利用虚拟全局标志重新设计导航辅助设备以提高空间知识检索gydF4y2Ba

在动态环境中导航的能力被认为是所有生物的基本技能gydF4y2Ba^{1gydF4y2Ba，gydF4y2Ba2gydF4y2Ba，gydF4y2Ba3.gydF4y2Ba}．大量关于人类历史和动物习性的研究表明，空间导航技能可以直接影响许多物种的进化和生存gydF4y2Ba^{3.gydF4y2Ba，gydF4y2Ba4gydF4y2Ba，gydF4y2Ba5gydF4y2Ba}．空间技能不仅影响一个人的独立感和幸福感，而且还与大脑功能的改善有关，比如在形成心理地图时增强神经连接gydF4y2Ba^{6gydF4y2Ba，gydF4y2Ba7gydF4y2Ba，gydF4y2Ba8gydF4y2Ba，gydF4y2Ba9gydF4y2Ba，gydF4y2Ba10gydF4y2Ba}．一项著名的关于伦敦出租车司机相对较大的海马体的研究是空间导航技能如何在身体上表现出来的一个很好的例子gydF4y2Ba^11gydF4y2Ba．另一方面，导航能力的下降可能是神经功能下降的迹象。最近一项关于老龄化的研究强调了老年人的导航能力下降gydF4y2Ba^4gydF4y2Ba以及早期症状性阿尔茨海默病和临床前阿尔茨海默病患者的导航功能缺陷gydF4y2Ba^{12gydF4y2Ba，gydF4y2Ba13gydF4y2Ba，gydF4y2Ba14gydF4y2Ba}．gydF4y2Ba

通常，个体在导航活动中应用两种根本不同的策略:基于信标的策略(也称为“分类单元”)和基于地图的策略(也称为“区域设置”)。gydF4y2Ba^{9gydF4y2Ba，gydF4y2Ba15gydF4y2Ba，gydF4y2Ba16gydF4y2Ba}．基于信标的策略依赖于一个以自我为中心的空间系统，用户直接走向附近的目标。类似于常见的逐弯导航中的依赖视点，基于信标的策略将包含基于自我中心表示的位置、转弯和运动列表gydF4y2Ba^{9gydF4y2Ba，gydF4y2Ba17gydF4y2Ba}．这一策略的一个著名例子是谷歌Maps给出的简单的逐转弯指令。另外，通过基于地图的学习，个人可以根据一系列地标确定自己的位置并导航到目标。这些地标可能有一段距离，但导航仪通常与地标具有恒定的空间关系，类似于从地图中获得的空间知识gydF4y2Ba^{9gydF4y2Ba，gydF4y2Ba16gydF4y2Ba}．在基于地图的策略中，表示是独立于视角的，位于欧几里得系统中，在一个框架内产生一个空间，用于将物体或地标相互关联，而不依赖于观察者gydF4y2Ba^9gydF4y2Ba．因此，尽管基于地图的布局对导航员来说更加困难和复杂，但它可以以高度灵活的方式构建认知图像，有效地指导导航时的行为，例如找到通往目的地的最短路线。大量的研究已经通过神经心理学实验证明了这两种策略的独立性gydF4y2Ba^{18gydF4y2Ba，gydF4y2Ba19gydF4y2Ba}．有证据表明，人们在导航时倾向于不断地选择依赖于视角或独立于视角的信息。这意味着人们在不同的导航环境中只使用一种特定的策略gydF4y2Ba^{20.gydF4y2Ba，gydF4y2Ba21gydF4y2Ba，gydF4y2Ba22gydF4y2Ba，gydF4y2Ba23gydF4y2Ba}．此外，研究还揭示了人类空间学习中信标策略和基于地图的策略之间的相互作用，参与者在实验中切换策略gydF4y2Ba^{16gydF4y2Ba，gydF4y2Ba24gydF4y2Ba，gydF4y2Ba25gydF4y2Ba}．例如，参与者在有可见目标的情况下，从基于地图的学习转向基于信标的学习gydF4y2Ba^{24gydF4y2Ba，gydF4y2Ba26gydF4y2Ba}，并在目标或路径受阻时反转开关gydF4y2Ba^27gydF4y2Ba．gydF4y2Ba

目前的导航辅助设备主要依赖于信标策略，应用于逐转弯导航指令gydF4y2Ba^{28gydF4y2Ba，gydF4y2Ba29gydF4y2Ba}，将基于地图的策略置于次要地位。一个简单的例子是指示医院里的病人沿着一条特定颜色的线从入口走到特定的病房。更普遍的是，基于全球定位系统(GPS)的逐转弯指令已广泛用于路线规划。世界上几乎每个人都直接或间接地在日常生活中依赖这项技术。如今，至少有十几种不同的导航辅助服务使用GPS来提供可靠、高效和自动的定位。然而，这些导航辅助忽略了基于地图的策略，这是空间学习的基础。认知地图通常是通过最基本的探索形成的，比如试错gydF4y2Ba^{1gydF4y2Ba，gydF4y2Ba9gydF4y2Ba，gydF4y2Ba27gydF4y2Ba}．构建类似地图的表示需要整合本地和远程地标及其相对位置，以及连接它们的路线gydF4y2Ba^{30.gydF4y2Ba，gydF4y2Ba31gydF4y2Ba}．GPS辅助系统提供的简单的逐路指示不需要处理环境信息，因此可能会对大脑地图的构建产生负面影响gydF4y2Ba^{32gydF4y2Ba，gydF4y2Ba33gydF4y2Ba，gydF4y2Ba34gydF4y2Ba}．gydF4y2Ba

因此，重新思考下一代导航辅助系统如何在提供导航服务的同时支持基于地图的学习是非常重要的。类似于指南针在地图阅读中的作用，基于地图的导航的一个特点是，它需要方向信息作为个人前进方向的可靠参考gydF4y2Ba^{9gydF4y2Ba，gydF4y2Ba35gydF4y2Ba，gydF4y2Ba36gydF4y2Ba}．远处的地标，如城市的天际线或山脉，与位于当前环境中的本地地标相比，从远处可见的特征可以作为参考方向，并帮助导航员保持准确的方向信息gydF4y2Ba^{31gydF4y2Ba，gydF4y2Ba37gydF4y2Ba}．例如，假设一个远山位于导航器的西北方向。在这种情况下，无论导航器放置在地图空间中的哪个位置，这座山都将保持西北方向的坚实信标。因此，只要山是可见的，它总是可以被导航员用来确定他们的方向。然而，在我们这个城市化的现代时代，远处的地标在很多时候都被挡住了，尤其是当我们接近城市区域的时候。这种受限的视图增加了基于地图的导航的难度，鼓励使用信标策略。因此，受到远程地标在基于地图的导航中的作用的启发，我们将远程地标整合到虚拟平视显示器中，以提供始终可见的稳定空间参考，即使在现实世界中地标是模糊的。gydF4y2Ba

