WIR! - Mixed Reality For Business (MR4B) - Adaptive VR - KeepCool; Teilprojekt: AdaptiveVR-Framework - Entwicklung eines Framesworks zur adaptiven Schwierigkeitsanpassung in VR-Lernszenarien

Abstract

Ziel des AdaptiveVR-KeepCool-Vorhabens war die Erforschung, Entwicklung und Evaluierung eines Frameworks für künstliche Intelligenz (KI)-gestützte, adaptive Virtual Reality (VR)-Lernumgebung zum Training in Gefahrensituationen in industriellen und handwerklichen Kontexten. Durch die Analyse von Vital- und Verhaltensdaten soll in Echtzeit das Stressniveau der Nutzenden gemessen und das VR-Szenario dynamisch angepasst werden, um eine personalisierte Lern- und Belastungserfahrungen zu ermöglichen. Im Rahmen des Projektes konnte ein Stressmodel basierende auf Bayes’schen Netzen umgesetzt werden, das zwischen drei Arten von Stress (emotionalen, physischen und mentalen) unterscheiden kann. Das erstellte Stressmodel wurde anhand von Proband:innentests evaluiert und durch Prof. Dr. med. Kristof Graf, Chefarzt des jüdischen Krankenhauses in Berlin, validiert und somit aufgezeigt, dass das Modell aussagekräftig ist. Alle Daten waren nachvollziehbar und es ist lohnend den Ansatz weiter zu verfolgen und evtl. um zusätzliche sensorische Daten, wie zum Beispiel Pupillengröße, zu erweitern. Bei der Auswertung wurde allerdings ebenfalls festgestellt, dass noch keine ausreichende Unterscheidung zwischen mentalem und physischem Stress möglich ist. Aus der Literaturanalyse und Parameter-Verifikation wurden wesentliche Erkenntnisse für die Messung von Stress über körpernahe Sensoren gewonnen. Es wurde eine Definition für drei unterschiedliche Stresstypen (physischer, mentaler und emotionaler Stress) erstellt und diese in den Proband:innentests erprobt. Das Stressmodel wurde erweiterbar gestaltet, um das Hinzufügen weiterer Sensoriken zu ermöglichen. Ebenfalls konnte eine REST-Schnittstelle umgesetzt werden, die die Funktionen des Adaptions-Frameworks erweitert und die Kommunikation mit den Diensten der Partnerinnen ermöglicht. Ebenfalls bietet sie eine generische Schnittstelle, die es erlaubt, neue VR-Lernszenarien zu erstellen und an das Adaptions-Framework anzubinden, ohne dass eine Änderung am Modell erfolgen muss. Dabei kann auch das optimale Stresslevel durch die Lernumgebung gesteuert werden. So können z. B. Anwendungen, bei denen sich Nutzende viel bewegen, eine höhere Toleranz für physischen Stress angeben.