Advertisement

Detection Threshold of Visual Displacement in a Networked Flight Simulator

  • Christine M. Covas
  • James P. Gaska
  • George A. Geri
  • Megan E. Shamp
  • Byron J. Pierce
Conference paper

Abstract

Networked flight simulators facilitate team training by creating exercise environments and simulations representative of real-world operations. However, networked simulators are often plagued by connectivity issues, such as constant and variable network delay. Network delay can cause positional discrepancies or visual jitter in the flight path of a moving model which could effect pilots overall perception of fidelity of motion. To provide a realistic team-training environment, simulators are networked enabling trainees to perform exercises emulating real-world conditions. When simulators are networked, especially over large geographical areas, interactions between them become more complicated. Three important issues related to the realism of time must be considered when networking simulators: the timing consistency of the virtual world, delays, and the overall representation of time in a simulator.

The level of realism of an entity in a networked simulator depends upon factors such as network delay, thresholds used to determine when a simulated position error should be corrected, and algorithms used to correct position errors. These factors can interact and produce positional discrepancies between the position provided by a local model of an entity, which is used to render the entity, and the actual position of the entity. The correction of positional discrepancies via the use of smoothing within the Image Generator (IG) results in a positional displacement of the rendered entity [Lin et al. (Proceedings of the 1995 American Institute of Aeronautics and Astronautics Flight Simulation Technologies Conference 83-87, 1995)]. The purpose of this experiment was to assess the detection threshold of positional error or displacement threshold as a function of distance from eyepoint, and positional smoothing performed by the IG. This data will contribute to a larger research paradigm to assess the impact of network parameters on task performance in a flight simulation environment.

The results of this experiment show that increasing simulated distance increases the amount of displacement, in simulation space, required to detect target aircraft motion. However, when the displacement was expressed in units of visual angle, the effect of simulated distance was not significant, indicating that the thresholds were determined by angular displacement. Additionally, under the conditions used in this study, smoothing approximately doubled angular displacement thresholds.

Under all conditions, displacement thresholds were small - approximately 2 arcmin for the unsmoothed condition and 4 arcmin for the smoothed condition. This translates into displacement thresholds of ½ pixel and 1 pixel for the unsmoothed and smoothed conditions, respectively. In fact, studies performed under optimal conditions report displacement thresholds of 2 arcsec.

The finding that smoothing, which decreases target velocity, increased the displacement threshold is not surprising. Smoothing is used in a networked environment to reduce the visual saliency of the displacement and provide a more realistic looking flight path to an observer. However, the smoothed flight path will provide a less accurate representation of the true flight path. The high sensitivity of the visual system in detecting displacement shown in this study and others suggests that the positional error of the smoothed flight path can be encoded by the visual system and could, therefore result in performance degradation. Furthermore, because the smoothed flight path looks realistic it may alter a pilot’s performance whereas the unrealistic jump with smoothing disabled can be easily discounted by the pilot. Therefore the benefits and advantages of smoothing are still subject to debate and to future research.

This experiment is the first in a series of experiments designed to determine the effect of network conditions on flight tasks in a networked simulator training environment. At the Air Force Research Laboratory in Mesa, AZ we are conducting a detailed evaluation of the actual physical positional discrepancies that occur as a function of the overall load of the network. This evaluation will allow us to compare our results from the present experiment to actual positional discrepancies that would manifest as a result of network load.

Keywords

Psychometric Function Angular Displacement Network Simulator Positional Error Displacement Amplitude 
These keywords were added by machine and not by the authors. This process is experimental and the keywords may be updated as the learning algorithm improves.

Sommaire

Pour fournir un environnement réaliste de formation au travail en équipe, on utilise des simulateurs maillés en réseau permettant aux stagiaires d’effectuer des exercices reproduisant des conditions qui prévalent dans la réalité. Lorsque des simulateurs sont maillés en réseau, en particulier sur de vastes régions géographiques, les interactions entre eux deviennent plus complexes. Lorsque l’on procède au maillage en réseau de simulateurs, on doit tenir compte de trois problèmes importants reliés au réalisme temporel: la cohérence temporelle du monde virtuel, les délais et la représentation globale du temps dans un simulateur.

Le réalisme d’une entité faisant partie d’un simulateur maillé en réseau dépend de facteurs comme le délai du réseau, les seuils utilisés pour déterminer quand une erreur de position simulée doit être corrigée ainsi que les algorithmes utilisés pour la correction de ces erreurs de position. Ces facteurs peuvent interagir et produire des différences de position entre la position fournie par un modèle local d’une entité qui est utilisé pour représenter cette entité et la position réelle de cette entité. La correction de différences de position par l’utilisation du lissage à l’intérieur du générateur d’images (GI) se traduit par une variation de position de l’entité représentée. Cette expérience visait à évaluer les seuils de variation en fonction de la distance du cercle oculaire ainsi que le lissage de position effectué par le GI. Ces données contribueront à un paradigme de recherche plus important pour l’évaluation de l’impact qu’ont les paramètres de réseau sur l’exécution des tâches dans un environnement de simulation de vol.

Les résultats de cette expérience indiquent qu’une augmentation de la distance simulée provoque une augmentation de la variation, en espace de simulation, nécessaire à la détection du mouvement de l’aéronef cible. Cependant, lorsque la variation était exprimée en unités d’angle visuel, l’effet de la distance simulée n’était pas important, ce qui indique que les seuils étaient déterminés par la variation angulaire. De plus, dans les conditions utilisées dans le cadre de cette étude, le lissage double presque les seuils de variation angulaire.

