증강현실에서 거리 적응형 시각 가이드 시스템 구현 및 평가

Ⅰ. 서 론

증강현실(AR; augmented reality)은 디지털 정보를 현실 세계에 실시간으로 증강하여 몰입감 있는 콘텐츠 경험을 가능하게 한다[1]. 특히 광학 시스루 헤드 마운트 디스플레이 (OST-HMD; optical see-through head-mounted display)는 경량화된 설계와 완전 투명 렌즈를 특징으로 하여 가상현실 (VR; virtual reality)에 비해 현실감 있는 콘텐츠 경험이 가능하다[2]. Microsoft HoloLens 2로 대표되는 OST-HMD는 비디오 시스루 방식(VST-HMD; video see-through head-mounted display)과 달리 영상 지연이 없어 사용자 움직임 중에도 안정적인 사용이 가능하다는 장점을 갖는다[3]. 이러한 기술적 장점에도 불구하고 현재 상용화된 AR HMD는 제한된 시야각 문제를 안고 있다[4]. Microsoft HoloLens 2의 경우 수평 시야각이 43°에 불과하여, 약 180°에 이르는 인간의 자연스러운 시야각과 큰 차이를 보인다[5]. 이러한 시야각 제약은 사용자가 증강 객체와 상호작용을 제한하며, 특히 시야 밖에 있는 가상 객체들을 인지하지 못하게 되는 문제가 발생할 수도 있다. 이와 같은 문제는 박물관이나 교육 시설의 경우, AR을 통한 전시 콘텐츠 관람 시 완전한 경험이 이루어지지 못하기도 하며[6], 제한된 시야각은 AR 객체 배치 가능성을 축소해 완전한 몰입형 혼합현실 경험의 가능성을 제한할 우려도 있다[7]. 기존 연구들은 시야 밖 콘텐츠에 대한 다양한 시각적 가이드 방법들을 제시했지만, 주로 단일 가이드 방식에 의존하여, 사용자와 객체 간 거리 변화에 따른 적응적 반응에 대한 고려가 부족했다. 특히 사용자를 중심으로 한 계층적 공간 분할을 통해 거리 기반 적응형 가이드를 제공하는 연구는 아직 충분히 연구되지 않았다. 이에 따라 위와 같이 시야각 제한으로 인한 문제점들을 보완하기 위해 Microsoft HoloLens 2를 활용한 거리 적응형 시각 가이드 시스템을 제안한다. Montello의 공간 인지 이론을 기반으로 사용자 중심의 계층적 공간 분할 기준을 제시하고, 객체의 위치와 속성에 따라 변화하는 동적 시각적 가이드를 시스템을 설계하였다.

본 논문은 다음과 같이 구성된다. Ⅱ장에서는 AR 환경에서의 시야각 제한 문제와 시각적 가이드 시스템에 관한 선행 연구를 고찰한다. Ⅲ장에서는 Montello의 공간 인지 이론에 기반한 시스템 설계 원리와 구현 방법을 기술한다. Ⅳ장에서는 12명의 참가자를 대상으로 한 사용자 실험 설계와 평가 방법에 이어 정량적·정성적 실험 결과를 분석한다. 마지막으로 Ⅴ장에서는 연구의 시사점과 한계, 향후 연구 방향을 논의한다.

Ⅱ. 선행 연구

2-2 시야 밖 객체를 위한 시각적 가이드 방식

1) 방향 지시 방식

방향 지시 방식은 주로 객체의 방향 정보를 시각적으로 제공하여 사용자가 목표를 찾아가도록 안내하는 방법이다.

‘3D 화살표’는 가상 객체의 3차원 방향을 직접적으로 제시하며, 거리에 따라 크기가 조절될 수 있다[10]-[12]. 사용자는 이러한 방식을 간단하고, 명확하며, 직관적이라 평가했으며 시야 밖 객체의 위치를 파악하고 추정하는 데 긍정적인 성능을 보였다는 의견을 보이기도 하였다[13]. 그러나 대략적인 방향만 제공하는 점은 다른 유형에 비해 높은 인지 부하를 유발할 수 있다는 점도 발견되었다[10]. 구체적으로 일부 사용자들은 화살표가 시야를 가린다고 언급하였으며, 사용자의 등 뒤에 있는 객체를 가리킬 때 방향 해석에 어려움을 겪는 것이 관찰되었다[13].

‘Halo’는 시야 밖 객체의 위치를 시각화 하기 위해 객체 주변에 원을 그리고, 이 원의 반지름으로 거리 정보를 인코딩 하는 방식이다[14]. 이 방식은 텍스트 정보가 표시된 화살표 기반 시각 가이드보다 더 나은 성능을 보였고, 특히 소수의 시야 밖 객체가 있을 때 사용자들이 더 나은 성능을 보였다. 하지만 다수의 객체가 있을 경우에는 원이 겹쳐 화면이 복잡해지는 문제가 발생할 우려도 제기되었다[15]. 이를 해결하기 위해 ‘Halo Dot’과 같은 두 가지 이상의 방식을 사용하는 해결책이 제시되고 있다.

2) 경로 지시 방식

경로 지시 방식은 사용자에게 목표 객체까지 직접적인 이동 경로를 시각적으로 제시하는 안내 방법이다.

