在体验增强现实 (AR) 或虚拟现实 (VR)设备 时，可能会导致人们出现晕动症——这是一种特殊类型的晕动病，症状从头晕到恶心，而减轻症状的现有研究通常依赖于“一刀切”的方法。

基于该问题，密苏里大学电气工程与计算机科学系助理教授 Khaza Anuarul Hoque 和一组研究人员正在努力开发一种个性化的方法，通过关注“根本原因”来识别每个人为什么会产生晕动症。

“晕动症并不普遍。例如，一个模拟的环境可能使我产生晕眩，而同样的场景可能并不会引起其他人的晕动症。人们在佩戴 VR/AR 头戴设备时通常会遇到的一个问题是用户体验会在一段时间后变差，包括恶心和呕吐的症状，尤其是当用户沉浸在大量运动的虚拟环境中时。这取决于很多因素，包括一个人的性别、年龄和经历。”Hoque 说他想专注于使用可解释的人工智能（XAI）的新角度，尝试改变 AR 和 VR 行业的产品体验问题。

Hoque 说道：“可解释的人工智能是一个很好的工具来帮助解决这个问题，因为通常机器学习或深度学习算法只能告诉你基于现状的决定是什么，而可解释的人工智能可以告诉用户人工智能如何以及为什么做出决定。因此，与其对所有用户强加一种静态的缓解技术，不如知道为什么某个特定的人会产生晕动症，并针对性地为他们提供需要的缓解措施，这样会更有效。可解释的人工智能可以帮助我们在不影响用户体验的情况下做到这一点。”

Khaza Anuarul Hoque（图源：showme）

除了观察自己的学生出现晕动症外，Hoque 还注意到过去五到七年中识别晕动症的学术和行业方法通常侧重于机器学习 (ML) 和深度学习 (DL) 等数据驱动技术。

“这种方法通常是‘黑匣子’，因此它们缺乏可解释性。我还意识到，DL 晕动症模型的可解释性可以显著提高模型的理解力，并深入了解这些 AI 模型为何以及如何做出特定决策。此外，通过识别和理解哪些类型的重要特征可能导致晕动症，我们可以帮助设计人员开发更有效的晕动检测模型。”Hoque 说。

Hoque 说，XAI 还可以帮助软件开发人员确定优化模型所需的最重要的功能，以教 AI 如何识别患有晕动症的人，这对于佩戴一体式 VR 头显的用户尤为重要。

这项研究最近在 VR/AR 研究的三大会议上发表：

• 2023 年 3 月 25 日至 29 日在 IEEE 虚拟现实会议上发表了“LiteVR：使用 XAI 进行可解释和轻量级晕动症检测”。

• 2023 年 3 月 27 日至 31 日在 ACM 智能用户界面会议上发表了“VR-LENS：基于超级学习的晕动症检测和虚拟现实中 XAI 引导部署”。

• 在 2022 年 10 月 17 日至 21 日举行的混合现实和增强现实国际研讨会 (ISMAR) 会议上发表了“ TruVR：使用可解释机器学习进行可靠的电子晕眩检测”。