Exjobb

Informationsvisualisering
i Virtual Reality

Under våren 2017 gjorde två civilingenjörsstudenter från programmet för Medieteknik på KTH sina examensarbeten hos oss på Adaptive Media. Här på kontoret älskar vi ny teknik, och eftersom båda exjobben handlade om virtual reality valde vi att koppla ihop studenterna med en av våra kunder. Detta tillät studenterna att använda intressant data för kunna göra något riktigt nytänkande och nyttigt för kunden.

Teknikerna som användes för att bygga applikationen.

Tech

Hur byggdes applikationen?

Under sex veckor utvecklades systemet som byggdes i två delar - en webb-baserad backend för att leverera datan, samt en VR-applikation som agerar frontend och visar datan.

Frontend skrevs i C# i spelmotorn Unity, tillsammans med två plugins för Unity - SteamVR och VRTK. SteamVR är ett SDK skapat av Valve och användes för att få stöd för VR-setet HTC Vive som var den VR-plattform som användes för applikationen. VRTK (Virtual Reality Toolkit) är ett open source toolkit gjort för att snabbt bygga interaktiva VR-appar i Unity och användes för de interaktiva elementen.

Backend är byggd med PHP-ramverket Lumen som gör det smidigt att snabbt bygga ett enkelt och funktionellt API som sedan frontend-delen kan använda sig av för att hämta datan som finns i en PostgreSQL-databas.

I VR-appen skapas en HTTP-request med ett antal förbestämda parametrar. Requesten skickas till backend som behandlar informationen och skickar tillbaka ett JSON-svar som tolkas av frontend som blixtsnabbt ritar upp datan.

Interaktion i VR

Interaktion

Hur interagerar man
med data i VR?

I och med den stora hypen som uppstått kring VR och dess olika användningsområden – där underhållning varit i fokus på senare tid – borde vi fundera på hur vi designar saker i VR. Är det klokt att hålla fast vid samma interaktionselement som vi känner igen (exempelvis från webbaserade gränssnitt), eller ska man helt enkelt ta och hitta på helt nya interaktioner? Den ena studien som gjordes hos oss undersökte den frågan tillsammans med andra, för att utforska sätt att genomföra bekanta filtreringsoperationer som känns igen från webbmiljöer, i VR.

Resultaten visar att användandet av webbinspirerade interaktionsmetoder för att genomföra filtreringsoperationer i VR hjälpte deltagarna att förstå hur filtren fungerade. Genom att förstärka interaktionerna med haptisk och visuell feedback kan vi efterlikna naturliga interaktioner, vilket uppfattades som hjälpsamt samtidigt som interaktionerna kändes mer naturliga.

Läs rapporten →

Visualisering

Hur visar man data i VR?

Vi genererar ofantliga mängder data varje dag, men utan att visualisera denna data är det inte säkert att vi lär oss någonting av den. Med detta följer även ett behov av att visualisera denna data i flera dimensioner, något som varit svårt i informationsvisualiseringar tidigare då det är svårt att representera djup på en platt skärm så att människor förstår. Med VR-teknik kan vi däremot använda detta djupseende i informationsvisualiseringar, men vad händer med vår överblick av informationen när vi ser och interagerar med den i 3D?

Resultaten visade att det var viktigt att kunna se grafen från olika perspektiv för att få en överblick, såväl som att kunna aktivt filtrera och interagera med visualiseringen för att kunna gräva djupare i datan. För att kunna gräva djupare kände många testpersoner att de behövde ett sätt att enkelt kunna jämföra delmängder av datan med varandra.

Läs rapporten →
Visualisering av data i VR
Användartester

Metod

Användartester

Båda studierna utvärderades under två omgångar användartester med en designiteration mellan omgångarna. Under dessa testsessioner användes både kvantitativa och kvalitativa utvärderingsmetoder. Efter en kort pilotstudie för att säkerställa att testmetoden var utformad på ett bra sätt rekryterades tretton deltagare med spridda erfarenheter gällande VR och informationsvisualiseringar. Efter en kort introduktion tog sig varje deltagare igenom åtta förbestämda uppgifter väl inne i VR, samtidigt som data samlades in via think-alouds och användarstatistik automatiskt loggades i appen.

Efter att testet var slutfört hölls semistrukturerade intervjuer med alla deltagarna för att gå in mer på djupet och analysera hur väl appen fungerade med avseende på överblick av data och interaktionsmetoderna.

Case

Ownit