技術要約：現実世界の制約を伴うVR拡張フレームワークを用いた仮想環境によるテレプレゼンスのユーザー評価

問題提起

仮想現実（VR）とロボティクスを統合したテレプレゼンスおよびテレオペレーションは、危険な探索から捜索救助に至るまで、幅広いアプリケーションへの応用の可能性を秘めている。しかし、既存のソリューションは、高価で入手困難なハードウェア（例：高性能な360度カメラ、高度なハプティックデバイス）に依存しているか、あるいは重大なユーザビリティの問題を抱えていることが多い。具体的には、カメラ映像をヘッドマウントディスプレイ（HMD）に直接マッピングすると、レイテンシ、フレームレートの不一致、またはラグによって、シミュレータ酔いを誘発する可能性がある。さらに、キーボード、マウス、またはジョイスティックを用いた従来の制御スキームは、自然な移動を提供できないことが多く、結果としてユーザーの方向感覚の喪失や没入感の低下を招く。ユーザーは、背後を見るために物理的に回転することに伴う前庭感覚および固有受容感覚のキューを欠いており、これらは強い空間的プレゼンス（存在感）を得るために不可欠である。また、従来のセットアップにおける限定的な視野角（FOV）も、方向感覚の喪失を悪化させる。課題は、標準的で比較的安価な業界ハードウェアを利用しながら、正確で没入感のある制御を維持し、シミュレータ酔いを最小限に抑えるテレプレゼンス・ソリューションを開発することである。

メソドロジー

本研究では、ハードウェアの制限を緩和しながら、ロボット、仮想環境（VE）、およびVR機器を統合して現実世界を模倣するテレオペレーション・フレームワークを提案した。

• ハードウェア構成: システムは、ROSBot 2Rロボットと、ROS 2（Ubuntu-Humble）を実行する仮想マシンを利用している。ロボットには内蔵カメラ（ドライバの制約により、解像度は320x240、フレームレートは15 FPSという低解像度で動作）とLIDARスキャナーが装備されている。ユーザーインターフェースは、標準的なHMDとVRコントローラーで構成されている。
• ソフトウェアアーキテクチャ: システムはUnity 3DとVisual Studioを使用して開発され、通信にはROS TCP Endpointが組み込まれている。仮想環境は、遠隔地の表現として、ロボットのLIDARデータに基づいてリアルタイムで生成される。
• コアメカニズム: レイテンシと没入感の問題に対処するため、システムは中間デジタル環境を採用した。ロボットのビデオフィードを直接HMDに投影する代わりに（これにより、ユーザーがハードウェアのラグにさらされるのを防ぐ）、ユーザーは仮想コントロールルームを閲覧する。
  • 視覚的レイテンシ・キュー: VE内の「フローティングスクリーン」がロボットのカメラフィードを表示する。このスクリーンは、現実世界におけるロボットの実際の向きに合わせて回転する。ユーザーは、自身の視点に対するこのフローティングスクリーンの向きを観察することで、周囲のデジタル環境の更新レートに影響を与えることなく、制御レイテンシを視覚的に感知することができる。
  • 自然な移動: システムは、VEにおけるユーザーの物理的な頭部回転を、現実世界におけるロボットの回転にマッピングした。ユーザーがVE内で180度回転すると、遠隔地のロボットも180度回転する。
  • 環境補助: VEには、LIDARスキャンから派生した障壁や障害物を表す3Dオブジェクトが含まれており、空間的なコンテキストとナビゲーションの補助を提供する。
• ユーザー調査: 15名のボランティア（1件の技術的失敗を除き、14件の有効な結果）を対象とした検証調査を実施した。参加者は、3分間の制限時間内に、4つの隠されたアイテムを含む物理的な迷路をナビゲートした。
• データ収集: テスト終了後、参加者は、没入感、制御の自然さ、応答性、および仮想環境の有用性に関するリッカート尺度を用いた質問を含むアンケートに回答した。数値による質問では存在感（プレゼンス）を評価し、自由記述を含むYes/No形式の質問では、将来の拡張への関心を測定した。

