Engaging Motion: Exploring the Impact of Dynamic Properties of Virtual Humans on User Perception - Yuliya Patotskaya - [VirtUs]

Abstract :

Virtual reality (VR) environments are transforming numerous fields, offering immersive experiences that enhance engagement, learning, and therapeutic outcomes. Human body motion plays a crucial role in how individuals perceive and interact with these environments, thus understanding its impact is vital for designing more realistic and engaging VR applications. This thesis explores the dynamic properties of motion in VR, focusing on how they affect user behavior and perception, with particular emphasis on locomotion, obstacle avoidance, and predictability.

This study explores four key research axes in virtual reality (VR): (1) identifying, designing, and implementing motion properties that shape user behavior, highlighting how traits such as neuroticism, conveyed through motion, impact perception and comfort; (2) developing advanced methodologies to evaluate perceptual experiences, introducing novel metrics and frameworks for analyzing user responses and behavior; (3) crafting stylized motion for highly realistic VR agents using motion capture data and data-driven techniques to enhance personality and animation styles; and (4) creating immersive VR environments populated with believable, photorealistic virtual agents to replicate real-world scenarios.

Through a series of controlled, goal-oriented locomotion and obstacle-avoidance scenarios, we evaluate motion perception and design believable virtual agents. This thesis makes two key contributions to advancing the understanding of motion dynamics in virtual environments. The first investigates how personality, conveyed solely through the motion of a virtual human, influences participants’ perceptions and behavioral responses in a locomotion scenario within a highly realistic, constrained environment. The second contribution is inaugural in addressing the impact of motion predictability itself, while also advancing our understanding of how the speed of virtual entities affects human behavior and perception in avoidance scenarios. Additionally, preliminary study explores the use of Deep Learning to preserve the diversity and richness of movement styles in the modeling of highly realistic virtual agents, designed to enable believable and immersive interactions. Ultimately, the findings provide key steps toward improving the design of believable, engaging, and effective virtual environments across various applications.
 

**********

Résumé :
Les environnements de réalité virtuelle (VR) transforment de nombreux domaines, offrant des expériences immersives qui améliorent l'engagement, l'apprentissage et les résultats thérapeutiques. Le mouvement du corps humain joue un rôle crucial dans la manière dont les individus perçoivent et interagissent avec ces environnements, ce qui rend la compréhension de son impact essentielle pour concevoir des applications VR plus réalistes et captivantes. Cette thèse explore les propriétés dynamiques du mouvement en VR, en se concentrant sur la manière dont elles affectent le comportement et la perception des utilisateurs, avec un accent particulier sur la locomotion, l'évitement d'obstacles et la prévisibilité.

Cette étude explore quatre axes de recherche principaux en réalité virtuelle (VR) : (1) Identifier, concevoir et mettre en œuvre des propriétés de mouvement qui façonnent le comportement des utilisateurs, en mettant en évidence l'impact de traits tels que le névrosisme, transmis par le mouvement, sur la perception et le confort ; (2) Développer des méthodologies avancées pour évaluer les expériences perceptuelles, en introduisant de nouvelles métriques et des cadres d'analyse des réponses et comportements des utilisateurs ; (3) Créer des mouvements stylisés pour des agents VR hautement réalistes en utilisant des données de capture de mouvement et des techniques basées sur les données pour améliorer la personnalité et les styles d'animation ; (4) Concevoir des environnements VR immersifs et réalistes peuplés d'agents virtuels photoréalistes crédibles, destinés à reproduire des scénarios du monde réel.

À travers une série de scénarios contrôlés orientés vers des objectifs, incluant la locomotion et l'évitement d'obstacles, cette thèse évalue la perception du mouvement et conçoit des agents virtuels crédibles. Les contributions principales de cette thèse sont les suivantes : la première examine comment la personnalité, transmise uniquement par le mouvement d'un humain virtuel, influence la perception et les réponses comportementales des participants dans un scénario de locomotion au sein d'un environnement hautement réaliste et contraint. La deuxième contribution est pionnière en abordant l'impact de la prévisibilité du mouvement elle-même, tout en approfondissant notre compréhension de la manière dont la vitesse des entités virtuelles affecte le comportement humain et la perception dans des scénarios d'évitement. De plus, une étude préliminaire explore l'utilisation de l'apprentissage profond (Deep Learning) pour préserver la diversité et la richesse des styles de mouvement dans la modélisation d'agents virtuels hautement réalistes, conçus pour permettre des interactions crédibles et immersives. En définitive, les résultats de cette thèse fournissent des étapes clés pour améliorer la conception d'environnements virtuels crédibles, engageants et efficaces à travers diverses applications.