谢瑞霞

（温州广播电视大学，浙江 温州 325000）

浅谈协同虚拟环境在远程学习中的应用

谢瑞霞

（温州广播电视大学，浙江 温州 325000）

协同虚拟环境应用于远程学习，将提高远程学习的真实感。本文提出了协同虚拟学习环境（CVLE）的环境构建，考虑采用网格技术划分协同工作小组，根据感知强度处理通信数据，利用合理的网络系统构架解决数据计算问题，提高网络资源的利用率。

协同虚拟环境；感知强度；网格技术

一、引言

随着计算机技术、网络技术和现代教育技术的深入发展和结合，以虚拟代替或部分取代传统教育的新型教育技术正在改变着我们的教学方式，尤其是协同工作技术（CSCW）与虚拟现实技术（VR）的结合更是引发了教学领域的又一次革命；它提供一种完全沉浸式的协同虚拟环境，把网络空间转换为社会空间，通过虚拟社会将人们联系起来，改善了协同环境的用户界面，提高了协同学习者之间的可感知性和协同交互性，使学习者获得更真实的身临其境的体验。

协同虚拟环境（Collaborative Virtual Environment，CVE）是一种多人共享并协同工作的分布式虚拟环境，它在军事仿真、娱乐、教育和医疗等诸多领域已经得到了广泛的应用，但是由于大规模CVE 系统本身的复杂性和现有支撑技术的限制，构建大规模CVE 系统（例如虚拟战场、校园、城市）仍然面临着巨大的挑战。影响CVE 规模扩展性的主要问题是如何在众多的用户之间实现有效的通信和任务划分；本文对CSCW与虚拟现实技术相结合的协同虚拟学习环境（Cooperative Virtual Learning Environment 简称CVLE）的构建方法进行研究，主要强调对学习环境的模型构建及其数据通信技术的研究，最终为提高远程学习质量服务。

二、协同虚拟学习环境（CVLE）的环境构建

协同虚拟学习环境应该具备共享的信息资源、交互工具和教学空间（教学互动空间、协作空间、个人空间）三个功能。在良好的协同虚拟学习环境中，教师与学习者之间以及学习者之间能够相互交流，共同进步；每个学习者在各方面的进步或后退都会被同伴和教师所注意和评价。教师的教学效果也能得到学习者和其他教师来自各个角度的及时反馈和评价。这些相互评价能全面提高每个协作者的自身素质。CSCW技术运用于教育领域能使学习者更好地发挥主体性和协作性；将协同工作技术（CSCW）和虚拟现实技术结合起来，构建协同虚拟学习环境，为教学者和学习者提供以三维动态形式出现的学习环境，使协作者在这一环境中具有较好的真实感和沉浸感，从而改善协同学习环境的用户界面，满足了情境化教学所要求的两条原则：一是对知识和技能的教学应当置于一个真实度很高的情境中；二是学习需要社会交互与合作。基于此，我们可以对协同虚拟学习环境的环境构建作如下形式化定义：

E=＜ CVE， VO， VRO， UA ，SA＞，其中

CVE：协同虚拟环境，即虚拟的客观教学场景，主要包括虚拟教室、虚拟图书馆，虚拟实验室等。CVE 的搭建，VE={ 3D MODEL}，用相关三维作图软件可构造DVE的模型。

VO：虚拟对象，即进入虚拟学习环境的学习者、教师和教学及学习对象，如虚拟实验仪器、虚拟网络课程资源、虚拟的图书馆图书等。VO=＜Object 3D MODEL，A，BA＞，A 表示VO的动作，BA表示反馈动作。VO是三维的，要有外观几何特性、动作特性、行为和情感特性等。