数字gydF4y2Ba1gydF4y2Ba展示了我们提出的导航辅助系统的增强现实视角。该系统被称为虚拟全局地标(VGL)系统，该系统为用户提供了一个远处地标的视图，作为100%的稳定参考，即使附近的线索会挡住地标的视图(见图)。gydF4y2Ba1 bgydF4y2Ba)．本文研究的主要动机是为了推广基于地图的导航策略。我们的意图是，这样的策略将有利于认知练习，特别是认知地图的构建gydF4y2Ba^9gydF4y2Ba．除了促进在地图框架中更好地检索空间知识外，导航员还将能够用这种策略优化路线规划。在我们的VGL设计中，用户将能够保持他们的方向感，同时始终意识到自己相对于VGL的位置。这种技术将使用户能够以认知地图的形式集成相对于VGL的其他空间位置gydF4y2Ba^{9gydF4y2Ba，gydF4y2Ba27gydF4y2Ba}．因此，我们预测，为用户提供增强的地标可视性，既可以鼓励基于地图的策略，也可以导致有效的导航。gydF4y2Ba

为了从行为和神经测量两方面系统地研究该系统在基于地图的空间学习中的有效性，我们与来自悉尼科技大学的27名学生进行了一项涉及一系列导航任务的实验。对于神经测量，我们使用脑电图(EEG)来可视化人类大脑对活动的响应动态。在实验中，一些参与者被提供了vgl，而另一些则没有，并比较了两组的EEG读数。EEG是一种典型的非侵入性电生理监测方法，通过沿头皮放置电极来收集大脑动态数据gydF4y2Ba^38gydF4y2Ba．与传统的脑成像技术相比，具有完全移动性的优势gydF4y2Ba^{39gydF4y2Ba，gydF4y2Ba40gydF4y2Ba}在导航研究中，EEG一直是最流行的神经测量方法之一，用于产生大脑自发电活动的读数gydF4y2Ba^{19gydF4y2Ba，gydF4y2Ba29gydF4y2Ba，gydF4y2Ba40gydF4y2Ba}．例如，在参照系导航策略的研究中，脑电功率谱调制揭示了个体应用基于身体的参照系和基于物体的参照系时的差异gydF4y2Ba^{41gydF4y2Ba，gydF4y2Ba42gydF4y2Ba，gydF4y2Ba43gydF4y2Ba}．在与地标相关的研究方面，有研究使用事件相关的大脑信号，通过脑电图的振幅差异来研究地标对空间导航的影响，脑电图被认为是反映空间信息编码和检索的指标gydF4y2Ba^{19gydF4y2Ba，gydF4y2Ba29gydF4y2Ba，gydF4y2Ba40gydF4y2Ba}．此外，随着研究不断揭示参与空间导航的特定大脑区域，例如额叶和顶叶皮质gydF4y2Ba^{44gydF4y2Ba，gydF4y2Ba45gydF4y2Ba，gydF4y2Ba46gydF4y2Ba，gydF4y2Ba47gydF4y2Ba，gydF4y2Ba48gydF4y2Ba}在美国，更多关于导航的研究集中在特定大脑区域的激活上gydF4y2Ba^{49gydF4y2Ba，gydF4y2Ba50gydF4y2Ba，gydF4y2Ba51gydF4y2Ba}．因此，独立分量分析(ICA)被广泛应用于EEG信号中不同脑成分的抓取和分离gydF4y2Ba^{52gydF4y2Ba，gydF4y2Ba53gydF4y2Ba}．通过对额叶和顶叶区域的分析，额叶-顶叶网络在导航活动中涉及视点独立学习gydF4y2Ba^{41gydF4y2Ba，gydF4y2Ba43gydF4y2Ba，gydF4y2Ba54gydF4y2Ba}．因此，在我们的研究中，我们通过ICA分析评估了起源于额叶和顶叶成分的事件相关光谱扰动(ERSP)，以研究与特定导航活动相关的大脑动力学。我们感兴趣的是，当参与者在导航任务中通过VGL提供坚实的罗盘信息时，与他们在相同环境中没有导航时相比，顶叶和额叶皮层区域的大脑动力学是否会有所不同。gydF4y2Ba

在实验过程中，每个参与者都配备了移动脑/身体成像(MoBI)gydF4y2Ba^{55gydF4y2Ba，gydF4y2Ba56gydF4y2Ba，gydF4y2Ba57gydF4y2Ba}该系统通过脑电图信号捕捉大脑动态，以及头戴式VR系统探索名为“悉尼公园”的中等规模VR环境。我们还记录了行为活动，并要求每个参与者完成“圣巴巴拉方向感”gydF4y2Ba^58gydF4y2Ba(SBSOD)测试和透视/空间定位任务gydF4y2Ba^59gydF4y2Ba(PTSOT)，然后完成试验，作为空间能力个体差异的对照。数字gydF4y2Ba1 cgydF4y2Ba显示了用户对悉尼公园的看法。悉尼公园是专门为提供一个自然环境而设计的，类似于悉尼植物园，有可见的当地和远处的地标gydF4y2Ba^60gydF4y2Ba．此外，该场景包含11个本地地标和3个远处地标(包括灯塔、悉尼歌剧院和悉尼塔眼)和其他特征，以生成环境的逼真印象，如路径、十字路口、灌木丛和树木。在这个实验场景中，参与者被要求按照预定义的路线探索悉尼公园。在初始勘探阶段，未发现vgl。路线的定义是为了平衡参与者暴露在当地和远处的地标。在探索阶段之后，参与者执行寻路和指向任务，以确定他们从刚刚学习的环境中收集到的空间知识。12个定义的地标(11个本地地标和一个远处地标)是指向和寻路任务的潜在目标。我们在参与者的寻路和指向任务中测试了两种情况:有和没有VGL的导航(分别称为VGL和非VGL试验)。在非vgl试验中，参与者仅根据他们在初始探索阶段看到的相同的本地和远处地标来执行空间任务。在VGL试验中，除了本地和远处的地标外，参与者还能够将VGL视为稳定的指南针参考。 The pointing task asked participants to simply turn and point in the direction of a local landmark, which could not be seen from the test position. The wayfinding task required them to move toward that landmark – a task that involved route-planning based on a map representation of the environment^{61gydF4y2Ba，gydF4y2Ba62gydF4y2Ba，gydF4y2Ba63gydF4y2Ba}．指向和寻路测试都是评估空间学习和认知地图绘制技能的有效方法gydF4y2Ba^{64gydF4y2Ba，gydF4y2Ba65gydF4y2Ba，gydF4y2Ba66gydF4y2Ba}．视频中展示了参与者执行探索阶段以及寻路和指向任务的示例gydF4y2Ba1gydF4y2Ba而且gydF4y2Ba2gydF4y2Ba在补充视频中。基于我们使用VGL系统和定向箭头进行的小型试点研究的结果gydF4y2Ba^67gydF4y2Ba，我们假设在VGL系统的帮助下，可以鼓励参与者在导航过程中采用基于地图的策略。因此，他们会将更多的航向信息整合到他们的认知地图中，并且在主动导航任务中比那些没有VGL系统帮助的人更有效地操作。gydF4y2Ba

