Analisi di parametri fisiologici e di movimento per il rilevamento di cybersickness in Realtà Virtuale

Negli ultimi anni, la realtà virtuale è diventata sempre più diffusa, trasformando profondamente le nostre abitudini lavorative e di svago in ambiti come la medicina, l’insegnamento e l'intrattenimento. Tuttavia, questa esperienza simulata può causare l’insorgenza di cybersickness, una condizione di malessere caratterizzata da nausea, vertigini e mal di testa, che ne frena la diffusione e l’utilizzo prolungato. Questo studio si propone di affrontare tale problematica esplorando l'insorgenza del malessere in scenari dinamici in cui l'utente naviga l'ambiente muovendosi fisicamente (real walking) e svolgendo contemporaneamente dei compiti mentali di attenzione e memoria. Per raggiungere questo obiettivo, è stato utilizzato il dataset open-source VRWalking per addestrare e confrontare tre diversi modelli di machine learning: K-Nearest Neighbors, Support Vector Machine, Random Forest. Oltre ai dati di tracciamento della testa e del visore, l'analisi ha integrato i dati di eye-tracking e i segnali fisiologici dei partecipanti, come la frequenza cardiaca e la risposta galvanica della pelle (GSR). L’obiettivo finale è quello di trovare i modelli migliori per rilevare il malessere in tempo reale, per poter sviluppare in futuro strategie per attenuare la cybersickness e gestire il carico cognitivo, rendendo la tecnologia più accessibile, sicura e fruibile.