编辑推荐：
在过去十年间，虚拟现实（VR）已由小众娱乐媒介演化为支撑科学研究、教育、医疗保健、工业训练、人体表现分析与交互系统设计的成熟且多用途的技术生态。显示技术、实时渲染与低成本头戴式显示器（HMDs）的进步显著降低了应用门槛，使沉浸式环境能够被系统化地控制、复现并为
在过去十年间，虚拟现实（VR）已由小众娱乐媒介演化为支撑科学研究、教育、医疗保健、工业训练、人体表现分析与交互系统设计的成熟且多用途的技术生态。显示技术、实时渲染与低成本头戴式显示器（HMDs）的进步显著降低了应用门槛，使沉浸式环境能够被系统化地控制、复现并为实验与应用目的进行仪器化配置。当代VR系统的一项决定性特征是其与传感技术日益紧密的集成。现代VR平台常规性地整合运动追踪、惯性测量单元、深度相机、眼动追踪系统、生理传感器与触觉接口，从而能够对用户行为与内部状态进行连续、高分辨率的测量。这些传感模态将VR从纯粹的视觉体验转变为强大的以人为中心的测量平台，能够实时捕捉运动学、认知、情绪与生理反应。VR与传感技术的融合在研究那些在真实世界中难以、不安全或不切实际地复现的条件下的人类行为方面尤具价值。应用范围涵盖临床康复与心理健康评估、人体工效学评价、驾驶模拟、协作工作分析以及压力或疲劳监测。通过在沉浸式环境中嵌入传感器，研究人员能够在保持实验控制的同时观察自然化的用户反应，从而在不牺牲测量精度的前提下提升生态效度。近期研究亦强调VR环境中多模态传感与数据融合的重要性。融合异质数据流，如注视行为、身体姿态、生物信号与交互日志，可构建关于用户意图、工作负荷与投入度的更丰富模型。机器学习与深度学习技术在此过程中发挥日益核心的作用，促进基于复杂传感器数据的实时分类、预测与自适应。这些算法进展支撑了能够对用户状态动态响应的智能VR系统的发展，实现个性化、自适应与情境感知的沉浸式体验。此外，可及性与可扩展性亦受到日益重视。低成本传感器与无标记追踪方案的出现，将基于VR的传感应用范围从专业实验室拓展至课堂、诊所与工业环境。这种技术民主化鼓励更广泛的参与并加速跨学科创新。在此背景下，本期《Sensors》特刊以"面向人类的虚拟现实与传感技术"为题，旨在汇集探讨传感器集成VR系统的方法学、技术与应用维度之前沿研究。通过突出传感模态、数据分析技术与以人为中心的应用方面的进展，本特刊力求全面呈现当前进展，并识别沉浸式技术与人类传感交叉领域的新兴挑战与未来研究方向。
研究背景与问题
过去十年间，虚拟现实（VR）已从小众娱乐媒介发展为支撑科学研究、教育、医疗保健、工业训练、人体表现分析与交互系统设计的成熟技术生态。显示技术、实时渲染与低成本头戴式显示器（HMDs）的进步显著降低了应用门槛，使沉浸式环境可被系统化控制、复现并仪器化。当代VR系统的决定性特征是与传感技术的紧密集成，现代平台常规整合运动追踪、惯性测量单元、深度相机、眼动追踪、生理传感器与触觉接口，可连续高分辨率测量用户行为与内部状态。这种融合在研究真实世界中难以、不安全或不切实际复现的行为时尤具价值，应用涵盖临床康复、心理健康评估、人体工效学评价、驾驶模拟与压力疲劳监测等。然而，单一传感模态往往不足以刻画人类行为的复杂性，多模态数据融合、低成本方案的有效性、跨平台可比性与长期可靠性等问题仍待解决。为此，本期特刊汇集十项贡献（九篇原创研究与一篇综述），系统呈现传感器集成VR系统的方法学、技术与应用进展，并识别新兴挑战与未来方向。
主要技术方法
本特刊所涉研究综合运用了多类关键技术方法：基于机器学习增强的无标记运动捕捉（markerless motion capture）与可穿戴传感器网络进行生物力学风险指数评估；以VR为平台结合皮肤电反应（GSR）等轻量生理传感与VR行为线索开展实时行为分析；采用低成本眼动追踪设备与替代追踪方法；基于心电图（ECG）原始时间序列、频谱表示与生理特征构建融合ResNet、Bi-LSTM与Transformer的混合深度学习模型；将长短期记忆网络（LSTM）与Petri网模型结合用于入侵检测；利用外部相机监测皮肤接触面积的光学校准触觉显示技术；对头戴式显示器数据流采用多种算法进行头部运动分类并与人工标注比对；采用深度学习与提升（boosting）方法分析电子鼻（e-nose）传感器数据；以及对44项研究进行可穿戴传感器在VR驾驶模拟器中应用的文献综述。
研究结果