‘Attention Funnel’은 사용자의 머리 또는 시점부터 객체까지 이어지는 경로를 연속적으로 시각화하였다[16]. 경로를 따라 반복되는 패턴을 배치하여 사용자의 시각적 주의를 유도한다. 실험 결과, 시각적 하이라이팅 및 언어적 단서와 비교했을 때, 가장 짧은 시간 내에 목표 객체를 찾게 하고, 가장 높은 일관성을 유지했다.

‘3D Bezier 곡선’은 시작점과 끝점으로 정의되는 2차 Bezier 곡선을 사용하여 3D 경로를 생성한다[13]. ‘3D 화살표’와 비교하였을 때, 작업 완료 시간, 효율성, 정확성에서 유의미하게 나은 성능을 보였으나, 일부 참가자들은 곡선 디자인이 미학적이지 않거나 화면 공간을 너무 많이 차지한다고 평가하기도 하였다.

3) 혼합 방식

혼합 방식은 여러 시각적 가이드 요소를 결합하여 상황에 맞는 정보를 제공하는 안내 방법이다.

선행 연구자가 제시한 가이드인 ‘Arradar’는 원거리에 있는 객체에는 3D 화살표를, 근거리에 있는 객체에는 레이더 안내를 결합한 가이드이다[17]. 3D 화살표는 원거리 객체의 직접적인 방향을 안내하고, 레이더는 탐지 범위 내의 가까운 객체에 대한 방향 및 거리 정보를 보여준다. 이 방법은 해당 연구에서 언급된 다른 가이드보다 작업 완료 시간을 단축하게 하는 데 더 나은 성능을 보였다.

Table 1.

Table classifying previous studies by guiding method

Ⅲ. 시스템 설계 및 구현

3-1 설계의 이론적 원리

1) Montello의 공간 인지 이론 적용

본 연구는 Montello의 공간 인지 이론을[22] 기반으로 증강현실 환경에서의 3차원 공간 전체를 활용하는 객체 가이드 시스템을 설계하였다. 이 이론은 인간의 신체를 기준으로 한 투사 크기(Projective Size)에 따라 공간을 구분한다.

사람의 신체 크기, 공간 내 거리, 대상과의 조작 가능성 및 인지 방식에 따라 공간을 Figural, Vista, Environmental, Geographical Space 4단계로 나눌 수 있다. 이는 거리에 따라 사용자의 인지적 처리 방식과 공간 지각에 본질적인 차이가 존재한다는 점을 반영한다. 기존의 평면적인 거리 분류(x, y축)를 넘어서 사용자를 중심으로 모든 방향(x, y, z축)에서 공간 계층을 나눈다는 점에서 본 연구의 이론적 토대를 제공한다. 각 공간의 범주는 정량적 거리보다는 신체 대비 환경의 투사 크기, 신체를 통한 직접 조작 여부, 인지 부하, 물리적 이동의 필요성과 같은 질적 기준으로 구분되며, 그 경계는 절대적 수치가 아닌 사용자 경험에 따라 유연하게 정의 될 수 있다.

2) 거리별 공간 구역 정의

본 연구에서 제안하는 가이드는 Montello의 이론을 바탕으로 근거리(주로 신체 일부를 통해 즉각적 조작 및 파악 가능), 중거리(부분 이동이나 시야 범위 밖의 공간 파악 필요), 원거리(신체 이동과 탐색을 통한 경험적 파악 필요)의 세 가지 범주로 공간을 구분하여 가이드를 적용하고자 하였다.

Fig. 1.

Spatial zones based on Montello theory

근거리(1m 이내): 신체보다 작아 직접 조작할 수 있는 ‘Figural Space’와, 움직임 없이 시각적으로 전체를 파악할 수 있는 ‘Vista Space’를 포함하는 영역이다. 이 구역에서는 최소한의 머리 움직임으로도 객체를 인지하고 상호작용할 수 있다. 이러한 경계 설정은 인간공학적 팔 뻗기 범위(Arm’s Reach)와 직접 조작에 근거하며, Hall의 개인 공간(Personal Space, 약 45cm~1.2m)개념[23] 및 Cutting과 Vishton이 밝힌 약 1m 이내의 거리감을 효과적으로 인식하는 범위 즉, 효과적인 양안시(Binocular Vision) 범위와 일치한다[24]. 중거리(1m~2m): 객체와의 상호작용을 위해 약간의 신체적 이동이 필요한 영역이다. ‘Vista Space’의 가장자리부터 ‘Environmental Space’의 초반 영역에 해당한다. Previc은 팔이 닿는 거리(Peripersonal Space)와 그 이상의 거리(Extrapersonal Space)를 구분하며, 이 경계에서 신경학적 처리 방식이 질적으로 변화함을 제시했다[25]. 또한, Popescu와 Wexler는 공간 인지 과제 수행 시, 사용자가 자발적 머리 회전을 통해 공간 정보를 통합한다는 것을 발견했다[26]. 이는 중거리 구간에서 머리 회전이나 부분적 이동을 통한 능동적 탐색이 필수적임을 의미한다.
원거리(2m 초과): 전체 공간을 이해하기 위해 신체적 이동이 필수적인 ‘Environmental Space’에 해당한다. 이 구역에서는 객체 탐색에 더욱 넓은 활동성과 인지적 부하가 요구된다. Montello는 ‘Environmental Space’를 “신체보다 크고 신체를 ‘포함’하는 공간으로, 이동(Locomotion)을 통해 통합되어야 하는 여러 Vista들의 집합”으로 정의했으며[22] Meilinger 등은 ‘Vista Space’와 달리 ‘Environmental Space’는 이동을 통한 정보 통합이 필수적임을 실험을 통해 입증하였다[27].