通过单向重复测量方差分析(ANOVA)评估在寻路和指向任务中的表现。分别计算(i)指向任务中的响应时间;(ii)指向任务中与目标的角误差;(iii)寻路任务的响应时间;(iv)寻路任务中行进的距离。试验条件(VGL和非VGL试验)作为受试者内因素输入。所有变量均呈正态分布(gydF4y2BapgydF4y2Ba> 0.05)，采用Spearman秩序相关法评估个体空间能力因子(SBSOD和PTSOT得分)与依赖测度之间的关系。个体空间能力与上述指标之间的Spearman相关结果见补充图。gydF4y2Ba1gydF4y2Ba补充信息。显著相关因素作为协变量ANCOVAs输入，以控制空间能力的个体差异。此外，在计算单向重复测量方差分析时，性别被添加为受试者间因素。然而，对于任何测量，性别和VGL状况(非VGL和VGL试验)之间都没有显著的相互作用。受试者间效应的测试结果见补充资料的补充方法。gydF4y2Ba

参与者在虚拟全局地标的寻路和指向任务中表现出更高的效率和准确性gydF4y2Ba

为了研究空间效率，当参与者使用vgl作为可靠的罗盘信息来支持基于地图的策略时，我们评估了在指向和寻路任务中有和没有vgl的试验的响应时间。此外，我们评估了指向任务中的角度误差和寻路任务中的行进距离，以评估不同试验条件下的学习结果。结果如图所示。gydF4y2Ba2模拟gydF4y2Ba．gydF4y2Ba

如图所示。gydF4y2Ba2 a, bgydF4y2Ba，参与者在VGL系统的帮助下表现出比没有VGL系统低31.8%的角度误差和16.5%的快速响应时间，这表明使用VGL系统在方向识别和优化时间利用方面具有更高的准确性。对于统计细节，指向任务的方差分析结果显示，在有和没有增强标志的试验之间，响应时间有统计学上的显著差异(gydF4y2BaFgydF4y2Ba_{1、26gydF4y2Ba}= 6.311,gydF4y2BapgydF4y2Ba= 0.019，部分gydF4y2BaηgydF4y2Ba^2gydF4y2Ba= 0.195)，在VGL试验中反应时间较短(gydF4y2Ba米gydF4y2Ba= 22.899, SE = 1.056)，与没有增强标志的试验相比(gydF4y2Ba米gydF4y2Ba= 26.673, SE = 1.521)，差异为3.774 s (95% CI， .686 - 6.86)。此外，在不同试验条件下，角误差有统计学意义上的差异(gydF4y2BaFgydF4y2Ba_{1,25gydF4y2Ba}= 13.384,gydF4y2BapgydF4y2Ba= 0.001，部分gydF4y2BaηgydF4y2Ba^2gydF4y2Ba= 0.349)，在增强地标试验中角度误差较小(gydF4y2Ba米gydF4y2Ba= 2.866, SE = 0.115)高于非标志性试验，(gydF4y2Ba米gydF4y2Ba= 3.776, SE = 0.231)，差异为0.911 (95% CI为0.410 ~ 1.411)度。SBSOD得分作为角度误差ANCOVA的协变量被纳入，因为角度误差与SBSOD值显示出显著的正相关(rs(27) = 0.542，gydF4y2BapgydF4y2Ba= 0.004。gydF4y2Ba

寻路任务的结果如图所示。gydF4y2Ba2 c, dgydF4y2Ba．在VGL的帮助下，参与者的行程缩短了43.0%，这表明了使用VGL的最佳路线规划。方差分析显示旅行距离有显著差异(gydF4y2BaFgydF4y2Ba_{1、26gydF4y2Ba}= 26.939,gydF4y2BapgydF4y2Ba< 0.001，部分gydF4y2BaηgydF4y2Ba^2gydF4y2Ba= 0.509)，在VGL试验中参与者的旅行距离较短(gydF4y2Ba米gydF4y2Ba= 23.501, SE = 0.343)高于非vgl试验(gydF4y2Ba米gydF4y2Ba= 33.606, SE = 1.968)，相差10.104米(95% CI, 6.103 - 14.106)。然而，当将SBSOD评分作为协变量输入时，由于VGL试验和SBSOD试验之间存在显著的负相关(rs(27) = -.471)，gydF4y2BapgydF4y2Ba= 0.013)，方差分析未显示两种试验条件的响应时间有统计学差异(gydF4y2BaFgydF4y2Ba_{1,25gydF4y2Ba}= 1.269,gydF4y2BapgydF4y2Ba= 0.271，部分gydF4y2BaηgydF4y2Ba^2gydF4y2Ba= 0.048)。gydF4y2Ba

局部地标固定的热图显示对虚拟全局地标的呈现较少固定gydF4y2Ba

为了评估参与者在指示和寻路任务中注视当地地标的频率，我们从头戴式护目镜系统内的眼动仪中生成了视觉刺激的热图(见图2)。gydF4y2Ba3.gydF4y2Ba)．这些热图是由所有参与者在每种标志性条件下的156次试验生成的。补充图中提供了关于每个局部标记物固定量的更多细节。gydF4y2Ba2gydF4y2Ba补充信息。此外，我们还计算了每个参与者对每个地标的注视次数。为了分析固定热图，计算2 × 11因子重复测量方差分析，包括试验条件(VGL和非VGL)和地标性特征的受试者内因子(1至11，与图中的标签一致)。gydF4y2Ba3.gydF4y2Ba)．gydF4y2Ba

