研究背景与问题
-
发现的问题与挑战:
- 虽然自然交互(NI)以及基于直觉与用户行为的自然用户界面(NUI)已经广泛应用,但这种范式面临诸多批评。例如,新手难以学习复杂手势、文化间差异性、物理-数字映射困难等。
- 当前自然交互的“自然性”有时被过度简化,未能捕捉使用者丰富的操作可能性,许多有效的非自然交互尚未在交互设计中被系统探索。
-
重要性:
- 自然交互并不总是适合所有情境。例如,障碍用户(如行动受限者)或感官受损者可能需要替代性、更灵活的交互方法。
- 非自然交互(NNI)设计的引入可弥补自然交互的不足,提供一种不同于传统自然界期待的用户体验,为未来的交互定义新标准。
-
研究动机:
- 作者提出通过探索非自然交互(NNI)的设计来扩展人机交互边界,即通过刻意偏离自然直觉和物理世界的因果规律,提供具有高可用性但更具发人深醒效果的交互体验。
- 基于既有范式和用户表现的限制,设计超越物理世界约束的交互具有重大价值。
解决方案
-
提出的方法:
- 作者提出“非自然交互设计”(NNI)作为自然交互(NI)的演进与互补,并通过四种视角(水平颠覆性、相互亲和性、相互扩展性、二元协同性)来定义自然与非自然交互的关系。
- 设计三个创新的手势交互原型,分别在物理环境、用户身体上及通过数字设备中展开,并系统评估这些原型的有效性。
-
创新之处:
- 偏离传统自然交互设计中对于“直觉”和“物理自然性的”假设,提出完全不同的用户体验路径。
- 系统性地定义了三个核心设计维度:不一致(Inconsistency)、不持续(Inconstancy)和非行动(Inaction),指导非自然交互的设计。
- 将用户的记忆、想象力及其他感知技能转化为互动基础,而非依赖即时的系统反馈。
-
实施步骤与技术:
- 水平颠覆性:通过颠覆传统物理-反馈的一致性,例如在纯反馈缺失的情况下设计用户如何访问数字内容。
- 相互扩展性:系统设计用以连接自然与非自然交互,实验包括身体上的抽象手势或空间无反馈访问数字交互。
- 双向评价与规范:开发基于手势的用户原型阵列,从右臂震感反馈到无空间锚定文件的访问。
研究成果
-
具体成果:
- 提出了详细的非自然交互设计指南,包括如何偏离传统系统输出、用户输入及输入与输出因果关系的直觉。
- 演示了三个原型应用的实际可用性,即用户能够适应缺乏反馈的环境记忆、非物理对象的身体定位、以及脱钩反馈的触控屏交互。
-
与现有方案比较的优势:
- 相较于传统自然交互,NNI不仅激活已有的用户记忆与空间想象能力,还通过不一致设计(如震动反馈的分离或不可见信息),丰富了用户体验的表现层次。
- 以反直觉的方式,引导用户在行为、感知和反思三个层次产生深刻体验,从而赋予应用更高的设计自由度与扩展性。
-
实验与评估结果:
- 实验结果显示,在无反馈环境中用户的记忆偏差平均仅为15cm左右,且这种非自然设计并未显著降低用户效率或满意度。
- 手势识别方案展示了 +99% 的高度精准性,较低训练数据需求。
- 来自触控反馈的用户评价高于对照组(无反馈),表明设计实现了用户体验的优化。
-
局限性与未来方向:
- 当前非自然交互仍主要局限于原型验证,实际应用场景覆盖不足。
- 提出的设计原则需要进一步整合至更宽泛的商业产品中,特别是在可访问设计(如盲人、行动限制者)或增强人机协作领域。
- 建议未来研究探索长期用户转变,包括从“不熟悉到习惯”的过程,评估非自然交互设计的学习曲线和持久影响。
通过引入非自然交互方法,文章重新定义了设计自然性及其哲学边界,在用户体验领域开辟了新的视角。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
help
研究问题
3- 如何通过非自然交互设计(NNI)弥补自然交互(NI)在用户体验中的不足?分类: 反馈设计、等待体验与多模态感知同类问题arrow_forward
- 非自然交互设计能如何推动用户在反馈匮乏的环境中执行复杂操作?分类: 反馈设计、等待体验与多模态感知同类问题arrow_forward
- 通过何种设计维度和原则能有效实现非自然交互的实用性和可扩展性?分类: 反馈设计、等待体验与多模态感知同类问题arrow_forward
lightbulb
现实痛点
1- 用户难以跨文化或在特定限制下通过自然交互完成任务。分类: 反馈设计、等待体验与多模态感知同类问题arrow_forward
- 100%
设计、工程和评估手势用户界面
CHI '18· 手部手势识别 +1
- 100%
迈向共识手势集:跨领域最大共识的HCI中空气势调查
CHI '23· 手部手势识别 +1
- 80%
TapGazer:使用手指敲击和视线导向单词选择的文本输入
CHI '22· 手部手势识别 +2
- 80%
看见与触摸空气:解开混合现实中的空中手势输入眼手协调之谜
CHI '25· 手部手势识别 +2
- 80%
为3D对象的直接和间接操作预塑手部行为
CHI '26· 手部手势识别 +2
- 80%
GestureCanvas:用于原型设计 VR 复合自由手势交互的编程演示系统
UIST '23· 手部手势识别 +2
- 67%
能否从手部运动推断物体姿态变化?
CHI '26· 手部手势识别 +2
- 67%
如此可预测!虚拟现实中连续 3D 手部轨迹预测
UIST '21· 手部手势识别 +2
- 60%
原子触感操作过程中的手指俯仰和滚动方向特征
CHI '18· 手部手势识别 +1
- 60%
设计、工程和评估手势用户界面
CHI '18· 手部手势识别 +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://dl.acm.org/doi/10.1145/3706598.3713459
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2025
emoji_events
奖项
未标记奖项
group
作者
1 位作者
sell
研究子方向
手部手势识别、全身交互与体感输入
work
职业/产业
UI/UX 设计师、HCI 研究员
article
内容状态
已索引正文
hub
相关论文
10 篇相关论文