Fig. 2.

Guide operation modes. (1) 3D arrow guide, (2) Dot path guide, (3) Distance adaptive guide

이러한 공간 구분은 사용자의 물리적 움직임이 개입해야 하는 정도를 기준으로 설정되었다. 다만, Montello의 이론에서 각 공간 범주의 경계는 고정된 수치가 아니라 신체와 공간 간의 상호작용 방식, 인지적 처리 방식, 그리고 물리적 이동의 필요성이라는 질적(Qualitative) 체험에 따라 계층적으로 구분된다는 점을 인지할 필요가 있다. 따라서 본 연구에서 제시한 1m, 2m의 경곗값은 절대적 기준이 아닌, 실제 인간-공간 상호작용이 질적으로 변화하는 전환점을 나타내는 대략적 지표로 해석되어야 한다. 이러한 경계는 사용자의 신체 크기, 시야 범위, 과업 특성, 환경 맥락에 따라 유동적으로 달라질 수 있으며, 본 연구의 실험 환경(7.23m × 5.67m)과 HoloLens 2의 제한된 시야각을 고려한 설정이다.

3-2 가이드 유형별 설계

1) 3D 화살표 가이드

3D 화살표 가이드는 사용자의 시야 중앙에 위치한 화살표가 목표 객체를 향해 방향을 가리키는 방식이다. 이 가이드는 목표 객체와의 거리에 따라 크기와 위치가 동적으로 변하는 특징을 갖는다. 객체와의 거리가 20cm 이상일 때는 화살표가 시야 중앙에 위치하지만, 20cm 미만이 되면 중앙에서 벗어나 객체에 붙고 크기가 작아진다. 이는 사용자의 시야를 가리지 않기 위함이다.

Fig. 3.

3D arrow guide implementation screenshot. (Left) Distant object guidance state, (Right) Object discovery (interaction scene) state

2) 점선 경로 가이드

점선 경로 가이드는 사용자와 객체를 점선으로 연결하여 경로를 안내하는 방식이다. 이는 경로 안내의 명확성을 제공하고 사용자의 공간 인식을 강화하는 데 효과적이다. 또한, 시야 방해를 최소화하기 위해 점선의 시작 지점은 시야 중심이 아닌 가슴 높이(시선 기준 15cm 하단)에 위치하도록 설정하였다. 이 가이드는 형광 녹색으로 렌더링하여 시인성을 높였다.

Fig. 4.

Dotted path guide implementation screenshot. (Left) Distant object guidance view, (Right) Object discovery view (interaction scene)

3) 거리 반응형 가이드

거리 반응형 가이드는 Montello의 이론을 기반으로 설계된 거리 적응형 가이드 시스템이다. 사용자의 현재 위치를 기준으로 근거리(1m 이내) 및 중거리(1~2m)에 객체가 있을 경우 3D 화살표 가이드가 활성화되며, 원거리(2m 이상)에 있을 경우 점선 경로 가이드가 활성화된다. 3D 화살표는 사용자의 시야에 고정된 채 위치 변화에 따라 방향을 실시간으로 조정하며, 수평 및 수직 움직임에 모두 반응한다. 점선 경로는 사용자와 객체 사이를 곡선 형태의 점선으로 연결하며, 객체의 공간 위치에 따라 선의 곡률과 높이가 동적으로 조정되어 방향성과 거리감을 제공한다.

Fig. 5.

Street-responsive guide implementation screen capture. (Left) Distant object guidance (dotted guide activated), (Right) Nearby object guidance (arrow guide activated)

Fig. 6.

Principles of applying the Montello theory

3-3 구현 환경 및 기법

본 연구에서 제안하는 거리 적응형 시각 가이드는 MRTK 3 (Mixed Reality Toolkit 3) 및 Unity (Unity Editor 2022.3.53f1)를 이용하여 개발되었으며 개발된 가이드는 Microsoft HoloLens 2로 구현되었다.

본 시스템의 주요 사항은 사용자와 증강 객체 간의 거리를 실시간으로 인지하고, 활성 구역에 따라 가이드 방식을 실시간으로 전환하는 것이다. 이와 같은 전환 시스템은 Object Manager, Zone Manger, Guide Manger라는 세 가지 요소로 구성되었다.

Object Manager는 안내가 요구되는 모든 객체의 정보를 관리하고 생성하는 역할을 한다. 가이드 실행 시, 사용자의 초기 위치 기준으로 가상 객체를 생성한다. 또한 사용자에게 안내할 객체의 위치 정보를 Guide Manger에게 전달하여 객체 안내가 옳은 지점에 이루어질 수 있도록 한다. 이후 사용자가 목표 객체를 발견하면, 다음 차례의 객체로 안내될 수 있도록 Object Manager와 Guide Manager는 정보를 주고받는 구조이다.

