Sanal Gerçeklıkte El-Göz Koordinasyonu ve İnce Motor Kontrolü: Değerlendirme Metrikleri ve Haptık Geri Bildirim Stratejileri

Abstract

Sanal Gerçeklik (SG), eğitim ve motor beceri gelişimi için bir platform olarak giderek daha fazla kullanılmaktadır. Bununla birlikte, sanal gerçeklikte görev performansı için kritik öneme sahip olan etkili ince motor kontrolü ve El-Göz koordinasyonunun (EGK) sağlanmasında zorluklar devam etmektedir. Bu tez, sanal gerçeklikte EGK'yi iki tamamlayıcı perspektiften incelemektedir: performans değerlendirmesi ve Haptik geri bildirim yoluyla motor iyileştirme. İlk olarak, farklı görev talimatlarının (doğruluk, hata veya nötr odaklı) zaman içinde performansı nasıl etkilediğini incelemek için çeşitli fiziksel yeteneklere sahip 36 katılımcıyla uzunlamasına bir kullanıcı çalışması gerçekleştirdik. Daha sonra, SG tabanlı EGK Eğitiminde (EGKE) yaygın olarak kullanılan performans ölçümlerini değerlendirdik. Analizimiz, Throughput'un özellikle hız-doğruluk ödünleşiminin varlığında performansı doğru bir şekilde yakalamadaki sınırlamalarını ortaya koydu. Sonuç olarak, EGKE performansını daha etkili bir şekilde değerlendiren alternatif ölçütler önerdik. İkinci olarak, ince motor görevleri sırasında Haptik geri bildirimin kullanıcı etkileşimi üzerindeki rolünü inceledik. Haptik geri bildirim sağlamak için SenseGlove Nova 1 kullandığımız ve 24 katılımcının yer aldığı bir kullanıcı çalışması gerçekleştirdik. Bu çalışmada, farklı haptik modalitelerin (birleşik, yalnızca kuvvet, yalnızca titreşim ve hiçbiri) ve nesne özelliklerinin (boyut ve şekil) görev performansı üzerindeki etkilerini değerlendirdik. Bu çalışmanın sonuçları, kombine geri bildirimin hassasiyeti önemli ölçüde artırdığını, çarpışmaları azalttığını ve özellikle daha büyük ve daha karmaşık nesne şekilleri için genel manipülasyon deneyimini iyileştirdiğini gösterdi.

Virtual Reality (VR) is increasingly used as a platform for training and motor skill development. However, challenges remain in achieving effective fine motor control and eye-hand coordination (EHC), which are critical factors for task performance in VR. This thesis investigates EHC in VR through two complementary perspectives: performance evaluation and motor improvement through Haptic feedback. First, we conducted a longitudinal user study with 36 participants with varying physical abilities (healthy individuals, athletes, and those with limited movement) to examine how different task instructions (accuracy-focused, error-focused, or neutral) influence performance over time. We, then, evaluated performance metrics commonly used in VR-based Eye-Hand Coordination Training (EHCT). Our analysis revealed the limitations of Throughput in capturing performance accurately, especially in the presence of a speed-accuracy trade-off. As a result, we proposed alternative metrics that more effectively assess EHCT performance. Second, we inspected the role of haptic feedback on user interaction during fine motor tasks. We conducted a user study involving 24 participants, and we used SenseGlove Nova 1 to deliver haptic feedback. In this study, we evaluated the effects of different haptic modalities (combined, force-only, vibration-only, and none) and object characteristics (size and shape) on task performance. Results of this study showed that combined feedback significantly improved precision, reduced collisions, and improved the overall manipulation experience, particularly for larger and more complex object shapes.