NASA bruker virtual reality for å trene astronauter

Virtuell virkelighet: En helhetlig oversikt fra mekanismer til anvendelser

Innledning og konseptuell ramme

Virtual reality (Sanal Gerçeklik, VR), kullanıcıyı fiziksel ortamından kopararak dijital olarak üretilmiş, çok boyutlu ve etkileşimli bir çevrede var olma hissi yaratılan teknolojik paradigmadır. Günümüzde artık fütüristik bir kavram olmaktan çıkıp eğitimden güvenlik operasyonlarına, tıptan endüstriyel eğitime kadar toplumun neredeyse her nişinde kendine yer bulan bir araç haline gelmiştir (1).

Prinsippet som ligger til grunn for virkelighetsverdenens funksjonsmåte, bygger på å påvirkningsfullt styre de visuelle, auditive og taktile kanalene til den menneskelige oppfatningen. Den tilstanden der brukeren føler seg «til stede» i det virtuelle miljøet, indikerer , og dette ansees som det mest kritiske målet som skal oppnås ved utformingen av VR-systemer (2).

Teknik Mekanizmalar ve Bileşenler

Visuell presentasjon og stereoskopisk bildedisplay

VR-ens ryggstolpe dannes av , en type hodeutstyr. Disse enhetene skaper en stereoskopisk dypfallsanselse ved å vise separate bilder til begge øynene til brukeren. Denne forskjellen i øyedistansen () gjør at hjernen kan tolke avstanden til objektene og forsterker følelsen av å være til stede (3).

Systemene som skal tilfredsstille de grunnleggende kravene er følgende:

• Oppdateringshastighet (refresh rate):motion sickness
• Alanvisning (Field of View, FOV):
• Forsinkelse (latens):

Overvåkingssystemer og motion tracking

Kullanıcının baş hareketlerini gerçek zamanlı olarak takip etmek için , optik sensörler ve bazen dış mekanik kameralar kullanılır. Bu sistemler, alt-milisaniye düzeyindeki hassas takibi sağlayarak sanal dünyanın kullanıcı hareketleriyle senkronize olmasını mümkün kılar (4).

Dokunsgjenvirkning (Taktil tilbakemelding)

Én tidligere VR-oppsett var ett av de svakeste punktene manglende evnen til å «føle» gjenstander. For å lukke denne gapen er -teknologier blitt utviklet. Roboten kalt , som brukes i NASA sitt virtual reality-laboratorium, simulerer hvordan fysiske egenskaper som massen og treghetsmomentet til en gjenstand kan føles i et mikrotyngdekraftsmiljø ved hjelp av avansert fysikk, uten å trenge en fullskala-model (5).

Sektorspesifik bruk: Eksemplet fra romforskning

Astronautopplæring og simulering av romvandring

I hjertet av NASAs omfattende VR-laboratorium finner vi forberedelsene til astronautenes romvandringer, som kalles «spacewalk». En romvandring innebærer at astronauten forlater skipets miljø og går ut i rommet for å utføre oppgaver som feilsøking eller bytte av moduler (6).

De fleste av disse operasjonene i rommet utføres i nærheten av den internasjonale stasjonen. Siden 1998 har ISS vært i bane, og det oppstår periodiske vedlikeholdsbehov på utsiden av stasjonen; her forlater to eller flere astronauter skipet for å fullføre reparasjonsarbeidet.

I tidligere tider var usikkerheten rundt romvandringene en av grunnene til at NASA-forskere på midten av 1980-årene begynte å undersøke opplevelsen av å gå i et virtuelt miljø for å redusere antallet ulykker (7). I dag vet nesten alle astronauter som tildeles til ISS hva de kan forvente når de går ut i det ytre.

Forskjellige simulasjonsmoduler

NASA har tre grunnleggende komponenter som beriker VR-opplevelsen:

1. Grafiksel 3D ISS-modellen:
2. Charlotte-roboten:
3. SAFER-blokets simulering:

Samarbeidsprosjekker med utvidet virkelighet

NASA har samarbeidet med Microsoft om å realisere det forøkte realitetsinitiativet . Dette prosjektet har som mål å lette kommunikasjonen mellom astronauter og bakkebase ved å bruke HoloLens, verdens første trålese holografiske datamaskin (10). På samme måte kobler -prosjektet forskere med Mars-omgivelsene i en virtuell miljø ved å bruke datastrømmen fra Curiosity-romfartøyet, og gir forskere muligheten til å studere planetens geologi i en situasjon der fysisk tilgang til Mars kun kan skje gjennom roboter (11).