2.1 基于无标记运动捕捉的生物力学风险评估：Gennarelli等比较可穿戴传感器网络与无标记运动捕捉系统在提举任务人体工效学分析中的表现，发现机器学习增强的无标记系统可产生可靠的kinematic估计，与可穿戴数据耦合时支持更准确、可重复的职业场景评估。
2.2 VR作为压力测量平台：Rah与Chen提出以VR为主要平台的框架，结合最小生理传感（皮肤电反应）与VR行为线索评估压力反应，其传感器辅助Unity架构表明VR行为数据经轻量生理输入增强后可提升检测灵敏度而无需复杂多传感器系统。
2.3 低成本眼动追踪增强设计教育：Rojas、Higuera-Trujillo与Vergara考察低成本眼动追踪设备及替代追踪方法融入产品设计课程的效果，通过设计专业学生调查表明两类技术尤以眼动追踪被认为有用、新颖且相关，凸显可负担传感工具丰富设计教学与学生参与的潜力。
2.4 虚拟人角色扮演心理评估的用户体验：Magar、Suk与Laine探讨青少年在心理测试工具EmpathyVR中使用虚拟人（VHs）进行沉浸式角色扮演的感知，考察沉浸感、具身感与满意度，揭示VR角色扮演用于共情相关心理评估的前景与挑战。
2.5 深度学习用于精神疲劳评估：Fan等提出混合深度学习模型，利用包含原始时间序列、频谱表示与生理特征的ECG信号输入对精神疲劳状态分类，整合ResNet、Bi-LSTM与Transformer融合，取得高分类准确率，展示先进神经架构从生理传感器评估认知状态的潜力。
2.6 基于Petri网与LSTM混合模型的入侵检测：Volpe等提出融合LSTM神经网络与Petri网模型的混合入侵检测系统，实时识别与缓解恶意网络流量，强调复杂信息物理与虚拟环境中的虚拟传感技术，说明混合模型可提升检测精度与运行适应性。
2.7 具光学校准的可穿戴触觉显示：Frediani与Carpi提出用于VR柔软度线索渲染的可穿戴触觉显示光学校准技术，通过外部相机监测皮肤接触面积并生成校准曲线，实现受控触觉反馈，是迈向更丰富触觉渲染的关键一步。
2.8 沉浸式VR中的头部运动分类：Callahan-Flintoft等评估多种基于头戴式显示器数据流分类头部运动的算法，将算法输出与人工评分者标注比对，为研究人员在VR研究中选择与实施头部运动分类方法提供实用建议。
2.9 电子鼻数据的机器学习分析：Chang、Byun、Lim与Park利用深度学习与提升方法研究电子鼻传感器数据的学习效率与准确率，结果表明提升模型在结构化数据上表现优异，优于多种深度学习配置，展示化学传感情境下有效的机器学习策略。
2.10 综述——VR驾驶模拟器中的可穿戴传感器：Boboc、Butil?与Butnariu综合十年间44项关于可穿戴传感器用于驾驶员行为与状态评估的研究，梳理传感器类型、实验设置与方法学趋势，为可穿戴技术补充VR开展沉浸式受控评估提供有价值概览。
讨论与结论
本特刊贡献凸显了传感器集成VR系统在以人为中心研究与应用中日益成熟与跨学科的特征。各文表明，传感技术、数据分析方法与沉浸式平台的进步使在受控而真实的虚拟环境中对人类行为、认知与表现开展更精确、灵活且具生态效度的研究成为可能。VR正日益成为综合性的实验与分析生态，通过将传感、数据融合与智能处理直接嵌入沉浸式环境，VR平台可作为支持可重复实验、纵向评估与复杂或安全关键场景伦理受控暴露的自适应"活体实验室"，在康复、人体工效学、训练、心理评估与人因研究中尤具价值。原文指出若干关键趋势：多模态传感整合以全面评估人体状态，未来需关注异质传感流的数据融合、同步与不确定性管理；VR传感的民主化与可扩展性，需在可及性与测量效度及可靠性间取得平衡；机器学习与人工智能作用日益增强，预期从离线分析转向实时推断与闭环自适应；迈向传感、解释与适应持续进行的人机共生范式。同时，数据标准化、跨平台可比性、长期可靠性与隐私及心理影响等伦理问题仍存，需跨学科协作与共享方法学框架。结论部分指出，该领域持续进展将取决于VR传感方法学的标准化、验证与互操作性改进，以及对数据隐私、偏见与用户福祉等伦理考量的审慎关注，这需要工程、计算机科学、心理学、设计与应用领域间的持续跨学科协作。总之，本特刊及时呈现了虚拟现实与传感技术交叉领域的当前进展，通过展示多样方法、应用与新兴研究方向，旨在激发进一步创新与协作，推动构建稳健、智能且以人为中心的VR传感系统，产生广泛的科学与社会影响。
