认知能力是指人脑加工、储存和提取信息的能力,是人们成功完成活动最重要的心理条件。准确有效的认知能力评估,对疾病诊疗、教育评价、特殊行业人员选拔等具有重要的应用价值。虚拟现实具有高沉浸感、多感知性、强交互性等特点,为认知能力评估方法的扩展提供了新的可能。将虚拟现实技术应用于认知能力评估已成为当前的研究热点。目前认知能力评估研究中存在以下问题和难点:（1）传统认知能力评估方法的任务脱离真实生活场景,沉浸感和诱导性不足,且缺乏对个体物理行为信息的考量。由此带来空间认知等三维环境下复杂的认知能力评估表现欠佳。（2）目前基于虚拟现实的认知能力评估研究大多着眼于评估任务设计,相关数据集比较缺乏,任务态数据的应用不足。（3）现有认知能力评估主要采用人工统计的数据分析方法,对专业人员依赖度高,应用场景受限。虽有部分研究探索了机器学习方法在认知能力评估中的应用,但以面向异常筛查的分类研究为主。智能化的定量评估方法比较少见。针对上述问题,本文开展了以下工作:（1）设计开发了一个基于虚拟现实的空间认知任务系统。参考空间认知领域经典的水迷宫实验范式,搭建了一个基于虚拟泳池场景的任务系统。该系统通过改变泳池中目标平台的可见性及触发条件,设置了可见平台、隐藏平台和探索平台三种任务模式,分别用于短时平台位置观察记忆,空间关系感知和导航能力测试及进一步的记忆能力测试;通过减少泳池周边标识物的数目,设置了简单、普通和困难三个难度等级。借助软硬件平台间数据传输实现系统的交互控制和实时数据记录功能。（2）基于所开发任务系统,构建了虚拟现实空间认知数据集。首先采集受试者在该系统中的任务绩效和行为数据,然后应用“基本认知能力测验系统”对其空间认知能力水平进行标注,最终构建了包含35个样本的数据集。在此基础上,从原始数据中分别提取了导航时长、探索最近距离等38维绩效特征,及归一化速度变异性、轨迹信息熵等129维行为特征,用于进一步的评估方法研究。（3）提出了一种基于机器学习的空间认知能力评估方法。采用SVR、Lasso等6种机器学习模型,利用上述（2）中提取的绩效特征和行为特征对空间认知能力水平进行回归预测。实验结果表明,将绩效和行为两种特征进行融合的预测效果最佳。对于工作记忆,RMSE、MAE分别达到0.862和0.629,预测相对精度95.8%;对于视觉空间能力,RMSE、MAE分别达到1.242和0.857,预测相对精度93.6%。进一步利用Stacking框架进行模型集成,对于工作记忆和视觉空间能力,预测相对精度分别提升2%和3%。上述结果验证了本文所提出智能评估方法的有效性。本文基于虚拟现实技术开展相关研究工作,为空间认知能力的智能化评估提供了有效支撑和重要参考。