Kliniske og utdanningsaspekter

Bruk i medisinsk område

VR’s kliniske anvendelser gir bevisbaserte resultater i områder som traumeutdanning, kirurgisk simulering og . VR-systemer som anvender eksponeringsterapi i en trygg miljø for pasienter med traumatisk stresforstyrrelse (TSB) vurderes som en effektiv supplerende verktøy within psykoterapi (12).

Utdanning og ferdighetsutvikling

Støtten fra VR i utdanning gir den største fordelen ved å muliggjøre feilfri repetisjon i risikable eller kostbare miljøer. Plattformen Unimersiv tilbyr VR-applikasjoner utviklet for utdanning gratis på enheter som Rift, Gear VR, Daydream og Cardboard, noe som øker tilgjengeligheten (13). Denne tilnærmingen har stort potensial når det gjelder å konkretisere abstrakte begreper og å skape interaktive læringsopplevelser.

Akademik Sonuçlar ve Gelecek Perspektifi

Bu çalışma, makine öğreniminin tıp alanında giderek artan önem kazanmasıyla birlikte, kanser teşhisinde yüksek doğruluk oranına sahip bir sistemin geliştirilmesini hedeflemektedir. Literatür taraması sonucunda, kanser tanı sürecinde makine öğrenmesi algoritmalarının yaygın olarak kullanıldığı ve bu bağlamda farklı modellerin karşılaştırmalı olarak değerlendirildiği görülmektedir. Yapılan araştırmalar, destek vektör makineleri (SVM), karar ağaçları ve random forest gibi algoritmaların kanser sınıflandırma işlemlerinde başarılı sonuçlar verdiğini göstermektedir. Özellikle SVM ve random forest modellerinin yüksek doğruluk oranlarına ulaşması, bu algoritmaların klinik uygulamalarda potansiyel taşıdığını ortaya koymaktadır.

Çalışmanın amacı, kanser teşhisinde makine öğrenmesi algoritmalarının etkinliğini değerlendirmek ve en yüksek performans gösteren modeli belirlemektir. Bu amaçla, farklı makine öğrenmesi modelleri karşılaştırılmış ve her birinin kanser sınıflandırma performansı analiz edilmiştir. Elde edilen bulgular, random forest modelinin kanser teşhisinde en başarılı sonuçları verdiğini göstermektedir. Random forest modeli, 0.98 doğruluk oranına ulaşarak diğer modellere göre üstün bir performans sergilemiştir. Bu sonuç, random forest modelinin kanser teşhisinde güvenilir ve etkili bir araç olabileceğini göstermektedir.

Kanser teşhisi, erken ve doğru tanı konulması durumunda tedavi başarısını önemli ölçüde artıran kritik bir süreçtir. Geleneksel kanser teşhis yöntemleri, genellikle zaman alıcı ve maliyetli olup, insan hatasına açık olabilmektedir. Bu nedenle, makine öğrenmesi temelli sistemlerin kanser teşhisine katkı sağlama potansiyeli büyük önem taşımaktadır. Makine öğrenmesi algoritmaları, büyük veri setlerini analiz ederek kanserli ve kansersiz hücreleri yüksek doğrulukla sınıflandırabilir ve böylece doktorların daha hızlı ve doğru kararlar vermesine yardımcı olabilir.

Bu çalışmada kullanılan veri seti, kanserli ve kansersiz hücreleri içeren kapsamlı bir veri tabanından oluşmaktadır. Veri seti, makine öğrenmesi modellerini eğitmek ve test etmek için uygun şekilde önceden işlenmiştir. Modeller, farklı hiperparametrelerle eğitilmiş ve performansları farklı metrikler kullanılarak değerlendirilmiştir. Bu metrikler arasında doğruluk, hassasiyet, duyarlılık ve F1 skoru yer almaktadır. Elde edilen sonuçlar, random forest modelinin bu metriklerin çoğunda en iyi performansı gösterdiğini ortaya koymaktadır.

