综述：车内虚拟现实晕动症诱发因素的范围综述：多学科视角

《Applied Sciences》：A Scoping Review of In-Vehicle VR Sickness Factors: A Multidisciplinary Perspective

　　

缓解车内虚拟现实（VR）晕动症是自动驾驶场景下沉浸式内容应用的关键挑战。研究人员通过开展医学、控制工程与计算机工程三领域的范围综述，系统识别各学科中晕动症的诱发机制。分析表明，三类学科均基于感官冲突理论与姿势不稳定性理论对晕动症进行界定，据此提炼出7项核心晕动诱发因素（Sickness Factors, SFs）。基于该框架的现有研究趋势分析揭示出关键研究缺口：运动诱发性晕动症（Motion-Induced Motion Sickness, MIMS）研究多聚焦车辆动态控制，却忽视了环境感知失配、反馈预测误差等认知-感官因素；视觉诱发性晕动症（Visually-Induced Motion Sickness, VIMS）研究则集中于渲染控制要素，常导致用户沉浸感下降。本综述提出，车内晕动症缓解不应仅局限于车辆运动控制，还需关注乘客潜在的感官-认知冲突。通过整合晕动症相关三大领域的研究成果，为最终构建车内内容控制系统提供了策略路线图，该框架有望成为车内内容消费的基础技术资源，为车内VR内容商业化落地奠定基础。

1. 1.
   引言
   随着人工智能技术的发展，自动驾驶技术正成为改变人类生活的关键创新。汽车已从单纯的交通工具演变为移动生活空间，车内多样化内容与服务需求快速增长，其中虚拟现实（VR）内容与二维（2D）内容结合的沉浸式消费场景具备极高市场潜力。VR内容可通过头戴式显示器（Head Mounted Displays, HMDs）为乘客提供高沉浸感体验，将封闭车内空间扩展为虚拟影院、游戏厅或教育设施。然而，车辆运动与VR视觉刺激的结合会引发运动诱发性晕动症（MIMS）与视觉诱发性晕动症（VIMS）的复合效应，形成亟待解决的技术难题。本研究对晕动症相关术语进行操作性定义：晕动症作为实际或感知运动引发症状的总称；VR晕动症特指沉浸式VR环境暴露下的症状；赛博晕动症（Cybersickness）主要指无对应物理运动时虚拟数字内容引发的晕动症；模拟器晕动症为模拟器任务环境中的症状；MIMS以加速度、旋转、振动等物理运动输入为主要诱因；VIMS以视觉运动或视觉刺激为主要诱因；车内VR晕动症则指移动车辆内观看VR内容时的症状，可同时包含MIMS与VIMS。现有研究虽在医学、控制工程与计算机工程领域分别开展，但多局限于单一学科范畴，难以应对车内VR晕动症多因素交互的复杂特性。本研究旨在通过整合多学科研究，克服现有碎片化研究的局限性，提出车内VR晕动症缓解的战略研究路线图，为自动驾驶环境下的VR内容服务商业化提供核心基础资源。
2. 2.
   方法
   本研究遵循多学科研究框架流程，首先通过跨领域文献综述识别晕动症研究趋势，基于三领域共通理论提炼晕动诱发因素（SFs），再利用SFs分析现有研究并提出未来方向。研究覆盖医学、控制工程与计算机工程三大领域：医学领域聚焦晕动症生理机制，检索PubMed数据库获取相关文献；控制工程领域关注物理/感官输入与晕动症结果的量化与可解释关系，排除缺乏机制可解释性的纯数据驱动研究，检索IEEE Xplore、Web of Science与Google Scholar数据库，对Google Scholar结果采用相关性前600篇的实用筛选阈值；计算机工程领域以视觉诱发性晕动症（VIMS）为核心，检索Web of Science、IEEE Xplore与ACM数字图书馆。文献筛选采用整合 eligibility 评估而非严格 sequential 排除流程，排除标准包括重复、主题不相关、学科范围不匹配、信息不足、全文不可获取及缺乏输入-输出机制关联。最终医学领域纳入158篇文献，控制工程领域纳入90篇文献，计算机工程领域纳入87篇文献，共计335篇文献进入分析。数据提取阶段，医学领域按文献主题、晕动症类型及涉及的人体器官系统分类；控制工程领域按晕动症类型（MIMS、VIMS或二者结合）及数学模型（ISO 2631相关模型、Oman模型、主观垂直冲突（Subjective Vertical Conflict, SVC）模型、自定义模型等）分类；计算机工程领域按VR应用场景、机制分析、缓解方法、评估预测方法等主题分类。
3. 3.
