Streichen
45000 50000
0
5000
10000 15000 20000 25000
30000 35000 40000
45000 50000
0
Amplitude [dB]
0
Amplitude [dB]
45000 50000
-40
Frequenz [Hz]
-20
-40
-60
-20
-40
-60
-80
-80
-100
-100
Frequenz [Hz]
Frequenz [Hz]
Frequenzgang - Steingutfliese Streichen
Frequenzgang - Steingutfliese Kratzen
0
5000
10000 15000 20000 25000
30000 35000 40000
0
45000 50000
5000
10000 15000 20000 25000
30000 35000 40000
0
Amplitude [dB]
0
Amplitude [dB]
30000 35000 40000
-20
-80
-20
-40
-60
-20
-40
-60
-80
-80
-100
-100
Frequenz [Hz]
178
10000 15000 20000 25000
0
Amplitude [dB]
Amplitude [dB]
0
Frequenz [Hz]
45000 50000
Fragebögen
I Fragebögen
I.1 Allgemeiner Evaluationsbogen
Fragebogen
Lfd. Nr:
Die folgenden Fragen betreffen die eben erfahrene virtuelle Umgebung. Bitte beantworten
Sie jede Frage spontan und ehrlich. Kreuzen Sie dafür die passende Bewertung an. Die
Daten werden anonym ausgewertet und helfen uns bei der Verbesserung des Systems.
01. Wie natürlich erschien Ihnen die Interaktion mit der Umgebung?
1
sehr natürlich
2
3
4
weder noch
5
6
7
sehr unnatürlich
02. Wie stark stimmte Ihre Erfahrung in der virtuellen Realität mit denen in der realen Welt überein?
1
sehr stark
2
3
4
weder noch
5
6
7
sehr wenig
5
6
7
sehr irreal
5
6
7
sehr ungenau
6
7
sehr langsam
03. Wie real erschienen Ihnen Ihre Bewegungen durch den virtuellen Raum?
1
sehr real
2
3
4
weder noch
04. Wie genau konnten sie Objekte untersuchen?
1
sehr genau
2
3
4
weder noch
05. Wie schnell haben Sie sich an die virtuelle Umgebung gewöhnt?
1
sehr schnell
2
3
4
weder noch
5
06. Konnten Sie sich eher auf die Ausführung Ihrer Aufgabe konzentrieren oder mußten Sie sich
eher auf die Bedienung konzentrieren?
1
eher Aufgabe
2
3
4
weder noch
5
6
7
eher Bedienung
07. Fühlten Sie sich jemals so tief in ein Computerspiel versunken, dass Sie das Gefühl hatten sich in
diesem Spiel zu befinden?
1
2
3
nie
4
5
6
weder noch
7
sehr oft
08. Lassen Sie sich leicht in Spiel- oder Fernsehfilme hineinziehen?
1
Nein
2
3
4
weder noch
5
6
7
Ja
09. Werden Sie manchmal so sehr in einen Tagtraum hineingezogen, dass Sie sich der Dinge um Sie
herum nicht mehr bewußt sind?
1
nie
2
3
4
weder noch
5
6
7
sehr oft
10. Sind Sie manchmal so mit einer Sache beschäftigt, dass Sie die Zeit vergessen?
1
nie
2
3
4
weder noch
5
6
7
sehr oft
4
weder noch
5
6
7
stimme zu
4
weder noch
5
6
7
stimme zu
5
6
7
stimme zu
11. Ich hatte das Gefühl, in dem virtuellen Raum zu sein.
1
lehne ab
2
3
12. Ich hatte das Gefühl, nur Bilder zu sehen.
1
lehne ab
2
3
13. Die Bedienung empfand ich als fremd und unrealistisch.
1
lehne ab
2
3
4
weder noch
Vielen Dank!