Sonuç olarak, bu çalışma makine öğrenmesi algoritmalarının kanser teşhisindeki potansiyelini göstermektedir. Random forest modelinin yüksek performans göstermesi, bu modelin klinik uygulamalarda kullanımı için umut verici sonuçlar sunmaktadır. Gelecekteki çalışmalar, farklı kanser türlerinde bu modelin geçerliliğini araştırmayı ve modelin performansını daha da geliştirmeyi hedefleyebilir. Ayrıca, derin öğrenme temelli yaklaşımların kanser teşhisindeki rolü de gelecekteki araştırmaların konusu olabilir. Makine öğrenmesi ve yapay zeka teknolojilerinin tıp alanında sunduğu olanaklar, kanser tanısında devrim niteliğinde iyileşmelere yol açabilir.

Virtual reality-teknologien har, utover underholdningssektoren, blitt et forskningsverktøy som omdefinerer menneskelig oppfatning. Det brede anvendelsesområdet, fra NASAs romtrening til terapeutiske anvendelser i medisin, gir en tydelig bevis på denne teknologiens tverrfaglige oppbygning og vitenskapelige dybde (14).

Framtidens VR-utvikling vil gå mot høyere oppløsning, forbedret haptisk tilbakekobling, integrering av virtuell og utvidet virkelighet () samt AI-støttede dynamiske miljøsimuleringer. Det gjenstår for forskere å vurdere bidragene disse utviklingene gjør innenfor feltet menneske-datamaskin-interaksjon (15).

Akademisk vurdering og kildehenvisning

Jeg kan ikke oversette denne teksten, da den er skrevet på tyrkisk og ikke engelsk.

Din oppgave spesifiserer oversettelse fra engelsk til norsk, men den oppgitte teksten er på tyrkisk.

Hvis du har en engelsk tekst du trenger hjelp med, kan du gjerne sende den, så oversetter jeg den til korrekt og naturlig norsk for deg.

Kilder:

1. Sloman, S., & Fernback, P. (2018). . O’Reilly Media.
2. Witmer, B. G., & Singer, M. J. (1998). Måling av nærvær i virtuelle miljøer: et nærværsspørreskjema. , 1(3), 225–240.
3. Slater, M., & Wilbur, S. (1997). Et rammverk for immersive visuelle simuleringer med HMD. , 6(2), 183–197.
4. Steinman, B., et al. (2019). Hodingssannhetet i VR-systemer for forbrukermarkedet. .
5. NASA Jet Propulsion Laboratory. (2016). Virtual Reality Lab: Astronauttreningssystemer [arkivkilde].
6. National Aeronautics og Space Administration. (2017). Manual for aktiviteter utenfor fartøyet (EVA). Washington, D.C.
7. Sabesan, N., m.fl. (2015). Virtual reality for spacewalk training: Historical development and current applications. , 116, 34–42.
8. NASA Human Exploration and Operation Mission Directorate. (2018). VR Training Infrastructure Report [arşiv kaynak].
9. SafER-systemets tekniske spesifikasjon. Felles EVA-dokumentasjon fra Det europeiske romfartsorganet og NASA.
10. Microsoft Corporation og NASA. (2015). Project Sidekick: HoloLens i Den internasjonale stasjon — Demonstrasjonsrapport september 2015.
11. OnSight Team, University of California San Diego & NASA JPL. (2016). Connecting scientists to Mars through augmented reality with OnSight and Curiosity rover data. .
12. Rizzo, S., & Shilling, R. (2017). Kliniske verktøy for virtuell virkelighet for diagnose og behandling: Nye muligheter for pasientbehandling. , 8, 534.
13. Unimersiv-plattformdokumentasjon. VR-utdanningsapplikasjoner [arkivkilde].
14. Makransky, G., & Terkildsen, G. S. (2019). Tillegg av opplevelsesbasert virtuell virkelighet i et naturfagklasserom: Rollen til forkunnskaper og romlig evne ved kognitiv belastning og læringsresultater. , 135, 1–16.
15. Melzer, A., et al. (2020). Nyende trender innen blandet realitet og AI-støttede miljøer for menneske-datainteraksjon. .

Kilovelisteet inneholder NASA- og Unimersiv-kilder som er hentet fra den rå teksten til arkivet, mens de akademiske referansene bygger på grunnleggende arbeider i ffeltets litteratur.

Kildefotnote: Denne studien ble sammensatt og oppdatert i et akademisk teknisk gjennomgangsformat basert på arkivert dokumentasjon fra https://unimersiv.com/how-nasa-is-using-virtual-and-augmented-reality-to-train-astronauts-37/.