The Full-scale Assembly Simulation Testbed (FAST) Dataset

近年来，许多研究人员开始探究虚拟现实（VR）追踪和交互数据如何用于各种机器学习目的，包括用户识别、预测晕眩症和估计学习收益。该研究领域的一个限制是缺乏开放数据集。在本文中，我们介绍了一个使用基于VR的全尺寸装配模拟试验台（FAST）捕获的新的开放数据集。该数据集由108名参与者（50名女性、56名男性、2名非二元）学习如何在VR中组装两种不同的全尺寸结构时收集的数据组成。除了解释如何收集数据和描述包含的数据外，我们还讨论了未来研究人员如何使用该数据集。

本论文旨在解决虚拟现实（VR）领域中数据集匮乏的问题，提供一个新的开放数据集，以供未来研究使用。该数据集是通过VR Full-scale Assembly Simulation Testbed（FAST）收集的，用于学习如何在VR中组装两种不同的全尺寸结构。

本论文的关键思路是提供一个新的开放数据集，以帮助未来的研究人员进行机器学习研究，包括用户识别、预测晕动症和估计学习收益等方面。

该数据集包含108名参与者的数据，其中50名女性，56名男性，2名非二进制者。论文详细描述了数据集的收集方式和包含的数据，并讨论了未来研究人员如何利用该数据集。本论文的亮点是提供了一个新的开放数据集，可以用于VR领域中的机器学习研究。

最近的相关研究包括使用VR进行机器学习的研究，以及使用VR进行用户交互分析的研究。其中一些研究包括“Virtual Reality Interaction Dataset for Human Activity Recognition”和“Deep Reinforcement Learning for Robotic Manipulation with Visual Inputs”。