图8.这是任务2中3D组的参与者在选择一条路径前所看到的20个场景之一。
图9. 这是任务2中3D组参与者在选择路径后未确认选择时所看到的场景。
任务2的控制与之前任务1章节所描述的完全相同。
实验结果
实验的每一个任务都做了一个定量且定性的分析。路径的质量根据提示信息进行测评，完成的时间也被记录下来。对于每个情景，当参与者按下“A”键来检查警告后时钟开始计时。当使用者按下方向键来确认选择后计时停止。同时也分析了主观的排名和来自两个预问卷的反响。除此之外，参与者在每次任务后都会接受采访来获取更多关于他们所遇到的问题种类的主观理解，及关于如何改进界面的建议。
任务1的结果
在第一个任务中，参与者试图在避免威胁的前提下选择离原始路径最短的路径。由于实验的一致性问题，一些数据点被移除。根据事前问卷和口头调查，发现四个使用者在某些任务时并未遵循指示。这些数据点被移除了。除此之外，五个使用者没有意识到在第一个任务时有必要按一下确认键。在这些情况下，只有第一个完成时间的数据点被移除了。
由于在参与者之间两组显示次序被平衡化，有两种分析数据的方法：显示出指令或通过真实情景。
最初，我们通过显示指令来分析所有数据。实际上当我们根据情景返回来看数据，没有意义的。当我们参考任务1时，例如，当我们在提到第一个任务，我们指的是使用者看到了其中之一45%的情景。
排除可视化方法及参与者只有49%的概率在四个选择中选出最优选择，情节是相当困难的。其他的选择路径并不一定是坏的，只是不是最佳选择。在实验组的所有任务中，没有明显的正确性。
一个方差分析显示视觉化方法对完成时间有显著的影响。使用了T检验的深入分析显示2N组在每个独立的实验中相较于3DA组平均明显更慢。除此之外，3D组的参与者平均明显比2N组参与者快。然而2N组和3DM方式十分相近，所以意义是很大程度上由于3DA组更快的表现。一个
T测验显示，除了任务3（25%难度）,7（35%难度）,10（5%难度），乃至任务10有临界意义（p=0.06），3DA组明显比3DM组快得多。
同时也分析了一些自我报告的调查结果，相比于2N组（p=0.035），3D组明显对其正确性更加自信。相对于女性，男性对其正确性（p=0.014）和速度(p=0.029)更为自信。工作负荷指标量表的结果无效。
所有组的参与者通常都对界面感到满意，但是从他们的评论中我们可以发现一些主题。在所有组中，都有几个使用者报告他们在在X-Y轴上比较高度和距离时遇到了问题。两个3D组的使用者都报告想看一个附加的平面视角，3DA组的用户提到了他们想手动控制视角。
为避免混乱，进行了更多的T测试。设置3DAL和3DAR组来确认自动镜头方向没有以未预见的方式影响了结果。事实上，比较这两个组，旋转方向在对实验一中参与者的自信心有一个显著影响效果。由于以其他任何方式移动镜头方向没有显著的影响，我们相信镜头方向对任务几乎无影响。然而这个发现确实确认了
次要细节怎样将情景展示给使用者可能会造成不同，这些细节必须处于控制中。同时有两个演示要求，以便让两个组的五项任务在使用者之间变得平衡。到目前为止，所有的分析都建立在——路径的距离比其他路径特性更重要的预期之上，因此我们不得不检查演示的意义以确认其他方面没有混淆结果。演示出的指示对大多数测量没有明显意义。仅有的两个例外是任务7和任务8。相比于看到演示指示B，看到演示指示A的参与者在两个任务明显更快。这些结果并不完全是意料之外的，但是幸运的是，任何意义都仅限对这些任务而言。我们相信收集到的大量数据没有被演示提示所破坏。
任务2的结果
由于包括了威胁在内，相比于任务1，任务2要求更多的思考。这些威胁以一种奇妙的方式影响了任务的难度。
有几个数据点由于一致性问题和自我报告的问题必须从分析中剔除。两个参与者由程序上的问题而三个使用者表示了关于指令的迷惑。
正如在任务1中，这三个任务相当困难，只有两个参与者在全部三个答案中选择了最好的。然而，任务是可完成的，在每个组中，大多数人选择了至少一个正确项（比靠运气选得好）并且大多数参与者在三个任务中努力避开了危险圆。显示技术对正确率没有明显影响。
方差分析显示了不同组完成任务时间的显著不同（p=1.02*10-11），而T测试则显示了2N组和3DA组在任务12上（p=0.056）及3DA组和3DM组在平均时间上（p=0.099）仅有较少的不同。
相较2N组（p=0.035）和3DA组（p=0.042），3DM组的参与者明显感觉到更加专注。在这一组任务中，男性在对正确性上的自信相较第一个任务没有显著提高，但女性在对正确性的自信上比第一个任务（p=0.028）明显提高了。这一增长弥补了差距，并且男性和女性在对自己选项自信程度上没有显著差异。
一些参与者报告了附加的威胁使任务变得更难了，而另一些人则认为任务变得简单了。2N组中的使用者提到了情节在某种程度上有些混乱，并且他们在决定一个给出的路径是否通过了圆顶时遇到了问题。很多参与者希望删去圆顶的交差更容易，提出了诸如使用阴影圆顶或改变路径颜色的建议。一个3DA组的参与者提到了他不得不好几次等待摄像机转动来确认路径是否通过了一个圆顶。
结论
在任务1中，很明显可视化方法对完成时间有个影响。特别是，2N组比3DA明显地慢。这个结果并不令人惊讶，因为假设中，2N组比3D组需要进行更多的脑力计算。有趣的是，这个额外的计算时间对正确率并无显著影响。某种程度上，3DA组比3DM组明显更快让人十分惊奇。事实上，人工控制视角似乎抵消了3D组相对于2D组的速度优势。预期中3DA组的参与者将等待视角移动到一个有用的位置而3DM组的人凭借这一有利优势可以正常工作。这一相反的发现似乎证明了这一观点：参与者或许并不能有效地使用人工控制视角。在一个相关记录中，值得注意的是3DM组认为他们自己比其他组更投入。这表明允许人工控制视角
或许可以增加主观的沉浸感，即使这样可能影响发挥。总的来说，3D看上去在没有降低正确率的情况下更快地进行了路径规划。在人工控制和自动视角控制之间的选择并不明确。
一个更有趣的发现是：一个增加的威胁抹平了男性和女性自信度的差距。由于之前的文献已经发现男性相较女性有更强的空间想象能力和自信心，任务1中的差距并不令人惊奇。但是增加了一个威胁导致女性的自信心提升到了与男性相差无几的水平很令人感到意外。有可能是相较于任务1，任务2的本质,对女性而言更为简单。有可能是女性对她们删除与威胁圆相交的能力感到自信，而对自己的空间判断不是那么自信。
未来展望
下一步的工作需要进一步研究关于人工控制视角在控制和情节上的权衡。在一些情况下，牺牲速度来取得沉浸感可以让人满意而另一些情况下则非如此。除此之外，似乎使用者最终变得足够有经验，以至他们使用人工控制视角比自动控制视角更快。进一步的研究应该研究这种可能性。
这个研究中3D组的一些参与者表示他们想拥有从上方观察情景的能力。因为这个原因，进一步的研究应该检查混合界面的效果，这种混合界面可以让使用者从透视3D和平面2D的视角来观察情景。并且，当前的实验使用简单的透视3D直观化了。未来的工作应该调查立体3D对路径可视化的可能优势。
最后，在这个实验中，几乎没有对路径选择的质量做定量控制。这让对给出的任务做出明确建议变得很困难。未来的研究应该考虑寻找显示技术，人工视角控制相较于自动视角控制，以及路径和情节的个体特征这三者直接的关联。
致谢