作为对没有VGL和有VGL的试验中对局部地标的注视的比较，结果表明，当参与者没有VGL可以定位时，他们更经常注视局部地标，导致对局部地标的注视次数增加了144%。方差分析结果显示试验条件(gydF4y2BaFgydF4y2Ba_{1,25gydF4y2Ba}= 68.721,gydF4y2BapgydF4y2Ba< 0.001，部分gydF4y2BaηgydF4y2Ba^2gydF4y2Ba= 0.733)和地标(gydF4y2BaFgydF4y2Ba_{10250年gydF4y2Ba}= 16.649,gydF4y2BapgydF4y2Ba< 0.001，部分gydF4y2BaηgydF4y2Ba^2gydF4y2Ba= 0.400)。这两个因素之间也有显著的交互作用(gydF4y2BaFgydF4y2Ba_250gydF4y2Ba= 11.590,gydF4y2BapgydF4y2Ba< 0.001，部分gydF4y2BaηgydF4y2Ba^2gydF4y2Ba= 0.317)。事后比较结果见补充表gydF4y2Ba1gydF4y2Ba及补充表gydF4y2Ba2gydF4y2Ba补充信息。有趣的是，图中的热图。gydF4y2Ba3gydF4y2Ba在地标号上显示了较高的注视数。与没有额外虚拟地标的试验中的其他地标相比。事后比较结果(见补充表)gydF4y2Ba2gydF4y2Ba)揭示了具有里程碑意义的no。当没有额外的VGL存在时，7个地标比其他局部地标吸引了更多的固定。这一结果可以在没有提供全局定向信标的情况下指示备选的类罗盘信息。自地标无。7位于场景的中心，这个位置可能更容易被参与者记住，作为他们对环境的心理表征的中心空间参考。gydF4y2Ba

额叶和顶叶区θ、α和β波段的平均谱功率变化gydF4y2Ba

通过分析独立分量分析(ICA)衍生的独立分量过程(ICs)集群中不同频段的事件相关频谱扰动(ersp)，评估额叶和顶叶区域与导航任务相关的频谱波动。gydF4y2Ba^68gydF4y2Ba，以及随后的等效偶极子模型。个体ic突偶极子位置的k -均值聚类结果显示，额叶簇的质心位于额叶内侧回(Brodmann区8)或附近，包含15个参与者的19个ic，而顶叶簇位于楔前叶或附近(Brodmann区31)，包含17个参与者的18个ic。数字gydF4y2Ba4gydF4y2Ba显示头皮图(图;gydF4y2Ba4 a, egydF4y2Ba)，偶极子位置叠加在标准头部模型上(图。gydF4y2Ba4 b, fgydF4y2Ba)，以及-1 ~ 5秒内的平均ERSPs(图。gydF4y2Ba4 a, egydF4y2Ba)，以锁定受试者到达其中一个虚拟检查点时的额顶中线簇。检查点图如图所示。gydF4y2Ba6gydF4y2Ba方法部分的。1000毫秒处的垂直线表示一种地标的开始。5000毫秒后，参与者到达下一个虚拟检查点位置(ersp中的偏移量)。在所有试验中，在到达下一个检查点之前，只查看了任何类型的一个地标(即，VGL试验中的虚拟全局地标或非VGL试验中的局部地标)。总的来说，在非VGL条件下进行了703次试验，在额叶簇的VGL条件下进行了1071次试验。来自顶叶聚类的ersp分析包括769项非VGL试验和1074项VGL条件下的试验。对于两个聚类，非绿色像素表示ERSPs的差异(图。gydF4y2Ba4 d hgydF4y2Ba)．在两种类型的试验之间，这些差异在统计学上具有显著性gydF4y2BapgydF4y2Ba< 0.001。gydF4y2Ba

额中线簇的平均ERSPsgydF4y2Ba

如图所示。gydF4y2Ba4摄氏度gydF4y2Ba， VGLs试验的平均ersp显示theta、alpha和beta活性显著降低，gydF4y2BapgydF4y2Ba< 0.001。相比之下，在同一频段内，当地地标性试验的ersp显著增加，gydF4y2BapgydF4y2Ba< 0.001。在VGL试验中，强烈的抑制甚至在VGL刺激开始前很短的时间内就开始了，特别是对theta和beta波段。在这些波段活动中，不同条件下ERSPs的差异具有统计学意义，gydF4y2BapgydF4y2Ba< 0.001。这种差异在θ波段和β波段尤为明显。gydF4y2Ba

顶叶中线簇的平均ERSPsgydF4y2Ba

在顶叶聚类中，对于vgl试验，平均ERSPs显示，随着试验开始，theta、alpha和beta带活性明显下降。在观看VGL之前，抑制在短时间内变得更强。在非vgl试验中，功率在α和β波段显著增加，而在θ波段下降(gydF4y2BapgydF4y2Ba< 0.001)。在局部地标开始时，θ波活动被抑制，2秒后逐渐恢复。在较长时间内，α和β波段的ERSPs在不同条件之间的差异具有统计学意义。gydF4y2Ba

本研究系统地研究了当个体执行物理导航任务时，vgl对基于地图的空间学习的影响。当参与者通过VGL提供类似指南针的信标时，我们使用行为和神经测量来比较他们对导航任务的大脑动态和行为活动，与没有提供的任务环境进行比较。使用指向任务分析这两种情况下的学习结果gydF4y2Ba^{65gydF4y2Ba，gydF4y2Ba69gydF4y2Ba}接着是寻路任务gydF4y2Ba^{61gydF4y2Ba，gydF4y2Ba62gydF4y2Ba，gydF4y2Ba70gydF4y2Ba}．结果显示，当使用vgl时，空间定向行为显著改善，时间和路线的优化使用也得到了改善，这体现在减少了地标指向误差、缩短了响应时间和缩短了寻路的行驶距离。此外，在使用和不使用VGL系统的情况下，当地地标的使用也有所不同，这反映在参与者在指向和寻路任务期间的凝视热图中。光谱扰动模式显示，在局部地标和vgl视图之间的theta, alpha和beta波段有显著的抑制。总体而言，VGL系统为用户提供了一个可靠的类似指南针的参考点，支持基于地图的学习策略，增强了更好的空间信息检索和高效导航。gydF4y2Ba

指向和寻路任务是广泛应用于空间知识获取评估的有效和可靠的方法gydF4y2Ba^{14gydF4y2Ba，gydF4y2Ba21gydF4y2Ba，gydF4y2Ba62gydF4y2Ba，gydF4y2Ba63gydF4y2Ba，gydF4y2Ba69gydF4y2Ba，gydF4y2Ba70gydF4y2Ba，gydF4y2Ba71gydF4y2Ba，gydF4y2Ba72gydF4y2Ba}．在这项研究中，我们评估了在指向和寻路任务中的响应时间，以调查有或没有vgl的空间信息回忆效率。此外，我们评估了地标指向任务中的角度误差和寻路任务中的距离，以评估空间知识检索的准确性。gydF4y2Ba