   结果
   3.1 证据来源筛选
   初始检索共获取医学领域299篇、控制工程领域2495篇、计算机工程领域323篇文献。经筛选，医学领域排除91篇不相关文献与50篇全文不可获取文献，最终纳入158篇；控制工程领域排除重复与不相关文献后纳入90篇；计算机工程领域排除208篇重复与VIMS无关文献及28篇全文不可获取文献，最终纳入87篇。
   3.2 证据来源特征与学科趋势
   医学领域分析显示，晕动症机制研究集中于神经系统与循环系统，共80篇相关文献。医学领域认为晕动症由前庭刺激、视觉刺激等感官刺激引发特定激素（组胺、乙酰胆碱、皮质醇等）分泌，激活呕吐中枢所致，且激素分泌受空腹状态、过度通气、遗传受体差异、心理应激、性别与个体生理条件等因素影响。现有医学缓解方法以药物干预为主，如苯海拉明与曲吡那敏可分别降低约10%与35%的晕动症状，但存在嗜睡等副作用，难以适配自动驾驶环境下沉浸式VR内容主动消费场景。
   控制工程领域聚焦晕动症的定量数学建模，69项研究针对MIMS，12项针对VIMS，9项针对二者结合。模型应用方面，MIMS研究中SVC模型占比最高（49.3%），其次为ISO 2631相关模型（23.2%）与自定义模型（20.3%）；VIMS研究以自定义模型为主；结合型研究则主要使用SVC与自定义模型。晕动症建模起源于Reason的感官冲突理论，后经Oman模型实现数学化，Bos与Bles提出SVC模型后形成量化基础。Wada模型作为SVC模型的演进，正尝试重新纳入视觉刺激的数学描述。控制工程通过优化悬架系统、车辆姿态控制等技术，基于物理运动参数（如加速度、振动）设计降低晕动症的环境，例如Wada模型证实乘客头部倾角约30度时晕动症缓解效果最优。但该领域缺乏对视觉渲染要素的综合考量。
   计算机工程领域64.4%的研究聚焦VIMS缓解方法，主要包括动态视场角（Field of View, FoV）控制、固定参考帧提供、帧率与延迟优化、视觉内容预处理与重定向、内容内移动方式改进等技术。代表性研究显示，动态FoV控制可降低约31.4%的头部运动方差（VR晕动症指标），固定参考帧可降低约29%的模拟器晕动症问卷（Simulator Sickness Questionnaire, SSQ）评分。但此类方法多未考虑车内内容消费场景的复合特性，存在单一学科局限性。
   3.3 结果综合
   研究人员基于感官冲突理论与姿势不稳定性理论，通过三阶段理论引导合成，将诱发刺激整合为7项核心晕动诱发因素（SFs）：视觉运动失配、有意前庭干预、环境感知失配、自主感官预测误差、低感官分辨率、信息诱发疲劳与反馈预测误差。各SFs通过刺激来源、机制类型、预期-响应时间关系及是否需主动用户动作四个维度区分。例如，视觉运动失配指视觉呈现的自运动与前庭感知的运动直接冲突；环境感知失配指VR呈现的环境空间背景与乘客通过体感、非视觉线索感知的实际车辆环境不一致；自主感官预测误差指无即时主动用户动作时，外部生成的感官事件与内部预测不符；反馈预测误差则依赖主动动作，指用户主动控制输入后的感官/系统响应与预期不符。
   基于SFs框架的证据缺口图显示，MIMS缓解研究集中于运动规划优化与悬架/底盘控制，可有效缓解视觉运动失配与有意前庭干预，但对环境感知失配、低感官分辨率与反馈预测误差的关注严重不足。环境感知失配的缓解需将车辆航向、路面扰动等实时状态数据融入VR内容渲染管线，而非仅依赖车辆运动控制；低感官分辨率与反馈预测误差则需结合乘客认知负荷、生物信号等实时状态，动态调整车辆轨迹或视觉信息。VIMS缓解研究过度依赖渲染控制技术，虽能降低症状，但可能导致内容沉浸感与信息传达效率损失。未来需探索延迟优化、虚拟化身/对象操控等低内容损耗的缓解方法，其中延迟优化可同时应用于MIMS环境，优化预测信息（如车辆轨迹）的提供时机。
4. 4.