主な貢献

1. レイテンシを軽減したテレプレゼンス・フレームワーク: 本論文は、ユーザーの視覚体験をロボットのハードウェア・レイテンシから切り離す手法を紹介している。フローティングスクリーンを用いてロボットの実際の状態を可視化する仮想コントロールルームを使用することで、ユーザーは、HMD上の直接的でラグのあるビデオフィードに伴うシミュレータ酔いを経験することなく、ラグを感知できる。
2. 自然な制御スキーム: 本研究は、VRにおける物理的な頭部回転がロボットの回転に直接反映される制御メカニズムを示し、キーボードやマウスによるテレオペレーションで失われがちな、自然な前庭感覚および固有受容感覚のキューを回復させることを実証している。
3. 低コストハードウェアの実現可能性: 本研究は、ソフトウェア駆動の環境的キューとレイテンシ可視化を通じて補完することで、理想的とは言えないハードウェア（低解像度、低FPSのカメラおよび標準的なコンシューマー向けVR）を使用して、没入感のあるテレプレゼンス体験が可能であることを検証している。
4. 実証的検証: ユーザーテストによる定量的および定性的データを提供し、迷路のナビゲーションにおけるユーザーのフィードバックを、没入感、仮想環境の受容性、ナビゲーション補助、ハードウェアの制限、および将来の開発へのユーザーの要望という5つの明確な領域に分類した。

結果

ユーザー調査の結果、以下の5つのカテゴリにおいて知見が得られた。

• ユーザーの没入感: システムはプレゼンスの感覚をうまく醸成した。「そこに物理的にいる」と感じる平均受容率は78.6%であり、28.6%のユーザーが物理的に存在していると感じたと報告した。体験全体としての没入感については、平均受容率は87.5%であった。
• 仮想環境の受容性: ユーザーは概ね仮想環境を受け入れており、平均受容率は82.1%であった。環境に対する好感度は、ほとんどのユーザーが「間違いなく」または「おそらく」と回答した。
• ナビゲーション補助: 仮想環境がナビゲーションを助けたかどうかについてのフィードバックは、混合しているものの肯定的であり、平均受容率は73.2%であった。42.9%のユーザーが「間違いなく」助けになったと感じた一方で、確信を持てないユーザーもいた。
• ハードウェアの制限とパフォーマンス:
  • 制御: ユーザーは制御の自然さを肯定的に評価した（平均66.1%）。57.1%が「素晴らしい」と回答した。
  • 応答性: 応答性の認識は混合しており（平均51.8%）、28.6%がシステムを「あまり応答性が良くない」と感じており、これは基礎となるハードウェアの制約を反映している。
  • 衝突: 78.6%のユーザーが少なくとも1回の衝突を経験し、1ユーザーあたりの平均衝突回数は1.78回であった。
  • 迷子: 71.4%のユーザーはテスト中に迷わなかった。これは、ハードウェアの制限にもかかわらず、システムが十分な方向指示を提供していたことを示唆している。
  • タスク完了: アイテムの平均発見数は4つ中1.93個であり、システムはナビゲート可能ではあるものの、低忠実度のハードウェアと短い制限時間が課題となったことを示している。
• ユーザーのセンチメント: 85.7%のユーザーが、遠隔地での操作を可能にするための将来の拡張を望む意向を示した。自由記述コメントのワードクラウド分析では、「良い（good）」「完璧（perfect）」「クール（cool）」といった肯定的な用語とともに、「ラグがある（laggy）」「問題（issue）」といったレイテンシに関する具体的な懸念事項が浮き彫りになった。

意義と主張

本論文は、その主要な目的が達成されたと主張している。すなわち、平均的なユーザーが容易に入手できるハードウェアを使用して、テレプレゼンスを可能にするVRシステムを構築することである。研究は以下のように結論付けている。

• 低コスト・ソリューションの実現可能性: システム設計において、視覚的キューやレイテンシの可視化を通じて制限を慎重に考慮すれば、理想的とは言えないハードウェアを使用して没入感のあるテレオペレーション体験を構築することは可能である。
• シミュレータ酔いの軽減: 中間デジタル環境は、ユーザーをロボットのビデオフィードの生のレイテンシから隔離することで、シミュレータ酔いのリスクを効果的に軽減した。
• ユーザーのエンゲージメント: ハードウェアの制約にもかかわらず、ユーザーは高いレベルの没入感と仮想環境への受容性を示した。
• 将来の可能性: 本研究は、VRを用いてHRI（ヒューマン・ロボット・インタラクション）を強化する概念を検証しており、さらなる改良（接続性の向上や追加の視覚的キューなど）によって、性能をさらに向上させ、このようなシステムの有用性を拡大できることを示唆している。

著者らは、システムは成功したものの、応答性と衝突に関する混合した結果は、より低スペックのハードウェアを利用する際の継続的なトレードオフを浮き彫りにしていることを認め、控えめなトーンを維持している。本研究は、拡張されたVRフレームワークと組み合わせることで、標準的な業界ハードウェアが、アクセシブルなテレプレゼンスへの実行可能な道筋を提供できるという概念のプルーフ・オブ・コンセプト（概念実証）として機能している。