Dans toutes les conditions, les seuils de variation étaient petits - environ 2 minutes d’arc pour la condition sans lissage et 4 minutes d’arc pour la condition avec lissage, ce qui se traduit par des seuils de variation de ½ et 1 pixel pour les conditions sans lissage et avec lissage, respectivement. En fait, dans le cadre d’études effectuées dans des conditions optimales, on signale des seuils de variation de 2 secondes d’arc.

Il n’est pas étonnant de constater que le lissage, qui réduit la vitesse de la cible, a provoqué une augmentation du seuil de variation. Dans un environnement maillé en réseau, on utilise le lissage pour réduire la prégnance visuelle de la variation et fournir à un observateur une trajectoire de vol qui a l’air plus réaliste. Cependant, la trajectoire de vol avec lissage fournira une représentation moins précise de la trajectoire de vol réelle. La sensibilité élevée du système visuel en matière de détection de la variation que démontre cette étude et d’autres études laisse croire que l’erreur de position de la trajectoire de vol avec lissage peut être codée par le système visuel et pourrait donc provoquer une détérioration des performances. De plus, comme la trajectoire de vol avec lissage a l’air réaliste, elle peut altérer les performances d’un pilote, tandis que le passage brusque non réaliste à un lissage désactivé peut facilement être ignoré par le pilote. Les bénéfices et les avantages du lissage laissent donc toujours place à la discussion.

Cette expérience est la première d’une série d’expériences conçues pour déterminer l’effet des conditions du réseau sur les tâches de pilotage dans un environnement d’entraînement sur simulateur maillé en réseau. Au Air Force Research Laboratory de Mesa (Arizona), nous procédons à l’évaluation approfondie des différences de position physiques réelles qui surviennent en fonction de la charge globale du réseau. Cette évaluation nous permettra de comparer nos résultats obtenus lors de la présente expérience aux différences de position réelles provoquées par la charge du réseau.

Notes

Acknowledgments

This work was supported in part by US Air Force Contract FA8650-05-D6502 to Link Simulation and Training (a division of L-3 Communications Corp.). In addition, the following agencies provided financial and/or technical support for this research: Air Combat Command (ACC/A8AT), Secretary of the Air Force International Affairs (SAF/IA), and Defence Research and Development Canada - Toronto. We would like to thank Bill Morgan (The Boeing Co.) for programming support; Ryan Amann (Link Simulation) for image capture assistance; and Craig Eidman (AFRL/HEAE) for subject matter expertise. The views expressed here are those of the authors and do not reflect the official policy or position of the Department of Defense or the US Government.

References

  1. Lee B, Sagong D, Jeong G (2001) LCDs: How fast is enough? SID (society for information display) symposium digest of technical papers, session 41: Spatial temporal artifacts and issues, 32(1), June, 1106-1109Google Scholar
  2. Levi DM, Klein SA, Aitsebaomo P (1984) Detection and discrimination of the direction of motion in central and peripheral vision of normal and amblyopic observers. Vis Res 24:789-800CrossRefGoogle Scholar
  3. Lin K, Wang M, Wang J, Schab D (1995) The smoothing of dead reckoning image in distributed interactive simulation. In: Proceedings of the 1995 American institute of aeronautics and astronautics flight simulation technologies conference, AAIA-1995-3398, pp 83-87Google Scholar
  4. McKee SP, Nakayama K (1984) The detection of motion in the peripheral visual field. Vis Res 24:25-32CrossRefGoogle Scholar
  5. McKee SP, Welch L, Taylor DG, Bowne SF (1990) Finding the common bond: Stereoacuity and the other hyperacuities. Vis Res 30(6):879-891CrossRefGoogle Scholar
  6. Mestre DR, Masson GS, Stone LS (2001) Spatial scale of motion segmentation from speed cues. Vis Res 41(21):2697-2713CrossRefGoogle Scholar
  7. Nakayama K, Tyler CW (1981) Psychophysical isolation of movement sensitivity by removal of familiar position cues. Vis Res 21(4):427-433CrossRefGoogle Scholar
  8. Slater M, Covas CM (2007) Effects of long-haul network connectivity on the visual fidelity of real-time flight simulations. In: Proceedings of the simulation interoperability standards organization 2007. Fall simulation interoperability workshop, September 2007 (Paper No. 07F-SIW-023)Google Scholar
  9. Tyler CW, Torres J (1972) Frequency response characteristics for sinusoidal movement in the fovea and periphery. Percept Psychophys 12:232-236Google Scholar
  10. Winterbottom MD, Geri GA, Morgan WD, Pierce BJ (2004) An integrated procedure for measuring the spatial and temporal resolution of visual displays. In: Proceedings of the interservice/industry training, simulation and education conference, ADA430109, Orlando, FL, Paper No. 1855Google Scholar

Copyright information

© Springer Science+Business Media, LLC 2010

Authors and Affiliations

  • Christine M. Covas
    • 1
  • James P. Gaska
    • 2
  • George A. Geri
    • 2
  • Megan E. Shamp
    • 1
  • Byron J. Pierce
    • 1
  1. 1.Air Force Research Laboratory, Immersive Environments BranchMesaUSA
  2. 2.Link Simulation and TrainingMesaUSA

Personalised recommendations