A：包括教学、漫游、浏览、工作、对话、协作、评价以及资源（Resource）在接受到调用它的动作后作出反馈动作，如显示动画，或知识表示等。

A={LA，CA}，SA，LA表示本地动作，这些动作只是对象在本地的一些无须系统得知的动作，如对备份文本的编辑等；CA表示通讯动作，这些动作很多是与系统得交互动作或是改变某些状态的动作，这些动作必须通知系统。

SA：系统动作，即学习环境在虚拟学习环境中的动作，包括自发的和反馈的。SA的定义，SA={IA，BA}，IA表示信息动作，即系统信息的通知；BA则是系统对对象请求的反馈。

根据以上所描述的CVLE虚拟学习环境的形式化定义，考虑各要素的实现，我们确定构建虚拟学习环境的流程如图1。

图1

三、协同虚拟学习环境（CVLE）的模型设计

（一）CVLE的结构模型如图2：

图2

在这个结构模型中，教师和学习者都是教学资源的提供者。教师是整个教学活动的组织者和辅助者，他们通过分析教学任务和监控评价结果制定学习资源，并把所制作的学习资源输送到虚拟学习环境中。学习者通过点播方式从虚拟学习环境获取学习资源、理解资源，并通过运用资源进行各种方式的学习活动，结合学习活动对应的评价制作新的资源传送到学习环境。协同远程教育平台是整个系统的核心，它为学习者提供学习资源的三维动态显示，使学习者通过多维、自然的交互更好地表达情感、协同学习。整个系统中所有实体都通过三维化身的形式进行现实和交互，并留下学习档案，系统能提供动态实时的交互与反馈。

（二）CVLE的网络模型

图3是协同虚拟学习环境的网络模型，系统架构采用Client/Server和Browse/Server相结合的方式，前者主要是基于局域网的开放型的学习体系，后者是基于广域网的学习服务系统及管理系统。地理上分散的客户端通过智能协作小组（Agent）的形式存在于网络中，中心服务器负责协调绝大多数的虚拟仿真活动，维护虚拟环境中所有虚拟对象的状态。客户端运行客户进程管理用户在虚拟环境中的化身，管理局部仿真活动，与I/O工具交互并完成数据仿真。考虑网络带宽的要求，我们在CVLE设计过程中采用复制结构，即在每个学习者所在的机器上复制中心服务器，这样每个学习者进程都有一份共享应用系统。服务器接收来自于其他工作站的输入信息，并把信息传送到运行在本地机上的应用系统中，由应用系统进行所需的计算并产生必要的输出。它的优点是信息分发负担从用户端转移到服务器，所需网络带宽较小。由于每个参加者只与应用系统的局部备份进行交互，所以，交互式响应效果好。另外，考虑系统实现的方便，我们在CVLE设计过程中考虑使用统一的局部数据库，也就是说虚拟环境是统一的，虽然不同的用户可以观看虚拟空间的不同部分，但组成虚拟世界的所有对象是完全相同的。

图3

四、CVLE的数据传输的相关问题研究

CVLE中用户多，分布广，数据传输量大，所以CVLE的数据传输技术一定要解决数据过滤的问题。CVLE 中包括多类对象，其中化身和CGF 这两类对象之间的交互感知导致了用户之间大量的网络数据传输。广义的化身等同于计算机系统中的虚拟人，包括其外观几何特性、动作特性、行为和情感特性等，CVLE中的化身取的是广义的定义。CGF指的是由计算机生成和控制的自动或半自动的实体，能自动规划执行任务，模拟其代表角色的行为和反应。CVLE数据传输研究的重点就是减少这两类对象导致的网络数据传输。