179
I.2 Evaluationsbogen Experiment Auditive Materialidentikation
Fragebogen zum Versuch „Audio-haptisches Feedback“
Alter:
Lfd. Nr.:
Geschlecht:
Die folgenden Fragen betreffen den eben durchgeführten Versuch. Bitte
beantworten Sie jede Frage spontan und ehrlich. Kreuzen Sie dafür die
passende Bewertung an. Sollten Sie eine Frage nicht beantworten wollen,
streichen Sie diese bitte durch. Die Daten werden anonym ausgewertet und
helfen uns bei der Verbesserung des Systems.
1. Wie natürlich erschienen Ihnen die gehörten Geräusche?
1
2
3
sehr natürlich
4
5
6
weder noch
7
sehr unnatürlich
2. Wie gut konnten Sie die Materialien anhand der Geräusche identifizieren?
1
sehr gut
2
3
4
5
6
weder noch
7
sehr schlecht
3. Hatten Sie jemals eine Gehörbeeinträchtigung und wenn ja welche?
(z.B.: Knalltrauma, Tinnitus, chronische Mittelohrentzündung)
Ja / Nein
4. Verfügen Sie derzeit über ein normales Hörvermögen und wenn nicht warum?
Ja / Nein
Vielen Dank!
180
Fragebögen
I.3 Evaluationsbogen Experiment Auditive Rauheit
Fragebogen Audio2
Lfd. Nr:
01. Konnte ein Gefühl von unteschiedlichen Rauheiten erzeugt werden?
Ja
Weiß nicht
Nein
wenn Ja:
Wie gut konnte das Gefühl von Rauhigkeit bei Ihnen erzeugt werden?
gut
eher gut
mittel
eher schlecht
schlecht
unpassend
sehr unpassend
02. Wie passenden finden Sie die Rauhigkeitsdarstellung?
sehr passend
passend
weder noch
03. Worauf haben Sie sich bei Ihren Antworten gestützt?
nur Streichen
nur Kratzen
Streichen und Kratzen
Weder Streichen noch Kratzen
04. Haben Sie noch Anmerkungen zu der Untersuchung?
Vielen Dank!
181
I.4 Evaluationsbogen Experiment Conjoint Rauheit
Fragebogen Rauheitsfeedback
Lfd.Nr.:
Bitte füllen Sie diesen Fragebogen aus. Wir sind an Ihrer ehrlichen Meinung interessiert.
1. Konnte ein Gefühl von unterschiedlichen Rauheiten erzeugt werden?
Ja
wenn Ja:
gut
Weiß nicht
Nein
Wie gut konnte das Gefühl von Rauigkeit bei Ihnen erzeugt werden?
eher gut
mittel
eher schlecht
schlecht
unpassend
sehr unpassend
unpassend
sehr unpassend
unpassend
sehr unpassend
unpassend
sehr unpassend
2. Wie passend finden Sie die gesamte Rauigkeitsdarstellung?
sehr passend
passend
weder noch
Bewerten Sie die einzelnen Darstellungsformen:
Rauheit durch Vibration an den Fingerspitzen:
sehr passend
passend
weder noch
Rauheit durch Kontaktgeräusche:
sehr passend
passend
weder noch
Rauheit durch visuelle Verzögerung der Hand:
sehr passend
passend
weder noch
3. Worauf haben Sie sich bei Ihren Antworten gestützt? (Mehrfachnennungen möglich)
Vibration
Geräusch
4. Haben Sie noch Anmerkungen zu der Untersuchung?
Vielen Dank!
182
Visuelle Verzögerung
Fragebögen
I.5 Evaluationsbogen Experiment Conjoint Gewicht
Bitte erinnern Sie sich an die Untersuchung "Gewichtswahrnehmung in der
virtuellen Umgebung" zurück und beantworten Sie dann folgende Fragen.
