Virtuell verklighet är inte begränsad till underhållningsvärlden. Det har också skett ett upptag av VR inom mer praktiska områden – det har använts för att sätta ihop delar av en bilmotor, eller att låta människor "prova" de senaste modetrenderna från bekvämligheten av sitt hem. Men tekniken kämpar fortfarande för att ta itu med ett problem med mänsklig uppfattning.

Det är tydligt att VR har några ganska coola applikationer. På University of Bath har vi tillämpat VR för att träna; tänk dig att gå till gymmet för att delta i Tour de France och tävla mot världens främsta cyklister.

Men tekniken stämmer inte alltid överens med människans uppfattning – termen som används för att beskriva hur vi tar information från världen och bygger förståelse från den. Vår verklighetsuppfattning är vad vi baserar våra beslut på och bestämmer mest vår känsla av närvaro i en miljö. Klart, designen av ett interaktivt system går utöver hårdvaran och mjukvaran; människor måste beaktas, för.

Det är utmanande att ta itu med problemet med att designa VR-system som verkligen transporterar människor till nya världar med en acceptabel känsla av närvaro. I takt med att VR-upplevelser blir allt mer komplexa, det blir svårt att kvantifiera vilket bidrag varje del av upplevelsen ger till någons uppfattning inuti ett VR-headset.

När du tittar på en 360-gradersfilm i VR, till exempel, hur skulle vi avgöra om datorgenererade bilder (CGI) bidrar mer eller mindre till filmens njutning än den 360-graders ljudteknik som används i upplevelsen? Vi behöver en metod för att studera VR på ett reduktionistiskt sätt, ta bort röran innan du lägger till varje element bit för bit för att observera effekterna på en persons känsla av närvaro.

En teori blandar datavetenskap och psykologi. Maximal sannolikhetsuppskattning förklarar hur vi kombinerar informationen vi får över alla våra sinnen, integrera det tillsammans för att informera vår förståelse av miljön. I sin enklaste form, det står att vi kombinerar sensorisk information på ett optimalt sätt; varje sinne bidrar med en uppskattning av miljön men det är bullrigt.

Bullriga signaler

Föreställ dig en person med bra hörsel som går på natten på en lugn landsväg. De ser en grumlig skugga i fjärran och hör det tydliga ljudet av fotsteg som närmar sig dem. Men den personen kan inte vara säker på vad det är de ser på grund av "brus" i signalen (det är mörkt). Istället, de litar på att höra, eftersom de tysta omgivningarna gör att ljud i detta exempel är en mer pålitlig signal.

Detta scenario avbildas i bilden nedan, som visar hur uppskattningarna från mänskliga ögon och öron kombineras för att ge en optimal uppskattning någonstans i mitten.

Detta har många applikationer i VR. Vårt senaste arbete vid University of Bath har tillämpat denna metod för att lösa ett problem med hur människor uppskattar avstånd när de använder virtual reality-headset. En körsimulator för att lära människor att köra kan leda till att de komprimerar avstånd i VR, gör användningen av tekniken olämplig i en sådan lärmiljö där verkliga riskfaktorer spelar in.

Att förstå hur människor integrerar information från sina sinnen är avgörande för den långsiktiga framgången för VR, eftersom det inte bara är visuellt. Maximal sannolikhetsuppskattning hjälper till att modellera hur effektivt ett VR-system behöver för att återge sin multisensoriska miljö. Bättre kunskap om mänsklig perception kommer att leda till ännu mer uppslukande VR-upplevelser.

Enkelt uttryckt, det är inte en fråga om att separera varje signal från bruset; det handlar om att ta alla signaler med bruset för att ge det mest sannolika resultatet för virtuell verklighet att fungera för praktiska tillämpningar utanför underhållningsvärlden.

Denna artikel publicerades ursprungligen på The Conversation. Läs originalartikeln.