我们假设，在vgl的帮助下，参与者将被鼓励在导航过程中参与基于地图的策略，整合更多的航向信息，并在完成任务时通过基于地图的策略更有效地执行任务。指向任务的结果证实，在可见VGL的试验中，空间性能得到了改善。这一结果表明，在新环境下，随机空间知识的获取和导航信息的感知都得到了改善。由于参与者不知道后续的导航任务，并且试验的起点不断变化，他们需要根据自己的空间记忆，使用基于他们单一暴露于新环境的心理地图来指出目标的方向。在探索阶段，当玩家在一条固定路线上导航时，所有目标地标只会出现两次。VGL条件下的参与者以更高的精度指向地标的方向，这表明VGL帮助他们以更高的精度检索他们当前的位置和方向。事实上，VGL试验的参与者花了更短的时间来完成指向任务，这表明他们能够更快地检索相关的空间信息，并且可能在虚拟剪影的帮助下对地标位置做出更高的确定性反应。综上所述，在VGL的存在下，参与者能够更准确有效地估计目标的方向，这分别体现在指向任务中的角度误差显著降低和响应时间减少。结果表明，基于地图的策略具有灵活的方向识别能力和最优的时间消耗。gydF4y2Ba

同样，寻路任务的结果表明，当使用VGL系统时，参与者行进的距离更短。也就是说，VGL系统帮助参与者更好地表示从当前位置到目标的最短路径。换句话说，要在不同的起点上成功实现最短的旅行距离，参与者需要同时表示目标的方向和自我的位置，从而灵活地确定最短路线。这可能是因为远处的地标为一个环境定义了一个参考方向，允许计算与其他空间位置的相对航向和方位，就像指南针一样gydF4y2Ba^31gydF4y2Ba．这些可靠的参考资料不仅帮助参与者确定自己的方向，而且还鼓励他们采用基于地图的策略，在脑海中构建新环境的地图gydF4y2Ba^{37gydF4y2Ba，gydF4y2Ba73gydF4y2Ba}．也就是说，在有或没有虚拟地标的情况下，寻路任务的响应时间没有显著差异。这可能是由于参与者不断对照虚拟地标检查他们的进度，以确保他们使用最短的路线朝着正确的方向前进，这可能会导致与不提供虚拟地标的情况下相当的响应时间，而虚拟地标需要更长的定位时间。总的来说，这些发现支持这样一种观点，即遥远的地标通过为参与者形成可靠的参考点来强烈影响空间知识检索，允许在基于地图的表示中集成其他空间位置。gydF4y2Ba

重要的是，在这项研究中，我们应用了沉浸式虚拟现实(VR)协议gydF4y2Ba^{40gydF4y2Ba，gydF4y2Ba74gydF4y2Ba，gydF4y2Ba75gydF4y2Ba}并为本研究提供了一个近乎自然的实验环境。之前使用不允许参与者运动的固定实验协议的研究表明，在比较没有自然运动的虚拟环境和有自由运动的现实环境时，寻路表现存在差异gydF4y2Ba^76gydF4y2Ba然而，在两种环境下的表现之间有显著的相关性gydF4y2Ba^77gydF4y2Ba．相比之下，Pastel及其同事(2020)关于VR空间定位的研究发现，人类导航员在虚拟环境中主动移动时的表现可以与真实环境中的表现进行比较gydF4y2Ba^60gydF4y2Ba．我们的研究允许在虚拟环境中自由移动，类似于现实世界的导航。通过自由移动，参与者可以使用他们所有的自然感官探索和感知他们的环境，包括视觉、前庭和本体感觉反馈关于空间位置和方向的变化。因此，当前VR环境中所显示的VGL系统对空间知识检索的影响也可能提高现实世界中用户的相同能力。gydF4y2Ba

此外，我们的固定活动热图显示，当参与者通过vgl向他们展示稳定的远处地标时，他们对当地地标的搜索显著减少。这可能是因为远处的地标为参与者提供了更确定的方向感。他们不是盲目地在环境中寻找线索，而是知道如何到达目标。有趣的是，在没有遥远地标的试验中，对当地地标的高度关注可能表明参与者的导航策略，尽管缺乏全局空间参考方向，但他们打算将一个类似的信标作为一个罗盘般的参考，来自位于最中心的连接环境中其他位置的当地地标。gydF4y2Ba

许多研究表明，顶叶和额叶皮层作为空间定位系统的重要输入，在导航和多模态信息的整合中发挥着重要作用gydF4y2Ba^{49gydF4y2Ba，gydF4y2Ba78gydF4y2Ba，gydF4y2Ba79gydF4y2Ba，gydF4y2Ba80gydF4y2Ba，gydF4y2Ba81gydF4y2Ba}．此外，额顶网络还涉及到人类导航活动中视点无关和视点依赖的参考倾向gydF4y2Ba^{41gydF4y2Ba，gydF4y2Ba43gydF4y2Ba，gydF4y2Ba54gydF4y2Ba}．因此，在研究大脑对寻路和指向任务的反应时，我们将重点放在额叶和顶叶区域。结果显示，脑电图功率调制在顶叶和额叶簇的α (8 - 14 Hz)、β (15-30 Hz)、δ和θ (<8 Hz)波段发生了显著变化。gydF4y2Ba

在不同的时间动态中观察到alpha波段的去同步化，如图所示。gydF4y2Ba4 c、ggydF4y2Ba．α抑制可能与顶叶皮层的信息处理增加有关gydF4y2Ba^82gydF4y2Ba．此外，顶叶皮层的α振荡也可能与空间信息处理和导航有关gydF4y2Ba^{83gydF4y2Ba，gydF4y2Ba84gydF4y2Ba}．这表明注意力和语义记忆需求的增加，导致alpha波段活动的选择性抑制。这种解释意味着vgl的存在导致视觉空间处理的增加，以及个人相对于环境的位置和方向的整合。此外，研究还揭示了在航向变化前和航向变化期间，在顶叶和脾后皮层或附近的强烈alpha阻塞是导航过程中空间信息从视点无关参考系转换为视点依赖参考系或反之亦然的活动模式gydF4y2Ba^{41gydF4y2Ba，gydF4y2Ba42gydF4y2Ba}．视野中VGL的强烈顶叶alpha阻塞可能反映了自我中心感知的远处地标与视点无关的参考框架的整合。空间参考信息的转换可以建议参与者在规划通往目标的路线时整合相对于VGL的其他空间位置，从而在空间知识处理过程中得到基于地图的策略的支持。两种类型试验的ERSPs差异还揭示了额叶簇的δ带和θ带的强烈不同步。已经被广泛证明，前额theta活动的增加反映了在导航任务中心理努力的增加gydF4y2Ba^{84gydF4y2Ba，gydF4y2Ba85gydF4y2Ba}．据报道，人类额叶θ波的活动也会随着记忆负荷的增加而增加gydF4y2Ba^86gydF4y2Ba．在没有虚拟地标的试验中不断增加的theta功率支持了参与者在单独使用真实地标时付出更多努力来完成寻路任务的假设。由于缺乏连续的定向信标，参与者需要记住更多的中间局部地标，从而增加了内存需求。gydF4y2Ba