Fig. 7.

Guide operation system configuration

Zone Manager는 사용자의 실시간 위치와 움직임을 지속해서 파악하여 구역의 정보를 업데이트하는 역할을 한다. ‘Vector3.Distance()’ 함수를 활용하여 사용자와 증강 객체 사이의 3차원 거리를 실시간으로 계산하고, 이를 통해 근거리, 중거리, 원거리 구역을 동적으로 판단한다.

Guide Manager는 Object Manager와 Zone Manager로부터 받은 정보를 바탕으로 사용자에게 표시될 가이드를 제어하는 역할을 한다. Object Manager에서 받은 목표 객체의 위치 정보와 Zone Manager에서 판단한 구역 정보를 바탕으로 3D 화살표 또는 점선 경로 가이드를 활성화한다.

가이드별 작동 방식은 다음과 같다. 근접과 중간 구역에서 활성화되는 3D 화살표는 ‘transform.rotation’과 ‘Quaternion.LookRotation()’을 사용하여 사용자의 움직임에 따라 실시간으로 대상 객체를 향하는 방향을 업데이트한다. 또한 원거리 구역에서 활성화되는 점선 경로 가이드는 Bézier curve algorithm을 사용하여 사용자 전방 1m 지점에서 시작해 대상 객체로 이어지는 경로를 부드러운 곡선으로 시각화한다. 완만한 곡선으로 생성되는 경로는 급격한 경사각으로 생성된 경로보다 사용자 시인성과 경로 인식의 용이성을 높였다.

Ⅳ. 실험 및 평가

4-1 실험 설계

본 연구에서 제안하는 거리 적응형 시각 가이드의 성능을 평가하기 위해 기본의 고정된 시각 가이드 두 가지와 이를 혼합한 유동적인 시각 가이드, 한 가지를 비교하는 사용자 평가를 진행하였다. 연구는 객관적인 행동 데이터와 주관적 사용자 평가를 종합적으로 분석한 혼합 방법론을 사용하였다.

1) 참가자

본 실험의 참가자는 12명의 성인 참가자(여성 10명, 남성 2명)가 참여하였으며, 중간 연령은 27.25세였다. 참가자는 대학원생으로 모집되었고, 실험에 앞서 각 참가자의 기본 정보를 수집하였다.

설문은 인구통계학적 특성, 스마트폰 및 디지털 기기 사용 빈도, AR/VR 관련 경험, 게임 플레이 경험, 시력 교정 여부 등을 포함하였으며, 모든 참가자는 정상 시력 또는 교정시력을 보유하고 있었다. 또한, 그룹 중 10명의 참가자가 AR 혹은 VR 사용 경험이 있는 것으로 조사되었다. 특히 기술 친숙도 파악을 위해 ‘새로운 기술에 대한 수용도’(5점 척도)와 ‘디지털 기기 사용에 대한 자신감’(5점 척도) 항목을 자체적으로 포함하였으며, 이는 참가자들의 평균 기술 친숙도가 5점 척도 중 4.0점으로 높은 수준임을 확인할 수 있었다.

Fig. 8.

A participant performing the task

2) 실험 절차

실험이 이루어지는 장소는 7.23m × 5.67m 크기에 높이 2.63m의 교내 강의실에서 수행되었다. 각 참가자는 3D 화살표, 경로 안내, 거리 적응형 가이드, 안내 없음의 네 가지의 조건을 수행하였으며, 조건마다 2가지의 객체 배치 상황에서 과제를 완료하였다.

Table 2.

Comparison table of guide operation methods

객체 배치 A는 사용자의 Eye Level에 위치하여 객체 발견이 수월하다. 반면, 객체 배치 B는 바닥, 천장, 위쪽 대각선, 아래쪽 대각선과 같이 Eye Level의 범위를 벗어난 위치한 객체들로 구성되어 극단적인 시선 이동과 상당한 머리 회전이 모두 필요할 것으로 예상된다. 참가자들은 이와 같은 두 가지 객체 배치 조건과 모든 가이드 조건을 체험하였다.

각 시나리오에서 참가자들은 12개의 큐브를 찾는 과제를 수행하였다. 학습 및 이월 효과를 줄이기 위해 실험은 과제 순서에 대해 라틴 스퀘어 설계(Latin Square Design)[28]를 따랐다. 각 참가자는 HoloLens 2의 시야 보정을 시작으로 안내 방법과 조작법을 숙지하는 튜토리얼 세션을 가졌다. 전체적인 실험 내용으로는 객체 찾기 과제 수행과 과제 후 설문조사가 포함되었다. 설문조사 완료를 포함한 전체 실험 시간은 참가자당 약 40~60분이었다.

Fig. 9.

Object placement zone

4-3 실험 결과

1) 정량적 결과

본 연구에서는 증강현실 환경에서 거리 적응형 시각 가이드 시스템의 효과성을 평가하기 위해 다양한 정량적 지표를 측정하였다. 실험 결과는 평균 이동 거리, 머리 회전 변화량, 첫 번째 객체 발견 시간, 그리고 총 과제 완료 시간의 네 가지 주요 영역으로 분석되었다.

Table 3.