   讨论
   4.1 证据总结
   SFs框架为整合医学、控制工程与计算机工程领域的晕动症机制、量化模型与干预措施提供了通用分析结构。传统MIMS缓解的硬件控制方法需扩展至“乘客感官-认知状态控制”，通过实时评估乘客感官-认知状态（如头部运动、认知负荷、生物信号），动态调整车辆轨迹与视觉信息。VIMS缓解需平衡症状降低与用户体验，除晕动症指标外，还需评估临场感、沉浸感、疲劳度、愉悦度与任务绩效。延迟优化与虚拟化身操控等技术可在不损害视觉沉浸感的前提下缓解晕动症，其中延迟优化可同时解决系统因素（帧延迟）与反馈预测误差。此外，车内晕动症缓解需考虑动力总成与传动系统振动通过座椅、底盘传递至乘客的路径，以及音频、触觉反馈、气流/温控等辅助感官信息对反馈预测误差的缓解作用。
   4.2 局限性
   本研究存在以下局限性：一是个体异质性，晕动症敏感性受遗传、生理与心理因素影响，需开发实时乘客定制化调整模型；二是多源数据实时整合挑战，车辆、VR系统与乘客状态数据存在采样率与延迟差异，需共享时间基准、时间戳同步与短窗口缓冲，并设计同步误差超限时的故障安全模式；三是筛选与SF映射采用共识法，未计算评分者间信度，且未记录互斥性排除原因，存在分类偏倚；四是控制工程领域Google Scholar检索设置600篇阈值，可能遗漏低排名的相关研究；五是50篇医学文献与28篇计算机工程文献因全文不可获取被排除，存在可用性偏倚；六是7项SFs结构基于定性整合，未通过验证性因子分析验证其完整性与可重复性；七是乘客自适应控制涉及生理与行为数据持续采集，需遵循数据最小化、知情同意、安全存储等伦理准则，并允许乘客禁用自适应干预。
   研究提出的“三域集成控制系统”为概念性路线图，包含多模态感知、时间同步、SF估计、干预选择与乘客响应重评估的闭环流程，其技术可行性与缓解效果需在真实车内VR场景中进行实证验证。
5. 5.
   结论
   本研究通过系统综述医学、控制工程与计算机工程领域的晕动症研究趋势，提炼出7项核心晕动诱发因素（SFs），明确了现有研究的缺口：MIMS缓解过度依赖车辆动态控制，对 Dedicated 环境感知失配、低感官分辨率与反馈预测误差关注不足；VIMS缓解过度依赖视觉刺激调整技术，可能影响用户体验。未来研究需协调车辆状态信息、VR系统响应与乘客状态信息，在降低晕动症的同时保障临场感与任务绩效。SFs框架并非新的晕动症理论，而是基于感官冲突理论与姿势不稳定性理论的整合分析工具，可为跨学科晕动症机制与干预措施的比较提供通用结构。三域集成控制架构为前瞻性概念路线图，其传感器配置、同步算法、控制策略、延迟要求与伦理 safeguards 需通过真实车辆环境下的实证研究验证，以支撑车内VR内容服务的商业化落地。