（一）协作小组Agent的划分

如果没有特殊说明，下文中提到的对象概念表示化身和CGF两类对象。

根据虚拟学习环境的构建，引入几个定义：

对象集合VO= {Oi|1 ≤ i ≤|| VO||}，定义为虚拟环境中的对象集合。

对象需求空间NS，定义为对象感兴趣范围的子空间范围，如教师教学以及学习者学习行为过程所需要的学习资源。

对象能力空间 ES，定义为对象影响范围的子空间范围，如虚拟实验室对应的使用者对象类型，教师对象对应的被教学对象等。

对象需求空间集合VNS={NSi，1≤ i ≤ ||VNS||}，表示虚拟环境中所有对象的需求空间集合。

对象能力空间集合 VES={ESi，1≤ i ≤ || VES||}，表示虚拟环境中所有对象的能力空间集合。

某个对象Oi需求对象集合NSOLOi={NSOk|1≤ k≤ || NSOLOi||}

受对象Oi能力影响的对象集合ESOLOi={ ESOk|1≤ k≤ ||ESOLOi||}

如果某个对象Oi的需求空间和另一个对象Oj的能力空间相交，则认为Oi可以感知到Oj，即Oi对Oj需求，Oi将调用Oj。

由于虚拟环境中对象之间的需求关系是实时变化的，只有判断对象之间的需求空间与能力空间是否相交的时间间隔Δt→0，才能实时更新对象之间的需求关系变化。在实际操作中，只能选定一个固定长短的判断时间间隔Δt ，这就可能会导致误判。Δt不可能无限小，所以只能对对象Δt时间后的需求进行估算。而在教学过程中，因为教学过程的规律性，对象单位时间后的需求是可估算的。假设Δt时间后，需求空间和能力影响空间分别变化为FNSi和FESi。

如果将虚拟环境V 简化为一个二维空间进行研究，设V为一个二维矩形，采用网格划分空间算法来判断对象需求空间的变化，步骤可以如下所示：

步骤 1：初始化，对虚拟环境V以边长为lgrid的正方形网格进行划分，构造一个n×m网格矩阵GRID。网格单元GRIDij管理两个列表，分别是与之相交的能力空间列表ESLij和需求空间列表NSLij。

ESi管理一个与之相交的网格列表ESLi，NSi管理一个与之相交的网格列表NSLi，Oi管理一个需求对象列表NSOLOi和一个受Oi能力影响的对象列表ESOLOi。

步骤 2：判断VNS和VES与哪些网格相交，并将相应的空间分别加入相交网格GRIDij的ESLij和NSLij列表，同时在NSLi和ESLi中加入相交的网格GRIDij，从而可以得到新的Oi的需求对象列表NSOLOi和受Oi能力影响的对象列表ESOLOi。

步骤 3：在∆t时间后，生成未来需求空间FNSi和未来能力空间FESi，更新VNS和VES中NSi和ESi的空间范围，回转到步骤2。

这样可以利用网格划分空间进行判断，在∆t时间内将受对象Oi能力影响的对象集合快速收敛到一个较小的范围，在该范围内的对象，形成一个协作小组Agent。

（二）由协同工作感知计算小组内成员的感知强度

利用网格划分空间判断后将受对象能力影响的对象集合收敛到一个较小的范围，形成一个Agent小组。对象的能力虽然影响Agent小组中的每个成员，但影响的程度存在差别；同时，小组中的每个成员虽然对对象都有需求，但是需求的程度也存在差别。利用这种差别进行分级管理，划分成员在小组中的地位，可以更有效的使用网络资源和减少系统负载。所以在CVLE中可以结合进行协同工作感知信息研究感知强度的计算，并在此基础上进行对象地位划分。

CVLE 的一个重要目的是支持多用户协同工作，协同工作感知是多用户协同工作的基础，因此我们要进一步考虑协同工作对对象之间感知程度的影响。

假定用户为Ui在此引入两个定义：

用户工作对象集合，表示在某一时刻工作范围内用户工作对象集合，可由用户自己指定，也可将任务分解，根据用户的工作职责映射到对象，记为：WUi= {Oj， j | 0 ≤ j ≤|| WUi||}