Quantitative data results table

이동 거리 측정 결과는 거리 적응형 가이드가 2.784m로 가장 효율적인 공간 활용을 보였음을 나타냈다. 이는 근거리에서는 3D 화살표를, 원거리에서는 점선 경로를 사용하는 혼합 접근법이 불필요한 이동을 최소화하는 데 효과적임을 보여준다. 특히 객체 배치 B에서 거리 적응형 가이드는 2.757m로 다른 모든 조건보다 현저히 낮은 이동 거리를 기록했다. 3D 화살표 가이드는 2.876m로 두 번째로 효율적인 이동 거리를 보였으나, 과제 완료 시간과의 상관관계를 고려할 때 짧은 이동 거리가 반드시 빠른 과제 완료를 보장하지 않음을 확인할 수 있었다. 점선 경로 가이드는 2.990m로 상대적으로 긴 이동 거리를 보였지만, 명확한 경로 안내로 인해 가장 빠른 과제 완료 시간을 달성했다. 가이드가 없는 조건에서는 3.014m로 가장 긴 이동 거리를 보였으며, 객체 배치 A와 객체 배치 B 모두에서 일관되게 3m 이상의 이동 거리를 보여 시각 가이드의 필요성을 보여준다.

머리 회전 변화량 데이터는 두 개의 객체 배치 상황에서 수집되었으며, 상하(Pitch), 좌우(Yaw), 기울기(Roll) 세 축의 회전 변화를 측정하였다. 객체 배치 A에서는 가이드 없음이 상하 0.436°, 좌우 0.645°, 기울기 0.247°로 평균 0.443°의 회전 변화량을 보였으며, 이는 네 가지 가이드 유형 중 가장 높은 수치였다. 3D 화살표 가이드는 평균 0.346°으로 가장 낮은 회전 변화량을 기록하여 머리 움직임 최소화 측면에서 우수한 성능을 나타냈다. 점선 경로 가이드와 거리 반응형 가이드는 각각 평균 0.393°와 0.384°로 중간 수준의 성능을 보였다. 객체 배치 B에서는 전반적으로 객체 배치 A보다 낮은 회전 변화량이 관찰되었다. 가이드 없음은 평균 0.442°로 여전히 가장 높은 수치를 보였고, 거리 적응형 가이드가 평균 0.353°로 가장 낮은 회전 변화량을 기록했다. 두 조건 모두에서 좌우(Yaw)회전 변화량이 가장 큰 값을 보였으며, 이는 증강현실 환경에서 객체 탐색 시 수평적 시야 전환이 가장 빈번하게 발생함을 의미한다. 반면 기울기(Roll)변화량은 일관되게 가장 낮은 수치를 보여, 머리 기울임 동작이 객체 탐색에서 상대적으로 적게 사용됨을 확인할 수 있었다.

첫 번째 객체 발견 시간은 각 가이드의 즉각적인 성능을 측정하는 지표이다. 점선 경로 가이드가 25.12초로 우수한 성능을 보였으며, 특히 객체 배치 B에서는 23.80초로 더욱 빠른 결과를 나타냈다. 이는 점선 경로의 직관적인 시각적 연결이 사용자의 초기 방향 설정에 매우 효과적임을 보여준다.

거리 적응형 가이드는 33.65초로 중간 수준의 성능을 보였으나, 전체 과제 완료 시간 대비 첫 번째 객체 발견 시간의 비율을 고려할 때 후반부의 객체 탐색에서 더 나은 효율성을 보였을 것으로 추정된다. 가이드 없음 조건은 36.91초로 상당한 시간이 소요되었으며, 3D 화살표 가이드는 38.02초로 가장 긴 초기 탐색 시간을 기록했다. 이러한 결과는 3D 화살표 가이드의 방향 지시 방식이 명확한 경로 정보를 제공하지 못해 초기 탐색 단계에서 혼란을 일으킬 수 있음을 시사한다.

과제 완료 시간 분석에서는 점선 경로 가이드가 29.49초로 가장 우수한 성능을 보였다. 이를 통해 직접적인 시각적 연결이 사용자의 탐색 효율성을 향상시키는 것을 확인 할 수 있다. 거리 적응형 가이드는 34.15초로 두 번째로 빠른 성능을 보였으며, 이는 상황에 적합한 가이드 방식의 동적 전환이 효율성 향상에 영향이 있음을 시사한다. 가이드가 없는 조건은 36.93초로 상당한 시간이 소요되었으며, 3D 화살표 가이드가 39.14초로 가장 긴 시간을 기록한 것은 예상과 다른 결과였다. 이는 3D 화살표의 방향 지시 방식이, 실제 경로 탐색에서는 오히려 혼란을 일으킬 수 있음을 보여준다. 작업 유형별 분석에서는 객체 배치 A가 평균 33.01초, 객체 배치 B가 36.84초로 3.83초 더 오래 걸렸다. 이는 두 번째 배치 상황이 시야 범위를 벗어난 위치의 객체들을 포함하여 더 복잡한 탐색 패턴을 요구했기 때문으로 해석된다.

