SwitchSpace:理解VR与桌面界面之间的上下文感知切换

混合现实工作空间环境感知与上下文计算

文献标题

SwitchSpace: Understanding Context-Aware Peeking Between VR and Desktop Interfaces

文献信息

  • 主题领域: 人机交互 (Human-Computer Interaction) - VR/桌面界面的跨现实操作
  • 关键词: 跨现实界面, VR交互, 桌面交互, 上下文感知技术, 用户体验, 实验性研究, 输入切换, 输出切换, 过渡性界面, 混合真实感

研究背景与问题

  • 发现的问题或挑战:

    1. 用户在虚拟现实 (VR) 和桌面界面之间切换时耗时较多,且会导致物理和认知上的不便。
    2. 当前方法,例如在VR中显示桌面内容,虽然改善了一些切换流程,但未完全解决切换体验的流畅性。
    3. 缺乏对用户跨越VR和桌面工作流程偏好与习惯的广泛研究。
  • 问题重要性: 随着VR被越来越多地应用于内容创建,跨越2D桌面和3D VR的交互需求日益增长,优化此类过渡对提升用户效率和体验至关重要。

  • 研究动机与相关工作:

    • 此前的研究主要集中在2D和3D界面的独立交互上,但少有集中探讨两者间的上下文切换。
    • 国内外文献表明,融合2D和3D环境的多模式交互研究在加深用户沉浸和减少过渡困难方面具有潜力,但过渡界面设计空间尚待深入发掘。

解决方案

  • 方法或解决方案:

    1. 提出一种跨现实交互设计空间 "SwitchSpace",该系统支持用户在VR和桌面界面间快速“窥探”(peeking),从而实现无需完全切换输入和输出。
    2. SwitchSpace 的设计基于状态机,可根据用户当前的输入设备(鼠标 vs. VR控制器)和查看设备(桌面显示器 vs. VR头显)上下文,触发适当的“窥探”技术。
    3. 实现了多种“窥探”技术,例如:
      • 桌面到VR的模拟头显视图。
      • VR中的腕带式桌面快速视窗。
  • 创新之处:

    1. 针对“短暂性”过渡设计了“窥探”概念,区别于完全转换的过渡。
    2. 在设计空间模型中,通过上下文解耦将输入设备和查看设备的切换流程独立处理,提升灵活性。
    3. 构建了功能齐全的可供评估的交互原型,并与无窥探方法 (baseline) 进行性能与用户体验对比研究。
  • 实施步骤:

    1. 进行用户调研 (formative study),收集24名VR频繁用户对于跨现实交互习惯和挑战的反馈。
    2. 基于这些调研结果开发SwitchSpace系统及其多个窥探技术实现。
    3. 设计实验任务(模拟数学问题解答,其中部分数据需要在另一界面获取),控制不同条件下的用户行为数据。

研究成果

  • 具体成果:

    1. 针对VR用户与创建者的初步调研总结了现实中的跨界面工作流特点和偏好。
    2. 开发并验证了一组VR与桌面的“窥探”技术,这些技术能显著减少既有方法中的不适感。
    3. 实验结果表明:
      • 使用窥探技术的任务完成时间平均减少38%(从23.8秒减少到14.8秒)。
      • 窥探技术显著降低了任务中的拖拽精确度差异(鼠标 vs. VR控制器)。
      • NASA-TLX工作负载评估显示,用户感知的认知、身体和时间压力均有所下降。
  • 与现有解决方案的比较:

    1. 相较完全切换设备的方法,窥探技术减少了硬件切换的不便。
    2. 用户更倾向选择具有低开销(即减少硬件交互或移动)的方法,例如体感绑定或世界固定的界面呈现技术。
  • 实验或评估结果:

    • 任务时间:窥探技术提高了完成时间,无论从VR到桌面还是反向。
    • 精度:控制器和鼠标的输入精度差异在窥探技术条件下消失。
    • 工作负载:用户的身体和认知压力显著下降。
    • 用户反馈:92%的参与者偏好使用窥探技术而非完全切换。
  • 局限性与未来方向:

    1. 局限性:
      • 任务场景较简单,未覆盖更复杂的3D建模任务。
      • 部分硬件依赖限制,对非高端VR设备系统可能存在兼容性问题。
    2. 未来方向:
      • 更复杂动态任务的实现与评估。
      • 支持多用户跨现实协作情境。
      • 引入更高保真的“透视视图”作为增强窥探效果的技术手段。

我们相信,SwitchSpace为用户提供了一种快速、非侵入性的过渡体验,不仅改善了跨现实交互的效率,还为未来设计此类过渡界面提供了实践框架和设计原则。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/147514/2024

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3613904.3642358
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
5 位作者
sell
研究子方向
混合现实工作空间、环境感知与上下文计算
work
职业/产业
—
article
内容状态
已索引正文
hub
相关论文
10 篇相关论文