기호적 머신러닝 (Symbolic Machine Learning) 알고리즘을 이용한 가상 현실 게임 내 사이버 멀미

가상 현실 (VR) 및 머리 장착형 디스플레이 (Head-mounted displays)는 교육, 군사, 엔터테인먼트, 의료 등 다양한 분야에서 지속적으로 인기를 얻고 있습니다. 이러한 기술은 높은 몰입감을 제공하지만, 동시에 불편함의 증상을 유발할 수도 있습니다. 이러한 상태를 사이버 멀미 (Cybersickness, CS)라고 하며, 최근 가상 현실 관련 출판물에서 매우 빈번하게 다뤄지고 있습니다. 본 연구는 VR 게임 내 CS의 잠재적 원인들의 순위를 매기기 위해 기호적 머신러닝 (Symbolic machine learning)을 사용하는 새로운 실험적 분석을 제안합니다. 우리는 고전적 머신러닝 (Classical machine learning)을 사용하여 CS의 원인을 추정하고 그 영향력에 따라 순위를 매깁니다. 실험은 두 개의 가상 현실 게임과 6개의 실험 프로토콜을 사용하여 총 88명의 자원봉사자로부터 얻은 37개의 유효한 샘플과 함께 수행되었습니다. 연구 결과, 레이싱 게임 (Race game)과 대조적으로 비행 게임 (Flight game)에서는 회전 (Rotation)과 가속 (Acceleration)이 사이버 멀미를 더 빈번하게 유발하는 것으로 나타났습니다. 또한 VR 경험이 적은 피험자들이 불편함을 느낄 가능성이 더 높다는 점을 관찰할 수 있었습니다. 이전 경험은 레이싱 게임에서 더 중요한 역할을 하는데, 이는 이 게임이 컨트롤러 측면에서 사용자에게 더 많은 자유를 제공하고, 더 많은 이동 대안과 더 많은 사용자 제어 가속을 제공하기 때문입니다. 나아가, 단기 또는 장기 VR 노출에 따라 불편함을 유발하는 원인이 달라집니다. 우리는 단기 및 장기 노출 경험이라는 두 가지 시나리오에 대해 CS를 완화하기 위한 전략을 제안하고, 강조된 두 시나리오 (레이싱 및 비행)를 비교합니다.