전체적으로 각 가이드는 서로 다른 강점을 보인다. 점선 경로 가이드는 과제 완료 시간과 첫 번째 객체 발견에서 최우수 성능을 보여 직관적 경로 안내의 효과를 입증했다. 거리 적응형 가이드는 이동 거리 최적화에서 높은 성능을 보여 공간 효율성 측면에서 우수함을 나타냈다. 3D 화살표 가이드는 머리 움직임 최소화에는 효과적이었으나, 전체적인 과제 효율성에서는 제한적인 성과를 보였다.

2) 정성적 결과

사용자 평가 데이터는 12명의 참가자를 대상으로 한 주관적 선호도 조사와 가이드 시스템의 세부 평가로 구성되었다.

가이드 선호도 조사 결과 점선 경로 가이드가 1순위로 선택된 빈도가 12명 중 9명(75%)으로 가장 높았다. 이는 과제 완료 시간과 첫 번째 객체 발견 시간에서 가장 우수한 성능을 보인 정량적 결과와 일치하는 결과이다. 참가자들은 점선 경로 가이드에 대해 “직관적이어서 수행에 편리하다.”, “가장 따라가기 쉽다.”, “점선이 끝까지 위치를 알려주기 때문에 쉬웠다.”라는 긍정적인 평가를 제시했다. 거리 적응형 가이드는 2순위로 선택되어(12명 중 7명, 58%), 안정적인 중간 성능을 인정받았다. 그러나 일부 참가자들은 “시각적으로 복잡하게 느껴 혼동이 느껴졌다.”, “가이드가 복잡해서 오히려 혼란을 불러일으킨다.”라는 부정적인 의견을 제시하여, 다중 가이드 방식이 동시에 작동하는 시스템의 단점을 지적했다. 3D 화살표 가이드는 선호도에서 혼재된 결과를 보였다. 2명의 참가자가 1순위로 선택했지만, 대부분 참가자는 3순위로 평가했다. 특히 “화살표가 가까이 있을 때 방향 유추가 어렵다.”, “화살표가 너무 눈앞에 있어 시야를 가린다.”라는 의견이 제시되어, 근거리에서의 방향 지시 방식에 개선이 필요함을 확인할 수 있었다.

가이드의 효과성을 나타내는 가이드 세부 평가 결과 평균 4.75점(5점 만점)으로 높은 점수를 받았다. 특히 10명의 참가자가 5점 만점을 주어 AR 가이드 시스템의 기본적인 효과성이 인정되었다. 가이드 인터페이스 평가는 평균 4.55점으로 평가되었다. 가이드의 시각적 표현의 이해도는 평균 4.67점으로 높은 평가를 받았으며, 대부분 참가자가 가이드의 시각적 요소를 직관적으로 이해할 수 있었다고 응답했다. 반면, 작업 환경 내에서의 자연스러운 통합(가상 가이드가 실제 공간에 맞는 상호작용을 잘 수행하는지)에 대해서는 평균 4.42점으로 상대적으로 낮은 점수를 받았다. 이는 현재 AR 기술의 한계와 관련이 있는 것으로 보이며, 특히 참가자 일부가 각 3점과 2점을 준 것은 HoloLens 2의 제한된 시야각과 디스플레이 품질로 인해 전체적인 환경 통합성에서는 개선이 필요함을 시사한다.

기존 방식 대비 효율성에 대해서는 평균 4.75점의 높은 평가를 받았으며, 이는 정량적 데이터에서 확인된 성능 향상이 주관적 사용자 경험에서도 뚜렷하게 인식되었음을 보여준다. 실제 업무 적용 의향에 대해서는 평균 4.17점으로 상대적으로 보수적인 평가를 받았는데, 이는 AR 기술의 현재 성숙도와 실무 환경에서의 실용성에 대한 우려를 반영한 것으로 해석된다.

사용자 피드백 및 개선 사항은 다음과 같다. 사용자들은 가이드의 장점을 주로 방향 인식의 용이성과 공간 탐색의 효율성에 집중되었다. “방향을 인지시켜 줘 직접 찾아야 한다는 심리적 압박감에서 벗어나게 해준다.”, “사물 방향을 빨리 찾을 수 있다.”, “위치를 식별하기 좋았다.”라는 응답을 통해 AR 가이드가 공간 인지 부하를 효과적으로 감소시킨다는 점을 확인할 수 있었다. 그러나 멀미와 어지럼증을 호소한 참가자들이 다수 있었으며, 이는 AR 기술 사용 시 고려해야 지점이다. 특히 장시간 사용 시 멀미 증상이 심화 될 수 있다는 우려가 제기되어, 실제 업무 환경에서의 지속적 사용을 위해서는 이러한 신체적 부작용에 대한 보완이 필요함을 알 수 있다.

전반적으로 사용자들은 본 연구에서 제안한 가이드 시스템의 기본적인 효과를 인정하면서도, 기술적 완성도와 사용성 측면에서 개선의 여지가 있다고 평가했다. 정량적 성능에서 가장 우수했던 점선 경로 가이드가 사용자 선호도에서도 가장 높은 평가를 받은 것은 객관적 성능과 주관적 만족도 간의 일치를 보여주는 긍정적인 결과이다. 그러나 개별 참가자 간의 선호도 차이가 상당히 크게 나타난 점은 AR 가이드 시스템이 개인화된 설정이나 적응형 인터페이스를 통해 사용자별 최적화가 필요함을 시사한다. 특히 멀미나 어지러움 같은 시체 반응은 개인차가 크다는 점을 고려할 때, 사용자의 사용 수준에 따른 가이드 강도 조절 기능이 필요할 것으로 보인다.