这个研究受空军研究实验室的拨款资助。我们也要感谢我们在Wright-Patterson空军基地的同事和Jon Kelly，感谢他们宝贵的投入。
参考文献
1. Barry, C.L., &Zimet, E. (2001, October). UCAVs Technological, Policy, and Operational Challenges, Defense Horizons, 3.
2. US Department of Defense (2007). Unmanned Systems Roadmap 2007-2032. Retrieved May 21, 2009, from
http://auvac.org/research/publications/files/2007/unmanned_systems_roadmap_2007-2032
3. Hasircioglu, I., Topcuoglu, H.R., &Ermis, M. (2008, July).3-D Path Planning for
the Navigation of Unmanned Aerial Vehicles by using Evolutionary Algorithms, Proceedings of the 10th Annual Conference on Genetic and Evolutionary Computation, 1499-1506.
4. Shangming, W., Zefran, M., &DeCarlo, R.A. (2008, May). Optimal Control of Robotic Systems with Logical Constraints: Application to UAV Path Planning, Proceedings of the IEEE International Conference on Robotics and Automation, 176-181.
5. Soto, M., Nava, P.A., & Alvarado, L.E. (2007). Drone Formation Control System Real-Time Path Planning, AIAA Infotech and Aerospace Conference and Exhibit. 6. Swartzentruber, L., Foo, J.L., and Winer, E. (2008). Three-Dimensional Multi-objective UAV Path Planner using Meta-Paths for Decision Making and
Visualization, Proceedings of 4th Annual AIAA Multidisciplinary DesignOptimization Specialist Conference.
7. Lurie, N.H., & Mason, C.H. (2007, January). Visual Representation: Implications for Decision Making, Journalof Marketing, 71, 160-177.
8. St. John, M., Smallman, H.S., Bank, T.E., & Cowen, M.B. (2001). Tactical Routing Using Two-Dimensional and Three-Dimensional Views of Terrain, Proceedings of the Human Factors and Ergonomics Society 45th Annual Meeting, 1409-1413.
9. St. John, M., Cowen, M.B., Smallman, H.S., &Oonk, H.M. (2001). The Use of 2D and 3D Displays for Shape- Understanding versus Relative-Position Tasks, Human Factors, 43, 79-98.
10.Marchak, F.M. &Marchak, L.C. (1991). Interactive versus passive dynamics and the exploratory analysis of multivariate data, Behavior Research Methods, Instruments,& Computers, 23(2), 296-300.
11.Marchak, F.M. &Zulager, D.D. (1992). The effectiveness of dynamic graphics in revealing structure in multivariate data, Behavior Research Methods, Instruments, &Computers, 24(2), 253-257. 12.Péruch, P., Vercher, J., & Gauthier, G.M. (1995). Acquisition of Spatial Knowledge Through Visual Exploration of Simulated Environments, EcologicalPsychology, 7(1), 1-20.
13.Keehner, M., Hegarty, M., Cohen, C., Khooshabeh, P., & Montello, D. R. (2008). Spatial Reasoning With External Visualizations: What Matters Is What You See, Not Whether You Interact, Cognitive Science, 32, 1099-1132.
14.Hart, S. G. &Staveland, L. E. (1988). Development of NASA-TLX (Task Load Index): Results of Empirical and Theoretical Research, Human Mental Workload, 239-250.
15.Ecuyer-Dab, I. & Robert, M. (2003). Have sex differences in spatial ability evolved from male competition for mating and female concern for survival?,Cognition, 91(3), 221-257.
16.Bengtsson, C., Persson, M., &Willenhag, P. (2005). Gender and overconfidence, Economics Letters, 86, 199-203.
相关推荐：
loading