关于β波段功率，我们对寻路任务中的ersp的分析表明，在顶叶和额叶簇中，β波段都有很强的不同步。Beta能力已知与感觉运动任务有关gydF4y2Ba^87gydF4y2Ba．当运动发生变化时，它会减少，当运动必须被主动抑制时，它会增加gydF4y2Ba^{88gydF4y2Ba，gydF4y2Ba89gydF4y2Ba，gydF4y2Ba90gydF4y2Ba}．关于VGL试验中的β活性，β振荡的抑制在试验开始后不久发生，在VGL显示后持续下降。在没有远处地标的试验中，β能量随着试验的开始而增加，并在局部地标出现后不久略微下降。条件差异的ERSPs显示，与非VGL试验相比，VGL试验的抑制具有统计学意义。这一结果可能意味着，当参与者在寻路任务中得到VGL的支持，为目标规划路线时，可以实现一个保持的方向。正如持续的beta抑制所揭示的那样，参与者可能已经准备好在VGL试验中更快地导航。与有远处地标的试验相比，没有虚拟定向信标的试验结果可能表明，在寻路任务中没有本地地标时，方向丢失的时间较短。只有在看到当地地标后，参与者才能获得方向信息并开始运动。这一结果支持了这样一种假设，即参与者能够通过稳定地呈现远处地标来形成和编码多个空间刺激之间的关系，从而在环境中保持自己的方向。gydF4y2Ba

总之，我们的研究结果表明，与仅根据当地地标导航相比，VGL系统可以鼓励和帮助参与者处理更多的环境空间信息。通过显示环境中远处的地标，增强与视点无关的相关线索的范围，VGL系统可以提高视点相关和视点无关的空间信息的集成，并鼓励基于地图的策略。这可能是认知导航辅助系统和导航辅助应用的潜在解决方案，旨在支持空间学习，而不仅仅是为我们指路。例如，VGL系统的潜在应用可能是在下一代导航系统(例如AR导航系统)中使用虚拟全球地标，以及其他导航辅助工具，如方向箭头和转弯指示，以保持导航支持，并鼓励用户处理他们的空间环境。此外，VGL系统有潜力支持老年或早期阿尔茨海默氏症患者的特定损伤在中心位置导航。在未来的工作中，我们将继续从长期的知识获取角度研究VGL对空间学习的影响。gydF4y2Ba

参与者gydF4y2Ba

实验涉及27名参与者:9名女性和18名男性(见表格)gydF4y2Ba1gydF4y2Ba查阅人口统计资料)。在参与研究之前，对实验程序进行了解释，每个参与者都提供了知情同意。悉尼科技大学(UTS)的人类研究伦理委员会(HREC)也审查了该协议，并发布了批准(ETH17-2095)。所有试验都在UTS科技实验室进行。没有参与者报告有可能影响实验结果的心理障碍史。为了控制空间能力的个体差异，我们进行了SBSOD测试gydF4y2Ba^58gydF4y2Ba和PTSOT测试gydF4y2Ba^59gydF4y2Ba在进行实验之前。gydF4y2Ba

VGL系统设置gydF4y2Ba

为了在不干扰整体环境的情况下，作为特定位置方向的稳定参考，vgl显示为真实地标的透明二维剪影。vgl显示在与场景中其他当地地标的距离和高度相似的位置，以避免不舒服的眼球运动。这些旨在为头戴式VR提供有效的空间信息，以增强用户的空间学习机会和能力gydF4y2Ba^67gydF4y2Ba．在这些虚拟地标的帮助下，用户在潜意识中被鼓励不断地从特定位置计算方向。剪影由VR在参与者视线范围内的地标方向上投影。无论是走路还是转身，只要参与者朝那个方向看，他们就能看到真正的地标，如果它被周围的另一个物体挡住了，他们就能看到轮廓。在悉尼公园的场景中，有三个遥远的地标:灯塔、悉尼歌剧院和悉尼塔眼。gydF4y2Ba

VR和EEG设置gydF4y2Ba

数字gydF4y2Ba5 bgydF4y2Ba为参与者提供设置的概述。悉尼公园的场景是基于虚拟现实，但模仿了悉尼植物园的真实环境。该场景是完全沉浸式的，以便在导航任务实验期间保持参与者的注意力。我们使用了HTC的Vive Pro眼戴式耳机，内置了Tobii眼动仪。据HTC报道，Vive Pro眼睛采用双OLED 3.5英寸对角线显示屏，每只眼睛的分辨率为1440 × 1600像素(合起来是2880 × 1600像素)，刷新率为90hz。参与者的头部位置主要由嵌入式惯性测量单元跟踪，而外部灯塔跟踪系统以60 Hz的更新速率清除了常见的跟踪漂移。我们使用Tobii眼动仪以120 Hz的采样率跟踪参与者的眼睛活动。gydF4y2Ba

脑电图数据使用Brain Vision的LiveAmp 64系统(Brain Products, Gilching, Germany)连续记录，使用64个活动电极安装在弹性帽上。电极根据扩展的10-20系统定位gydF4y2Ba^91gydF4y2Ba．EEG信号参考位于FCz的电极，所有传感器的阻抗保持在5 kΩ以下。当参与者注视一个确定的地标(真实的和虚拟的)表面时，就会产生脑电图事件。来自脑电图帽、眼动仪和头戴式显示器的所有数据流均与实验室流媒体层(LSL)同步。gydF4y2Ba

悉尼公园场景gydF4y2Ba

悉尼公园是在Unity 2018.3.5f1 (Unity Technologies, USA)中创建的。数字gydF4y2Ba5度gydF4y2Ba显示场景的鸟瞰图(为了获得更清晰的视图，删除了场景内部和周围的植物和树木)。场景的两边只有大海，一个灯塔位于海洋旁边的角落(标记为no。图12。gydF4y2Ba5度gydF4y2Ba)．在剩下的两边，一边可以看到悉尼歌剧院，另一边可以看到悉尼塔眼，与皇家植物园的景色相似。gydF4y2Ba

