为顺序手势输入设计触觉反馈

车内触觉、声音、多模态反馈手部手势识别

文献标题

Designing Haptic Feedback for Sequential Gestural Inputs

文献信息

  • 主题领域: 人体工程学、交互设计、触觉反馈
  • 关键词: 触觉反馈、手势交互、振动反馈、用户界面、老年用户、人机交互、实验设计、性能测试、可穿戴设备

研究背景与问题

  • 发现的问题或挑战:

    • 现有触觉反馈主要用于系统发起的交互,而在用户主导的交互(如手势输入)中,触觉设计尚未得到充分探索。
    • 对于多手势序列输入,如何有效设计触觉反馈以提高交互效率和准确性仍然是一个挑战。
    • 手势和触觉结合的用户界面如何适应不同年龄人群的需求尚未充分研究。
  • 重要性:

    • 随着混合现实、可穿戴设备和智能设备的普及,中断少、直观的手势-触觉交互界面将在广泛场景中(如驾驶、户外使用等)发挥关键作用。
    • 传统视觉或听觉反馈在某些情况下可能不适用,如视觉或音频过载,触觉提供了关键补充。
  • 研究动机与相关工作:

    • 触觉反馈已经被广泛研究,如编码方向、情绪和语言信息,但多用于静态或系统单次触发反馈。
    • 本研究尝试探索触觉设计在复杂手势序列中的表现,特别是探讨触觉信号时长、反馈策略以及年龄差异的影响。

解决方案

  • 提出的解决方案:

    • 设计基于隐喻触觉模式的振动反馈,专门针对多手势序列输入。
    • 对比即时(逐手势反馈)和串联(所有手势后统一反馈)两种触觉反馈策略。
    • 系统性评价触觉模式的时长(0.3秒与0.5秒)、手势序列长度(2-4手势)及年龄因素对交互性能的影响。
  • 创新之处:

    • 基于隐喻的触觉反馈提高了记忆性和认知易用性。
    • 首次系统性地分析触觉反馈策略对多手势序列交互的影响。
    • 针对用户年龄差异提供个性化设计建议。
  • 实施步骤与关键技术:

    1. 触觉模式设计: 使用四个振动器的腕带设备,开发九个触觉模式,映射到特定手势和快捷功能上(如确认、取消、保存等)。
    2. 隐喻关联设计: 将触觉模式与相关视觉/听觉隐喻(如“心跳”、“闹钟滴答声”)关联,增强用户直觉。
    3. 实验设计:
      • 实验1考察单手势识别准确率与触觉模式时长(0.1s、0.3s、0.5s、0.8s)的关系。
      • 实验2研究多手势序列交互中触觉策略、时长、手势数量和年龄的影响。
    4. 数据收集与分析: 使用GUI界面记录用户反馈、识别准确率和响应时间,采用线性混合效应模型分析数据。

研究成果

  • 具体成果:

    • 单手势实验:
      • 触觉时长0.5秒在学习和测试阶段的识别准确率分别高达94%和92%。
      • 至少0.3秒的触觉时长即可在测试阶段实现81%的准确率。
      • 显著的时间-准确率权衡点在0.3秒至0.5秒之间。
    • 多手势序列实验:
      • 即时反馈策略明显减少了交互时间,尤其对于短触觉模式(0.3-0.5秒)。
      • 串联反馈适合长触觉模式但会导致交互时间增加。
      • 手势序列长度对识别准确率和交互时间的影响有限。
    • 年龄差异:
      • 小于45岁的用户对反馈策略和模式时长较不敏感,即时反馈+0.3秒触觉时长表现最佳。
      • 年龄≥45岁的用户在即时反馈+0.5秒触觉时长条件下表现最佳。
  • 优势:

    • 显著提高了触觉反馈的交互效率和准确性。
    • 更好地支持了不同年龄用户的个性化需求。
    • 与现有视觉/听觉反馈相比,触觉反馈在复杂场景中具有独特价值。
  • 实验或评估结果:

    • 即时反馈比串联反馈在整合性能和时间效率上具有明显优势(p < 0.0001)。
    • 触觉模式时长的减少会对高年龄用户的识别能力造成明显影响(p < 0.01),而对年轻用户几乎没有影响。
  • 局限性与未来方向:

    • 局限性:
      • 本研究仅使用腕带触觉设备,未探索更广泛的可穿戴形式。
      • 实验主要基于新用户的数据,未考虑长期使用后的学习效果。
      • 串联反馈策略的评价可能因设置的信号间隔时间而存在偏差。
    • 未来方向:
      • 探索长期熟练度如何影响触觉反馈交互效率。
      • 验证其他应用场景(例如复杂任务环境)和平台上的适应性。
      • 考虑多模态反馈(视觉、听觉、触觉结合)的实际应用效果。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/147360/2024

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3613904.3642735
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2024
emoji_events
奖项
未标记奖项
group
作者
7 位作者
sell
研究子方向
车内触觉、声音、多模态反馈、手部手势识别
work
职业/产业
—
article
内容状态
已索引正文
hub
相关论文
3 篇相关论文