Setzen Sie dazu einfach ein "x" in die entsprechende Klammer [] :
1. Auf was
[]
[]
[]
[]
[]
hatten Sie sich für Ihre Gewichtsurteile gestützt? Auf...
den Handgelenkdruck
die Verzögerung der virtuellen Hand
beides (Druck + Verzögerung)
keines von beidem
weiß ich nicht
2. Was halten Sie von der Darstellung des Gewichts durch die Verzögerung
der virtuellen Hand?
[] sehr unpassend
[] unpassend
[] weiß nicht
[] passend
[] sehr passend
3. Was halten Sie von der Darstellung des Gewichts durch den
Handgelenkdruck?
[] sehr unpassend
[] unpassend
[] weiß nicht
[] passend
[] sehr passend
4. Konnte ein Gefühl von Gewicht in der virtuellen Umgebung erzeugt
werden?
[] ja
[] nein
wenn ja:
Wie gut konnte in der virtuellen Umgebung insgesamt das Gefühl von
Gewicht bei Ihnen erzeugt werden?
[] gut
[] eher gut
[] mittel
[] eher schlecht
[] schlecht
5. Haben Sie dem unterschiedlichen Handgelenkdruck Beachtung geschenkt?
[] ja
[] nein
6. Haben Sie der unterschiedlichen Handverzögerung Beachtung geschenkt?
[] ja
[] nein
7. Hat Sie die Handverzögerung eher irritiert oder hat sie geholfen, das
Gewicht der Zylinder einzuschätzen?
[] irritiert
[] habe ich nicht beachtet
[] geholfen
8. Hat Sie der Handgelenkdruck eher irritiert oder hat er geholfen, das
Gewicht der Zylinder einzuschätzen?
[] irritiert
[] habe ich nicht beachtet
[] geholfen
9. Haben Sie noch Anmerkungen zu der Untersuchung?
Vielen Dank für Beantwortung der Fragen!
183
J Statistik
J.1 Syntax Conjoint Analyse SPSS Multimodal Rauheit
file handle pfad1 /NAME='auswertung conjoint'.
CONJOINT PLAN='pfad1/C_rauheit_plan.sav'
/DATA='pfad1/C_rauheit_pref.sav'
/FACTORS = VIBRO_ID (DISCRETE) CDR_vis (DISCRETE) volume (DISCRETE)
/SUBJECT = VP
/SEQUENCE = pref1 TO pref8
/print = all
/plot = all
/UTILITY = 'pfad1/UTIL.SAV'.
Vibratorisches Feedback
Visuelle Rauheit
Faktor
184
Grundlautstärke
Statistik
J.2 Dendrogramm Multimodale Rauheit
185
J.3 Deskriptive Statistiken unterschiedlicher Cluster Multimodale
Rauheit
186
Statistik
J.4 Syntax Conjoint Analyse SPSS Bimodales Gewicht
file handle pfad1 /NAME=' D:\'.
DATA LIST FREE /Proband Value1 TO Value16.
BEGIN DATA
END DATA.
SAVE OUTFILE='pfad1/CDR_scores.SAV'.
DATA LIST FREE /ID CDR STATUS_ CARD_.
BEGIN DATA
22 2 0 1
22 3 0 2
22 4 0 3
22 5 0 4
24 2 0 5
24 3 0 6
24 4 0 7
24 5 0 8
26 2 0 9
26 3 0 10
26 4 0 11
26 5 0 12
28 2 0 13
28 3 0 14
28 4 0 15
28 5 0 16
END DATA.
SAVE OUTFILE='pfad1/CDRConjointPLAN.SAV'.
*get file = 'bla.sav'.
CONJOINT PLAN='pfad1/CDRConjointPLAN.SAV'
/DATA='pfad1/CDR_scores.SAV'
/FACTORS = ID (IDEAL) CDR (IDEAL)
/SUBJECT = Proband
/SCORE = Value1 TO Value16
/print = all
/plot = all
/UTILITY = 'pfad1/UTIL.SAV'.