悉尼公园环境由11个当地地标(标记为no。1到no。图11。gydF4y2Ba3 bgydF4y2Ba)和3个远处的地标(包括灯塔、悉尼歌剧院和悉尼塔眼)，结合小径、十字路口、灌木丛、树木等。为了控制所有远处地标的可见比例，我们使用了背景植物，例如树木，以确保远处的地标被遮挡。在每个检查点检查所有远处地标的可见状态(检查点地图如图所示)。gydF4y2Ba6gydF4y2Ba)．总的来说，在实验过程中，近60%的时间里，远处的地标被挡住了视线。gydF4y2Ba

实验过程gydF4y2Ba

我们进行了一个预测试(SBSODgydF4y2Ba^58gydF4y2Ba, PTSOTgydF4y2Ba^59gydF4y2Ba)要求所有参加者在开始前评估他们的空间能力。然后，参与者沿着如图所示的预定义路线探索悉尼公园场景。gydF4y2Ba5度gydF4y2Ba．之后，他们执行两个特定的导航任务:一个指向任务和一个寻路任务。所有的任务都在悉尼公园场景中进行，并涉及主动导航，包括物理步行。实验过程概述如图所示。gydF4y2Ba5gydF4y2Ba．gydF4y2Ba

检测前gydF4y2Ba

在这个阶段，我们评估了个体参与者在VR场景中执行探索和导航任务之前的空间能力。在完成这一阶段时，参与者不知道接下来的实验程序。每位参与者都完成了SBSOD问卷和PTSOT测试。SBSOD是一种环境空间能力的标准化自我报告量表，包括15个项目，是对个体方向感的主观衡量gydF4y2Ba^58gydF4y2Ba．PTSOT是一种评估空间定位能力的问卷，要求参与者在一个环境中想象自己处于不同的方向，以便从想象的角度指示目标物体相对于自己和其他物体的方向gydF4y2Ba^59gydF4y2Ba．gydF4y2Ba

勘探阶段gydF4y2Ba

首先，每个参与者都有五分钟的时间在虚拟现实环境中的一片草地上漫步。接下来，他们开始在听觉指导的帮助下，沿着固定的、预定义的路线在悉尼公园场景中行走(见图2)。gydF4y2Ba5度gydF4y2Ba和视频gydF4y2Ba1gydF4y2Ba在补充视频中)。这是为了帮助和标准化参与者如何探索环境。以下任务中涉及的所有目标地标在导航固定路线时只经过两次。在探索阶段没有显示虚拟全局地标。gydF4y2Ba

指向和寻路任务gydF4y2Ba

在实验的下一阶段，参与者被分配了两个导航任务:指向和寻路。如图所示，他们在拿着控制器时执行指向任务。gydF4y2Ba5 bgydF4y2Ba．在预定的起点，参与者被要求指向目标地标的中心。当指向时，他们只被允许站在原地并旋转;严格禁止行走，以确保目标不被发现。为了确定方向，参与者必须在用另一只手指向的同时，通过按控制器上的按钮来“锁定”他们的点。接下来，参与者被要求在寻路任务中找到相同的目标。在这个阶段，参与者被允许在悉尼公园自由行走，直到他们到达目标地点。当参与者进行指示和寻路任务时，从起点看不见远处的地标。换句话说，参与者不能在指向任务中指向远处的地标。此外，在寻路任务中，远处的地标模糊了近60%的场景，因此参与者不能总是指向远处的地标。 Under these conditions, we separated trials with virtual global landmarks and trials without them. In non-VGL trials, as described above, participants could not refer to distant landmark while in the VGL trials, distant landmarks were always visible either through direct visual contact of through a virtual global landmark. A total of six trials were completed with each participant, three trials under each landmark condition (with or without VGL). Within each navigation task, there were two landmark targets, and both were visited in sequence: i.e., pointing to Landmark 1; walking to Landmark 1; pointing from Landmark 1 to Landmark 2; then walking from Landmark 1 to Landmark 2. Figure5 dgydF4y2Ba显示所有起始点和目标地标的地图。视频中提供了一个参与者执行这些任务的例子gydF4y2Ba2gydF4y2Ba在补充视频中。gydF4y2Ba

眼部信息分析gydF4y2Ba

在指向和寻路任务期间，我们分别为每只眼睛和每次试验捕获眼球运动和其他信息。所有眼部原始数据导入MATLAB R2019b (MathWorks Inc.， USA)进行分析。为了评估参与者何时以及多长时间注视当地地标，我们计算了每种试验类型的注视总数。图中的热图。gydF4y2Ba3 a, cgydF4y2Ba标记的固定物gydF4y2Ba冲浪gydF4y2Ba函数。我们应用了gydF4y2BagkdegydF4y2BaMATLAB工具gydF4y2Ba^92gydF4y2Ba实现固定的高斯核密度估计。gydF4y2Ba

脑电图分析gydF4y2Ba

预处理gydF4y2Ba

使用EEGLAB工具箱版本2020.0将所有原始EEG数据导入MATLAB版本2018a (MathWorks Inc.， USA)gydF4y2Ba^53gydF4y2Ba以便进一步处理。对于每个参与者的原始数据，我们首先通过目视检查数据质量。在27名参与者中，由于脑电图质量较差且信号不连续，排除了2名参与者的数据。其余25名参与者的原始数据首先被带通滤波，从1hz到100hz，然后向下采样到250hz。然后，将每个单任务的数据合并到一个大型EEG数据集，进行以下预处理步骤。线路噪声(50 Hz)和相关的谐波被去除使用gydF4y2BacleanlinegydF4y2Ba函数。随后，死通道被移除(阈值= 5秒)使用gydF4y2Baclean_flatlinesgydF4y2Ba函数在EEGLAB。方法拒绝有噪声的信道gydF4y2Baclean_channelsgydF4y2Ba函数。64条通道中切除4.62±3.02条。通过球面样条插值所有缺失的脑电图通道，然后重新引用所有通道的平均值。通过自动连续数据清洗，去除时域内的噪声数据gydF4y2Bapop_rejcontgydF4y2Ba函数。我们使用基于频谱(阈值= 10 dB)的窗长为0.5 s，重叠为0.25 s的汉明锥窗来清洗频率范围为1hz到100hz的连续数据。平均去除时域42.70%±14.84%的数据。然后将数据提交给自适应混合独立成分分析(AMICA)gydF4y2Ba^68gydF4y2Ba将数据分解为一系列统计上最大程度独立的组件(ic)。在脑电图分析中，独立分量分析法(ICA)已被脑电图研究界广泛应用，用于去除数据中的非脑噪声，如眨眼、肌肉运动和线条噪声gydF4y2Ba^{52gydF4y2Ba，gydF4y2Ba53gydF4y2Ba}．在这里，我们采用AMICA方法将大脑来源与非大脑信号分离，并在特定的大脑区域捕获大脑成分。AMICA的主要特点之一是混合使用广义高斯密度模型对源密度模型进行调整，从而使密度模型与被估计源的实际密度之间有很好的拟合。一个参与者的原始EEG信号和ICA结果的例子显示在补充图中gydF4y2Ba3.gydF4y2Ba补充信息。使用EEGLAB DIFIT2例程实现的边界元头部模型计算每个独立组件的等效偶极子模型，包括设置模型和首选项、网格扫描和非线性交互拟合gydF4y2Ba^93gydF4y2Ba．最后，将空间滤波模型和偶极子模型复制回预处理但未清洗的EEG单任务数据(时域未清洗)中进行进一步分析。预处理的管道代码在补充信息的“补充方法”中提供。gydF4y2Ba

