编辑推荐：
为评估 Oculus Quest 2 追踪手部运动能力，研究人员对比测试，发现其部分测量可靠，或可用于康复评估。
一、研究背景：虚拟现实技术在康复领域的机遇与挑战
在过去十年，沉浸式虚拟现实（VR）技术取得了巨大发展，从实验室原型产品逐渐演变为成熟的消费级产品。基于头戴式显示器（HMD）的设备，如 Meta 公司的 Oculus Quest 和 HTC 的 Vive，不仅走进了人们的日常生活用于娱乐和教育，还在科研和临床领域展现出巨大潜力。在临床环境中，VR 技术被越来越多地应用于运动康复场景。通过创建各种虚拟场景，为患者提供丰富多样的康复训练任务，有望提高患者的训练积极性和参与度。然而，目前的研究大多集中在不同康复训练方案的临床效果评估上，却较少关注 VR 系统本身所具备的手部运动追踪功能。
现代 VR 系统，如 Oculus Quest 2，不仅能呈现逼真的虚拟环境，还具备实时追踪手部运动的能力。这一功能使得在患者进行 VR 康复训练时，收集其临床相关的运动学数据成为可能。这些数据对于深入了解患者的运动功能、制定个性化的康复方案以及监测康复进展具有重要意义。但在将其真正应用于临床之前，需要对 Oculus Quest 2 的手部运动追踪能力进行全面、定量的评估，以确定其测量的准确性和可靠性。这就是本次研究开展的重要原因。
二、研究概况：全面评估 Oculus Quest 2 的运动追踪能力
为了深入探究 Oculus Quest 2 的手部运动追踪性能，来自意大利墨西拿大学（University of Messina）、费拉拉大学（University of Ferrara）以及意大利技术研究院（Istituto Italiano di Tecnologia）的研究人员展开了一项研究。研究成果发表在《Scientific Reports》上。
研究人员采用了一种对比测试的方法，将 Oculus Quest 2 的运动学测量结果与商用基于标记的运动捕捉系统（Optitrack）进行对比。Optitrack 系统被视为行业内高精度测量的 “黄金标准”，通过在人体关键部位放置红外反射标记，利用多个摄像头进行追踪，能够精确获取人体运动数据。而 Oculus Quest 2 则是通过其头戴式显示器上的摄像头拍摄手部图像，再利用计算机视觉算法来估计手部的位置和姿态。研究人员让参与者进行多种手部动作，包括中心向外伸展运动、抓握不同直径圆柱体的动作以及曲线手部运动等，在不同的实验条件下同步采集 Oculus Quest 2 和 Optitrack 的数据，以便进行详细的对比分析。
三、研究方法：多动作测试与数据同步分析
- 实验对象：研究选择了一名作者（AC）作为实验对象，这样可以减少不同个体在执行动作时的差异对实验结果的影响，专注于评估 Oculus Quest 2 本身的测量精度。所有实验程序均获得当地伦理委员会批准，并遵循《赫尔辛基宣言》的指导原则，在参与者知情同意的情况下进行。
- 实验过程：参与者坐在桌前，在其右手主要关节上粘贴 21 个反射标记，头戴式显示器上粘贴 3 个标记。实验分为 “系留” 和 “非系留” 两种条件。在 “系留” 条件下，Oculus Quest 2 固定在三脚架上，靠近参与者头部；在 “非系留” 条件下，参与者头戴 Oculus Quest 2 进行实验。参与者需完成中心向外伸展运动（从中心位置向左侧、前方、右侧伸展，每个方向重复 20 次）、抓握动作（对 3cm 和 5cm 直径的圆柱体进行精准抓握，每种圆柱体重复 20 次）以及曲线手部运动（椭圆和 8 字形运动，每种运动重复 5 次，每次持续 10s）。
