跨手指示词:揭示用户对手臂对面参照输入的手势偏好,从手指到肩膀
手部手势识别全身交互与体感输入原型设计与用户测试
研究背景与问题
- 发现的挑战: 作者研究了“Intermanual Deictics”相关的手势输入,这是一种基于对侧肢体(另一只手臂)的参考性手势输入形式。然而,虽然身体作为人机交互的一种输入表面受到广泛关注,用户对该表面直观手势操作的偏好仍未被充分研究,尤其对上臂和前臂的交互输入了解较少。
- 重要性: 该研究旨在弥补用户偏好知识的空白,以更好地设计直观的交互方式,这对于增强“on-body”交互系统的可用性和用户体验至关重要。
- 研究动机与相关工作: 之前的研究多集中于技术实现和特定身体区域(如手掌或前臂)的应用,而很少广泛探索用户对直观手势的偏好。特别是基于对侧身体参考点的手势在互动设计中还缺乏系统研究。
解决方案
- 提出的解决方案: 作者通过对75名参与者的大规模用户手势偏好研究,系统研究了触控式和非接触式的"Intermanual Deictics"手势输入,具体关注手掌、前臂和上臂的交互。根据此研究,提出了一组共60个用户共识手势,并概述了设计这些手势的原则和实际设计启示。
- 创新之处:
- 确立了“Intermanual Deictics”作为一种独特手势类别(区别于普通双手操作和皮肤接触手势)。
- 系统收集并分析了用户对三个身体区域(手掌、前臂、上臂)的手势偏好特征,强调了一种新颖的“支持者-执行者”交互模式。
- 详细提取了用户偏好的统计模式并设计了对应的设计指导。
- 实施步骤:
- 用户定义手势研究:参与者提出相对于对侧身体区域(手掌、前臂或上臂)执行常见命令(如“下一步”、“取消”)的直观手势。
- 数据收集与分析:对手势进行分类,分为接触式(触控、滑动)和非接触式(悬停)手势,并记录参与者共识程度、复杂性和适用性。
- 识别用户共识手势集:根据统计一致性分析,建立一套基于用户建议的60个共识手势。
研究成果
- 具体成果:
- 用户高度偏好物理接触手势(91.2%),其中滑动(62.4%)和触控(28.8%)最受欢迎;而悬停手势仅占5.2%。滑动主要用于前臂和上臂的中部区域,触控用于手掌中心和手指区域。
- 简单手势(88.9%)远多于复合手势(11.1%);用户强烈偏好用食指执行手势(94.3%)。
- 从手势共识分析中提取出的“60种共识手势集”详细列举对应三个身体区域,并为未来系统设计提供了参考。
- 手掌、前臂和上臂之间呈现出类似的用户倾向,前臂和上臂的手势特性尤为接近。
- 与现有解决方案比较的优势:
- 更全面地涵盖了用户手势偏好的探索范围,相较传统研究,研究范围扩展至整个对侧手臂区域。
- 提出的手势集得益于大样本量(75位参与者),因此更有代表性。
- 提供了实用性指导(如跨区域手势、基于中心区域的设计)以优化基于身体交互的设计。
- 实验与评估结果:
- 平均手势共识率为26.3%,在不同身体区域的特定命令上下略有波动(20.2%-34.1%)。
- 前臂和上臂之间的手势共识(39.2%)显著高于手掌与其他区域。
- 一致性分析显示,滑动和触控手势在功能和显著性上呈现高度相似。
- 局限性与未来方向:
- 局限性:研究聚焦于泛化的十个功能指令,缺乏针对特定应用场景的手势探讨;未直接验证现有技术对这些手势的识别准确性;样本性别分布不均(男性90%)。
- 未来方向:包括开发支持更复杂手势识别的可穿戴技术、研发基于"Intermanual Deictics"的新型虚拟现实应用、在更多情境下(如动态移动或穿戴厚衣物)探究该手势的适用范围,以及研究性别和能力差异对手势偏好的影响。
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- 用户在使用上臂和前臂进行交互输入时,偏好的直观肢体手势有哪些?分类: 用户定义手势设计与评估同类问题arrow_forward
- 与身体表面互动相关的“跨手参考点手势”(Intermanual Deictics)有哪些用户共识手势及设计原则?分类: 用户定义手势设计与评估同类问题arrow_forward
- 不同身体区域的手势一致性特点(如手掌、前臂、上臂)是什么?分类: 用户定义手势设计与评估同类问题arrow_forward
lightbulb
现实痛点
1- 用户在使用身体表面交互时,很难找到直观且一致的操作方案。分类: 用户定义手势设计与评估同类问题arrow_forward
- 100%
手势征集研究的系统性综述:我们能从216项研究中学到什么?
DIS '20· 手部手势识别 +2
- 67%
运动相关性:通过匹配其运动来选择对象
CHI '18· 手部手势识别 +1
- 67%
在触摸表面上引入瞬时手势以改进平移和缩放
CHI '18· 手部手势识别 +1
- 67%
为桌面多尺度导航设计一致的手势集
CHI '18· 手部手势识别 +1
- 67%
方向对单笔触触摸手势的影响
CHI '19· 手部手势识别 +1
- 67%
成人和儿童与交互式球面显示器进行手势交互的心理模型
CHI '20· 手部手势识别 +1
- 67%
瞄准空中运动的动力学
CHI '20· 手部手势识别 +1
- 67%
FingerMapper:将手指动作映射到虚拟手臂上,以在受限空间中实现安全的虚拟现实交互
CHI '23· 手部手势识别 +1
- 67%
情感具象化:揭示单手手势的表达潜力
CHI '24· 手部手势识别 +1
- 67%
STMG:一种支持基于拇指的VR/AR输入的机器学习微手势识别系统
CHI '24· 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/10.1145/3706598.3713474
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
2 位作者
sell
研究子方向
手部手势识别、全身交互与体感输入、原型设计与用户测试
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