CyberPod

CyberPod

Mit dem CyberPod kombinieren wir Virtual-Reality-Technologien mit Bewegungssimulatoren. Durch die steuerbaren Stützbeine kann diese Plattform in sechs Freiheitsgraden bewegt werden.

Mit dem MPI-CyberPod können wir das Zusammenspiel zwischen dem menschlichen visuellen, auditiven, vestibulären und neuromuskulären System untersuchen. Das Herzstück des MPI-CyberPod ist eine Hexapod-Stewart-Plattform (Bosch eMotion 1500) mit sechs Freiheitsgraden. Auf dem Motion-Base ist eine 2,5 x 2,2 m große Aluminiumplattform montiert. Ziel bei dieser –  hier am Institut entwickelten – Plattform war ein hochdynamisches Verhalten.

Für Visualisierungen verfügt die Plattform über eine abnehmbare Projektionswand, die 1,1 m vom Teilnehmer entfernt ist und ein Sichtfeld von ca. 95°×53° aufweist. Anstelle der Projektionswand kann die Plattform auch in Kombination mit unseren Head-Mounted-Display-Systemen und dem optischen Trackingsystem zur Messung von Kopfpositionen und Simulatorpositionen im Raum verwendet werden. Die akustische Stimulation kann entweder über ein Surround-Soundsystem oder über geräuschunterdrückende Kopfhörer erfolgen. Die Eigenschaften des Bewegungssystems wurden objektiv mit einem standardisierten Ansatz gemessen. Die Systemzeitverzögerung liegt unter 20 ms (weit unter den erforderlichen 150 ms für Flugsimulatoren).

Die Systembandbreite hängt von der genauen mechanischen Konfiguration der auf der Plattform montierten Geräte ab, übersteigt aber bei der einfachsten Konfiguration (die nur aus einem Sitz auf der Plattform besteht) 30 Hz.
Beispiele für Grundlagenforschung, die bisher am CyberPod-Simulator durchgeführt wurde, sind eine Studie zur zeitlichen Akkumulation sensorischer Informationen in der Rotationswahrnehmung, eine fNIRS-Neurobildgebungsstudie zur Entscheidungsfindung in der Selbstbewegungswahrnehmung und eine Studie darüber, wie visuelle und inertiale Informationen in der Wahrnehmung von Vertikalität kombiniert werden.

Der CyberPod-Simulator wurde auch für die Entwicklung von Motion-Cueing-Algorithmen verwendet, die auf Model-Predictive-Control-Methoden basieren. Zudem fand er Einsatz in einem Projekt, das darauf abzielt, Reisekrankheit (Motion Sickness) in zukünftigen autonomen Fahrzeugen unter Verwendung peripherer visueller Signale zu mildern.

Zur Redakteursansicht