可重複的現實到VR流程，提升老年人居家研究的生態效度
arXiv - Human-Computer InteractionIbrahim Bilau, Stacie Smith, Abdurrahman Baru, Marwan Shagar, Brian Jones, Eunhwa Yang
提出一套可重複的現實到VR流程，利用子毫米級地面激光掃描與 Unreal Engine 5，創造高寫實度、90Hz 稳定的廚房環境，並在 17 名老年人中驗證低網路症狀與實驗靈活性。
AI 幫你先抓重點
AI 重點 1
高精度地面激光掃描與 Unreal Engine 5 的結合，實現子毫米級別的寫實環境。
滑鼠懸停看 AI 判斷理由
此結合確保環境的幾何精度與視覺真實度，提升生態效度，並降低因環境不真實而產生的網路症狀風險，對於老年人 IADL 評估至關重要。
AI 重點 2
90Hz 穩定幀率與即時環境變數切換，提供實驗靈活性與安全性。
滑鼠懸停看 AI 判斷理由
保持 90Hz 幀率是減少網路症狀的關鍵門檻，並且即時切換環境變數允許研究者在同一場景中測試多種操作情境，提升實驗設計的可行性與效率。
核心研究發現
- 1
利用地面激光掃描與 Unreal Engine 5 建構出子毫米精度的光線追蹤廚房環境，達成高度寫實的 VR 模擬。
- 2
整合 Lumen 全局照明與 Datasmith 匯入，確保 90Hz 的穩定幀率，降低老年人網路症狀風險。
- 3
實驗中可即時切換櫥櫃封閉與開放，提供物理環境無法實現的變數操作靈活性。
- 4
17 名老年參與者驗證顯示低網路症狀且對環境變化保持高度敏感，證實管線可用於實際研究。
- 5
此可重複的 Reality-to-VR 流程為未來老年人居家照護與認知評估提供可擴展的實驗平台。
對教育工作者的啟發
對教育工作者而言，此研究示範了如何利用高寫實度 VR 環境進行日常生活技能訓練，並強調保持 90Hz 幀率以降低網路症狀。教師可將此流程應用於學習設計，透過即時切換環境變數（如開關櫥櫃）來測試學生對空間認知與操作策略的適應。此方法亦可擴展至其他居家場景，為老年人自主管理與認知保健提供可量化的評估工具。
原始文獻資訊
- 英文標題：
- A Reproducible Reality-to-VR Pipeline for Ecologically Valid Aging-in-Place Research
- 作者：
- Ibrahim Bilau, Stacie Smith, Abdurrahman Baru, Marwan Shagar, Brian Jones, Eunhwa Yang
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。