Ⅴ. 결 론

References

• J. Jang and T. Bednarz, “HoloSensor for Smart Home, Health, Entertainment,” ACM SIGGRAPH 2018 Appy Hour, pp. 1-2, August 2018. [https://doi.org/10.1145/3213779.3213786]
• H. Hua and B. Javidi, “A 3D Integral Imaging Optical See-Through Head-Mounted Display,” Optics Express, Vol. 22, No. 11, pp. 13484-13491, 2014. [https://doi.org/10.1364/OE.22.013484]
• J. P. Rolland, R. L. Holloway, and H. Fuchs, “Comparison of Optical and Video See-Through, Head-Mounted Displays,” in Proceedings of Telemanipulator and Telepresence Technologies, Boston, MA, pp. 293-107, December 1995. [https://doi.org/10.1117/12.197322]
• J. Xiong, G. Tan, T. Zhan, and S.-T. Wu. “Breaking the Field-of-View Limit in Augmented Reality with a Scanning Waveguide Display,” OSA Continuum, Vol. 3, No. 10, pp. 2730-2740, 2020. [https://doi.org/10.1364/OSAC.400900]
• L. C. Loschky, S. Szaffarczyk, C. Beugnet, M. E. Young, and M. Boucart, “The Contributions of Central and Peripheral Vision to Scene-Gist Recognition with a 180 Visual Field,” Journal of Vision, Vol. 19, No. 5, May 2019. [https://doi.org/10.1167/19.5.15]
• R. Hammady, M. Ma, and C. Strathearn, “User Experience Design for Mixed Reality: A Case Study of HoloLens in Museum,” International Journal of Technology Marketing, Vol. 13, No. 3-4, pp. 354-375, 2019. [https://doi.org/10.1504/IJTMKT.2019.104600]
• I. Yuta, Calibration and Use of Optical See-Through Head-Mounted Displays toward Indistinguishable Augmented Reality, Ph.D. Dissertation, Technische Universität München, München, Germany, 2016.
• H. Jo, S. Hwang, H. Park, and J.-H. Ryu, “Aroundplot: Focus + Context Interface for Off-Screen Objects in 3D Environments,” Computers & Graphics, Vol. 35, No. 4, pp. 841-853, August 2011. [https://doi.org/10.1016/j.cag.2011.04.005]
• N. Kishishita, K. Kiyokawa, J. Orlosky, T. Mashita, H. Takemura, and E. Kruijff, “Analysing the Effects of a Wide Field of View Augmented Reality Display on Search Performance in Divided Attention Tasks,” in Proceedings of the 2014 IEEE International Symposium on Mixed and Augmented Reality (ISMAR), Munich: Germany, Munich, Germany, pp. 177-186, November 2014. [https://doi.org/10.1109/ISMAR.2014.6948425]
• Y. Harada and J. Ohyama, “Quantitative Evaluation of Visual Guidance Effects for 360-Degree Directions,” Virtual Reality, Vol. 26, pp. 759-770, 2022. [https://doi.org/10.1007/s10055-021-00574-7]
• M. Tonnis and G. Klinker. “Effective Control of a Car Driver's Attention for Visual and Acoustic Guidance towards the Direction of Imminent Dangers,” in Proceedings of the 2006 IEEE/ACM International Symposium on Mixed and Augmented Reality, Santa Barbara: CA, pp. 13-22, October 2006. [https://doi.org/10.1109/ISMAR.2006.297789]
• K. Quinn and J. L. Gabbard, “Augmented Reality Visualization Techniques for Attention Guidance to Out-of-View Objects: A Systematic Review,” in Proceedings of the 2024 IEEE International Symposium on Mixed and Augmented Reality (ISMAR), Bellevue: WA, pp. 826-835, October 2024. [https://doi.org/10.1109/ISMAR62088.2024.00098]
• J. Wieland, R. C. H. Garcia, H. Reiterer, and T. Feuchtner “Arrow, Bézier Curve, or Halos?–Comparing 3D Out-of-View Object Visualization Techniques for Handheld Augmented Reality,” in Proceedings of the 2022 IEEE International Symposium on Mixed and Augmented Reality (ISMAR), Singapore, December 2022. [https://doi.org/10.1109/ISMAR55827.2022.00098]
• P. Baudisch and R. Rosenholtz, “Halo: A Technique for Visualizing Off-Screen Locations,” in Proceedings of the SIGCHI Conference on Human Factors in Computing Systems, Ft. Lauderdale: Florida, pp. 481-488, April 2003 [https://doi.org/10.1145/642611.642695]
• U. Gruenefeld, D. Ennenga, A. E. Ali, W. Heuten, and S. Boll, “Eyesee360: Designing a Visualization Technique for Out-of-View Objects in Head-Mounted Augmented Reality,” in Proceedings of the 5th Symposium on Spatial User Interaction, Brighton: UK, pp. 109-118, October 2017. [https://doi.org/10.1145/3131277.3132175]
• F. Biocca, A. Tang, C. Owen, and F. Xiao, “Attention Funnel: Omnidirectional 3D Cursor for Mobile Augmented Reality Platforms,” in Proceedings of the SIGCHI Conference on Human Factors in Computing Systems, Montréal Québec: Canada, pp. 1115-1122, April 2006. [https://doi.org/10.1145/1124772.1124939]