用户操作对象集合，表示某一时刻用户正在操作的对象集合。记为：CUi= {Oj， j | 0 ≤ j ≤ || CUi||}

根据协同工作具体需求为用户Ui和用户工作对象WUi中的每个对象之间赋予一个感知强度aw（Ui，WUi），aw（Ui，WUi）=k1.aw（Ui，WUi）， k1为工作对象和用户之间的确立关系；

用户和用户之间赋予一个感知强度aw（Ui，Ui），aw（Ui，Ui）= k2. aw（Ui，Ui），k2表示用户之间交互操作对用户之间感知的加强；

用户和操作对象之间赋予一个感知强度aw（Ui，CUi），aw（Ui，CUi）= k3.aw（Ui，CUi）。K3表示用户用户和操作对象之间因为操作行为感知强度的加强。

（三）小组成员间数据传输的层次划分和管理

感知强度体现了对象之间感知需求的量化程度，但由于感知强度的取值比较发散，不便于进行后续的数据传输处理，因此需将对象间的感知强度根据量化数据分成若干层次。可根据具体应用需要，为不同类型的对象定义特定的层次。例如用户化身之间的协作层次可分为三个等级：察觉等级Level0、辨认等级Level1 和合作等级Level2。在察觉等级，只察觉另一用户化身的存在和位置信息，不知道用户的具体属性；在辨认等级，能够辨认用户的具体属性（如用户的个人特征、工作目标和工作能力等）；在合作等级，不同用户能够交互协作完成某项工作。

对不同的感知层次对象采取不同的数据传输方案，例如以可靠传输方式向高感知强度层次对象发送事件信息，并以高频率向高感知强度层次对象发送状态信息；以尽力传输方式向低感知强度层次对象发送事件信息，并以低频率向低感知强度层次对象发送状态信息。分级感知强度管理网络通信方法可以通过基于发送端的组播技术来实现，为Ui的每个兴趣层次对象集合均分配一个组播地址，在不同的组播地址分发该兴趣层次所对应的数据，可以有效地减少网络流量以及系统负载。

五、结论

在传统CVE中感知机制存在的一个重要问题是其感知强度计算复杂度较高，在系统规模不断提高时可能会成为系统的瓶颈，尤其在采用C/S 结构时。所以CVLE中，系统架构采用Client/Server和Browse/Server相结合的方式，结合网格技术进行Agent小组划分，利用感知强度进行通信数据管理，在一定程度上可以解决协同虚拟学习环境中的问题。虚拟现实技术作为一种较为新型的教学媒体凭借其强大的教学优势和潜力，将会逐渐在教育领域广泛应用并发挥其重要作用。

[1] 张茂军. 虚拟现实系统[M]. 科学出版社，2002.

[2] 詹永照等. 基于共享对象划分的工作空间感知处理模型[J]. 计算机研究与发展，2000，（3）.

[3] Maceonia M. NPSNET: A Network Software Architecture for Large Scale Virture Environments [D]. USA: Naval Postgraduate School，1995.

[4] James Purbrick， Chris Greenhalgh. Extending Locales: AwarenessManagement in MASSIVE-3 [C]// Proceedings of Virtual Reality 2000， New Brunswick. USA: IEEE Computer Society， 2000.

[5] 袁庆曙等. 受限资源网络环境的协同虚拟环境感知模型[J]. 计算机辅助设计与图形学学报，2005，（7）.

The Discussion Of CVE Used In Distance Learning

XIE Rui-xia

We can improve the sense of reality by CVE used in distance learning. This paper discusses how to build the CVLE and studies the way of dividing the user into several groups by Grid Computing. The communication data can be dealt on perceived strength. We can raise the utilization rate of the internet resource by building a logical network architecture.

CVE; perceived strength; Grid Computing

G72

A

1008-7427（2010）01-0008-03

2009-09-02

浙江省教育厅科研计划项目成果之一，项目编号：20071375，项目名称：远程教育学习者特征分析与网络学习环境创设研究。

作者系温州广播电视大学讲师。