试验提取gydF4y2Ba

抽取寻路任务中清洗后的数据，时间窗口为[-1 7]s。每个epoch的基线为[-1 0]s，以计算与基线活动相关的显著差异。这样，只研究了ERSP中特定刺激相关的活动。根据检查点生成起始和偏移事件(见图2)。gydF4y2Ba6gydF4y2Ba)．对于两个检查点之间的每一个时间段(在VGL试验中的虚拟全局地标或非VGL试验中的局部地标上)，在第一个检查点生成开始事件，在第二个检查点定义偏移事件。方法根据组件活动检测和删除坏epochgydF4y2BaautorejgydF4y2Ba函数。平均去除非vgl条件的0.15%±0.74%的epoch;没有一个遥远的地标被发现是坏的时代。gydF4y2Ba

独立组件聚类gydF4y2Ba

首先从所有参与者中选取等效偶极子模型残差小于15%的独立分量，去除位于头部球外的等效偶极子模型分量。换句话说，除了大脑成分，所有其他成分，包括肌肉，眼睛，心脏都被切除了。然后在EEGLAB中使用K-means聚类对所选成分进行聚类。避免“双重蘸水”问题gydF4y2Ba^{94gydF4y2Ba，gydF4y2Ba95gydF4y2Ba}时，仅将偶极子位置作为聚类的度量。在此过程后，至少60%的参与者的成分被分组。对于ERSP分析，我们将重点放在位于顶叶皮层和额叶皮层或附近的成分集群上，以寻找与空间导航相关的信息gydF4y2Ba^{44gydF4y2Ba，gydF4y2Ba45gydF4y2Ba，gydF4y2Ba46gydF4y2Ba，gydF4y2Ba47gydF4y2Ba，gydF4y2Ba48gydF4y2Ba}VGL和非VGL试验中的神经动力学。我们使用Talairach客户端工具gydF4y2Ba^{96gydF4y2Ba，gydF4y2Ba97gydF4y2Ba}评估离目标聚类质心和聚类分量最近的偶极子位置的灰质。此外，为了可视化去除非大脑ic后清理数据的效果，我们分析了额叶和顶叶集群站立和行走的基线数据。在基线阶段，参与者在VR环境中站在一片空白的草地上(没有视觉刺激)一分钟，然后在草地上再走四分钟。基线站立和行走的ersp见补充图。gydF4y2Ba4gydF4y2Ba补充信息。gydF4y2Ba

事件相关谱摄动(ERSP)与统计gydF4y2Ba

我们首先基于感兴趣的聚类在单个独立组件级别上计算ersp，然后在参与者级别上求平均值，最后在组级别上求平均值。为每个独立成分绘制ERSPsgydF4y2BanewtimefgydF4y2Ba函数并线性时间扭曲到[-1 5]s的epoch长度。对来自同一参与者的所有独立分量的时频数据进行平均。然后，对所有参与者的ersp在组水平上的最终ersp取平均值。与基线活动的显著差异以红色表示阳性偏差，蓝色表示阴性偏差，绿色表示非显著差异。我们使用gydF4y2BanewtimefgydF4y2Ba函数的统计阈值为gydF4y2BapgydF4y2Ba< 0.001为所有选定独立成分的双尾排列显著性概率水平。在补充信息中，我们在补充图中提供了我们脑电图分析处理步骤的全局视图。gydF4y2Ba5gydF4y2Ba．gydF4y2Ba

统计分析gydF4y2Ba

使用SPSS统计26(国际商业机器公司(IBM)分析，阿蒙克，美国)进行统计分析。数据可视化是用gydF4y2BaggplotgydF4y2BaR的函数gydF4y2Ba^98gydF4y2Ba(RStudio公司，美国)。我们计算了单向重复测量方差分析gydF4y2Ba^{99gydF4y2Ba，gydF4y2BaOne hundred.gydF4y2Ba}根据类型(VGL和非VGL)对寻路和指向任务以及眼睛活动进行受试者内因子试验。寻路分析的依赖值是响应时间(到达目标所花费的时间)和参与者行进的距离。对于指向任务，相关值包括响应时间和到目标中心的角误差。为了分析固定热图，计算2 × 11因子重复测量方差分析，考虑受试者内部因子虚拟全局标志条件(VGL和非VGL)和标志标识(1至11，与图中的标签一致)。gydF4y2Ba3.gydF4y2Ba)．VGL和非VGL试验的每项测量都单独计算。gydF4y2Ba

对于所有测量，我们首先研究数据，以检查是否存在主题内因子计算的异常值。所有箱线图检查的值大于1.5盒长度从盒的边缘被删除。然后我们计算了每个参与者的两个平均值:一个用于VGL试验，另一个用于非VGL试验。然后再次检查平均值，用中值插值异常值。此外，我们还进行了夏皮罗-威尔克检验，以确定两种试验类型的平均值在受试者内因子试验类型(VGL和非VGL)的每个水平上是否呈正态分布。我们使用Spearman的秩序相关性(rank-order correlation)来评估个体空间能力因子(SBSOD和PTSOT分数)与所有指标之间的关系。斯皮尔曼相关系数结果见补充图。gydF4y2Ba1gydF4y2Ba补充信息。有了显著相关的因素，我们然后使用这些测试的分数作为协变量来评估参与者固有的主观方向感和定向能力对他们完成导航任务的影响程度。gydF4y2Ba

报告总结gydF4y2Ba

有关研究设计的进一步资料，请参阅gydF4y2Ba自然研究报告摘要gydF4y2Ba链接到这篇文章。gydF4y2Ba