• Z. Hou, Q. Xia, Z. Xu and Y. Tang, “Arradar: Arrow and Radar Driven Hmd-Based Visual Guidance in Limited Field-of-View,” in Proceedings of the 2023 IEEE International Symposium on Mixed and Augmented Reality Adjunct (ISMAR-Adjunct), Sydney: Australia, pp. 444-449, October 2023. [https://doi.org/10.1109/ISMAR-Adjunct60411.2023.00096]
• F. Bork, C. Schnelzer, U. Eck and N. Navab, “Towards Efficient Visual Guidance in Limited Field-of-View Head-Mounted Displays,” IEEE Transactions on Visualization and Computer Graphics Vol. 24, No. 11, pp. 2983-2992, September 2018. [https://doi.org/10.1109/TVCG.2018.2868584]
• U. Gruenefeld, T. C. Stratmann, L. Prädel, and W. Heuten, “MonoculAR: A Radial Light Display to Point Towards Out-of-View Objects on Augmented Reality Devices,” in Proceedings of the 20th International Conference on Human-Computer Interaction with Mobile Devices and Services Adjunct, Barcelona: Spain, pp. 16-22, September 2018. [https://doi.org/10.1145/3236112.3236115]
• M. Tonnis and G. Klinker, “Effective Control of a Car Driver's Attention for Visual and Acoustic Guidance towards the Direction of Imminent Dangers,” in Proceedings of the 2006 IEEE/ACM International Symposium on Mixed and Augmented Reality, Santa Barbara: CA, pp. 13-22, October 2006. [https://doi.org/10.1109/ISMAR.2006.297789]
• P. Renner and T. Pfeiffer, “AR-Glasses-Based Attention Guiding for Complex Environments: Requirements, Classification and Evaluation,” in Proceedings of the 13th ACM International Conference on Pervasive Technologies Related to Assistive Environments, Corfu: Greece, pp. 1-10, June 2020. [https://doi.org/10.1145/3389189.3389198]
• D. R. Montello, “Scale and Multiple Psychologies of Space,” in Proceedings of the European Conference on Spatial Information Theory: A Theoretical Basis for GIS, Berlin, Heidelberg, Marciana Marina: Italy, pp. 312-321, 1993 (Fisrt Online: January 2005). [https://doi.org/10.1007/3-540-57207-4_21]
• R. Kilbury, J. Bordieri, H. Wong, “Impact of Physical Disability and Gender on Personal Space,” Journal of Rehabilitation, Vol. 62, No. 2, 1996, https://research.ebsco.com/linkprocessor/plink?id=ca8d8e0e-d1d7-3447-8159-a05af4d7085a.
• J. E. Cutting and P. M. Vishton, Perceiving Layout and Knowing Distances: The Integration, Relative Potency, and Contextual Use of Different Information about Depth, in Perception of Space and Motion, Cambridge, MA: Academic Press, pp. 69-117, 1995. [https://doi.org/10.1016/B978-012240530-3/50005-5]
• F. H. Previc, “The Neuropsychology of 3-D Space,” Psychological Bulletin, Vol. 124, No. 2, pp. 123-164, September 1988. [https://doi.org/10.1037//0033-2909.124.2.123]
• S. T. Popescu and M. Wexler, “Spontaneous Body Movements in Spatial Cognition,” Frontiers in Psychology, Vol. 3, 136, May 2012. [https://doi.org/10.3389/fpsyg.2012.00136]
• T. Meilinger, M. Strickrodt, and H. H. Bülthoff, “Qualitative Differences in Memory for Vista and eNvironmental Spaces are Caused by Opaque Borders, Not Movement or Successive Presentation,” Cognition, Vol. 155, pp. 77-95, October 2016. [https://doi.org/10.1016/j.cognition.2016.06.003]
• J. T. E. Richardson, “The Use of Latin-Square Designs in Educational and Psychological Research,” Educational Research Review, Vol. 24, pp. 84-97, June 2018. [https://doi.org/10.1016/j.edurev.2018.03.003]
• S. Aziz and O. Komogortsev, “An Assessment of the Eye Tracking Signal Quality Captured in the HoloLens 2,” in Proceedings of the 2022 Symposium on Eye Tracking Research and Applications, Seattle: WA, pp. 1-6, June 2022. [https://doi.org/10.1145/3517031.3529626]
• A. Ultsch and J. Lötsch, “Euclidean Distance-Optimized Data Transformation for Cluster Analysis in Biomedical Data (EDOtrans),” BMC Bioinformatics, Vol. 23, 233, June 2022. [https://doi.org/10.1186/s12859-022-04769-w]
• R. Igarashi, T. Sugi, S. Sotoma, T. Genjo, Y. Kumiya, E. Walinda, ... and M. Shirakawa, “Tracking the 3D Rotational Dynamics in Nanoscopic Biological Systems,” Journal of the American Chemical Society, Vol. 142, No. 16, pp. 7542-7554, April 2020. [https://doi.org/10.1021/jacs.0c01191]