Individuelle Subjektwichtigkeit
Proband
Durchschnittliche Wichtigkeit
100
3
4
5
6
7
8
9
10
11
12
13
14
80
60
15
16
17
18
19
20
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
40
20
0
pneumatisches Feedback
pseudohaptisches Feedback
Faktor
187
J.5 Dendrogramm Bimodales Gewicht
188
Statistik
J.6 Fragebogenergebnisse Bimodales Gewicht (Angaben in %)
Urteilsgrundlage
Bew.d.Drucks
Bew.d.Verzögerung
3,4 3,4
10,3
17,2
6,9
24,1
34,5
17,2
44,8
6,9
69
48,3
13,8
Handgelenkdruck
Verzögerung
Beides
Gewicht in VR erzeugt?
sehr unpassend
unpassend
weiß nicht
passend
sehr passend
sehr unpassend
unpassend
weiß nicht
passend
sehr passend
Druck beachtet?
Gewicht in VR wie gut?
3,4
6,9
10,3
6,9
31
51,7
96,6
93,1
ja
nein
Verzögerung beachtet?
ja
nein
eher gut
mittel
eher schlecht
Fehlend
Bew.d.Drucks_2
Bew.d.Vergögerung_2
3,4
6,9
6,9
20,7
31
48,3
86,2
79,3
17,2
ja
nein
irritiert
nicht beachtet
geholfen
Fehlend
irritiert
nicht beachtet
geholfen
189
J.7 Fragebogenergebnisse Multimodale Rauheit (Angaben in %)
2
8
20
8
10
8
10
22
20
46
42
90
sehr unpassend
2
12
2
18
18
22
16
20
36
42
46
28
88
72
30
sehr passend
passend
weder noch
unpassend
sehr unpassend
12
190
16
20
16
84
Statistik
J.8 Fragebogenergebnisse Allgemeiner Evaluationsbogen
191
192
Statistik
193
194
Statistik
J.9 Fragebogenergebnisse Allgemeiner Evaluationsbogen, Skalen
mit Mittelwerten und Standardabweichungen
Räumliches Präsenzempnden
Qualität der Schnittstelle
Involvierung und Motivation
allg. emot. Involiertheit
Grad der Involviertheit
Experiment
N
MW
SA
Pseudohaptische Rauheit
30
5,17
1,46
Pseudohaptisches Gewicht
21
5,26
1,23
Pneumatisches Gewicht
20
5,3
1,21
Auditive Rauheit
15
4,63
1,26
Conjoint Gewicht
36
4,82
1,4
Conjoint Rauheit
50
4,82
1,3
Pseudohaptische Rauheit
30
4,97
0,83
Pseudohaptisches Gewicht
21
4,8
0,72
Pneumatisches Gewicht
20
5,21
0,82
Auditive Rauheit
15
5,45
0,69
Conjoint Gewicht
36
5,15
0,84
Conjoint Rauheit
50
4,88
0,83
Pseudohaptische Rauheit
30
4,48
1,23
Pseudohaptisches Gewicht
21
4,38
0,88
Pneumatisches Gewicht
20
4,3
0,73
Auditive Rauheit
15
4,87
0,99
Conjoint Gewicht
36
4,92
1,29
Conjoint Rauheit
50
4,32
1,06
Pseudohaptische Rauheit
30
4,38
1,44
Pseudohaptisches Gewicht
21
3,93
1,36
Pneumatisches Gewicht
20
4,48
1,13
Auditive Rauheit
15
3,97
1,06
Conjoint Gewicht
36
4,46
1,16
Conjoint Rauheit
50
3,99
1,19
Pseudohaptische Rauheit
30
4,83
1,35
Pseudohaptisches Gewicht
21
4,02
1,48
Pneumatisches Gewicht
20
4,05
1,31
Auditive Rauheit
15
3,77
1,55
Conjoint Gewicht
36
3,72
1,59
Conjoint Rauheit
50
3,51
1,38
195
Download PDF

advertising