# 虚拟现实中的多用户协同拆卸

Ziteng Wang, Jian Wu, Sichun Huang, Peike Wang, Peng Zhang, Min Zhang, Lili Wang

IEEE Transactions on Visualization and Computer Graphics, 2026. DOI: https://doi.org/10.1109/tvcg.2026.3732564

Ziteng Wang: 第一作者

## 摘要（中文翻译）

拆卸序列规划是产品生命周期管理中的关键环节，但计算开销较大。传统方法与机器学习方法都面临可扩展性挑战，也难以满足虚拟现实交互协作所需的实时响应。我们提出面向沉浸式协作的动态并行拆卸与任务分配框架（DPDT）。框架使用基于时空特征的启发式方法确定搜索优先级，并通过动态重新激活策略处理并行执行中的零件依赖关系。此外，考虑用户与目标距离的任务分配算法将规划结果转化为高效的多用户指令。我们在大规模数据集上与多种基线进行比较。结果表明，对于复杂装配体，DPDT 的计算速度最高提升至基线的 4.7 倍，规划可靠性提高约 9.3 个百分点。一项包含 24 名参与者的 VR 用户研究进一步表明，DPDT 显著降低了任务完成时间、体力负担代理指标和 NASA-TLX 任务负担，展现了其用于协同维修训练的潜力。

## 方法讲解

把可行拆卸顺序、并行任务和就近分工连接起来，让多人在 VR 中协同完成复杂装配体拆卸。

多人参与，并不意味着拆卸自然变快：零件有先后依赖，用户还会等待任务、绕行或争抢目标。DPDT 同时考虑“下一步能拆什么”和“交给谁来拆”。

### 给候选零件排序

结合几何可见性、中心距离和历史尝试等时空特征，优先验证更有希望移除的零件。候选排序仍需要物理仿真检查。

### 维护可并行的任务集合

根据当前装配状态验证拆卸动作。一次移除改变阻塞关系后，动态重新激活之前暂时不可行的候选，推进下一轮规划。

### 把任务分给附近用户

在已验证的候选中，根据用户与目标的距离进行分配，并在 VR 中显示目标和移动指引。规划并行度可以大于在线用户数，为分配提供更多选择。

## 实验与证据

算法评测 · 3,671 个装配体；另报告 382 个复杂装配体子集 · 采用论文的几何、仿真和时间限制。
复杂子集规划时间 · DPDT Pₙ=5：8.66 s；ATA 串行：41.37 s · 约 4.7× 针对这一比较；ATA Pₙ=5 为 18.40 s，不是所有设置均有 4.7×。
复杂子集成功率 · 串行设置比 ATA 高 9.28 个百分点 · 百分点差值，不是相对增长率。
VR 用户实验 · 24 名参与者，1/2/3 人协作条件，四种方法 · 修订稿报告任务时间、头部移动和 NASA-TLX 改善；部分头部旋转比较经校正后不显著。

出版信息：IEEE 向 Crossref 登记的记录。方法与数值：作者 R2 clean 修订稿，§4–7；与出版版本的逐页一致性尚未核对。

## 适用边界

这是面向 VR 训练的仿真验证框架。当前主要处理刚性零件的平移拆卸，不等于验证了真实维修中的工具可达性、螺纹旋出、柔性部件或完整 6-DOF 操作。用户实验的运动量是体力负担的代理指标；协作中的等待也计入任务时间。

## 我的贡献

负责方法提出、系统实现、对比方法、用户实验、演示与论文写作。

## BibTeX

```bibtex
@article{collaborativedisassembly2026,
  title = {{Collaborative Disassembly for Multiple Users in Virtual Reality}},
  author = {Ziteng Wang and Jian Wu and Sichun Huang and Peike Wang and Peng Zhang and Min Zhang and Lili Wang},
  journal = {IEEE Transactions on Visualization and Computer Graphics},
  year = {2026},
  pages = {1--14},
  doi = {10.1109/tvcg.2026.3732564},
  url = {https://doi.org/10.1109/tvcg.2026.3732564}
}
```