- 数据采集与处理：实验过程中，使用 Oculus Quest 2 和 Optitrack 系统同时记录参与者的手部和头部位置。Optitrack 系统通过校准确保测量误差小于 0.1mm，其利用红外摄像头追踪标记位置；Oculus Quest 2 则通过 4 个摄像头拍摄手部图像并进行分析。为了实现两个系统数据的同步，Optitrack 系统实时广播数据帧的唯一标识符，Oculus Quest 2 接收该标识符并为本地记录的运动学数据添加时间戳。在数据分析前，对数据进行低通滤波去除噪声，并根据手腕运动速度对数据进行分段处理。采用非参数统计方法，如 Wilcoxon 符号秩检验、Spearman 秩相关和 Ansari - Bradley 检验，对不同条件下的数据进行比较分析。
四、研究结果：手部运动追踪的优势与局限
- 手部位置和运动距离估计：在中心向外伸展运动和曲线手部运动实验中，研究发现 Oculus Quest 2 对手部位置和运动距离的估计总体较为可靠。在 “系留” 和 “非系留” 条件下，虽然其估计值与 Optitrack 的真实值在某些情况下存在显著差异，但平均差异较小，通常在 1 - 2cm 范围内。而且，在所有研究条件下，Oculus Quest 2 对手部运动距离的逐次估计与真实值之间都存在显著相关性。不过，其测量精度在空间方向上存在差异，沿左右方向的估计最为准确，其次是上下方向，而沿远近方向的估计噪声较大。
- 峰值速度估计：Oculus Quest 2 对峰值速度的估计不如位置估计准确。在伸展运动中，其估计值显著高于真实值，且在大多数情况下，Oculus Quest 2 和 Optitrack 对峰值速度的测量在不同实验条件下不相关。进一步分析发现，Oculus Quest 2 在检测手部运动起始和停止时存在延迟，导致速度估计出现过冲现象，这可能与设备内部的预测计算（如卡尔曼滤波）有关。
- 抓握孔径估计：对于抓握孔径的估计，Oculus Quest 2 在 “系留” 条件下，对较大物体（5cm 直径圆柱体）的抓握孔径估计精度与 Optitrack 相近，但对较小物体（3cm 直径圆柱体）的估计存在较大误差。在 “非系留” 条件下，由于头部运动的影响，其对抓握孔径的估计精度明显下降，估计值的离散度显著增大。
- 加速度估计：Oculus Quest 2 对加速度的测量噪声较大。在曲线手部运动实验中，其加速度估计值在不同轴向上的准确性不同，左右轴向上的噪声相对较小，而远近轴向上的噪声最大。在大多数情况下，Oculus Quest 2 和 Optitrack 对加速度的测量不相关，仅在加速度最大值（即速度最小值）处存在一定相关性。这可能是因为在人类手部运动中，加速度在速度最大处最小，而 Oculus Quest 2 在测量小数值时误差较大。
五、研究结论与意义：为 VR 康复应用提供依据
综上所述，本次研究全面评估了 Oculus Quest 2 的手部运动追踪能力。研究结果表明，Oculus Quest 2 对手部位置、速度和抓握孔径的估计虽然存在一定的偏差和噪声，但其在许多情况下与真实值具有显著相关性。这意味着在对测量精度要求不是极高的情况下，Oculus Quest 2 可以作为一种经济实惠且便携的设备，用于获取临床相关的运动学数据，为医疗决策提供参考。例如，在家庭康复场景中，患者可以使用 Oculus Quest 2 进行康复训练，同时设备能够记录运动数据，医生通过远程监控这些数据，及时了解患者的康复进展并调整治疗方案。
不过，研究也存在一些局限性。实验仅在健康参与者中进行，未考虑患有运动障碍疾病（如帕金森病）患者的异常头部和手部运动对测量精度的影响。此外，研究分析的数据子集相对较小，且在研究抓握孔径估计时使用的圆柱体直径种类有限。未来的研究需要进一步扩大样本量，涵盖更多不同类型的患者，并增加实验条件的多样性，以更全面地评估 Oculus Quest 2 在各种情况下的性能。总体而言，该研究为 VR 技术在康复领域的应用提供了重要的理论依据和实践指导，有助于推动 VR 康复技术的发展和完善。
