估计负重和行走对混合现实交互的影响

研究背景与问题

• 发现问题： 作者研究了混合现实 (MR) 交互中情境性障碍对用户性能的影响，具体关注“负重”（携带重物）和“行走”对典型MR任务的影响。这些障碍在现实环境中非常常见，但在早期MR研究中常常被忽略。

• 重要性： 随着混合现实设备的商业化(如Meta Quest 3, Apple Vision Pro)，用户开始在现实场景中使用这些设备，包括在健身房、购物、或驾驶中。这些情境障碍可能显著降低MR设备的交互性能和用户体验，因此了解其影响对改进MR设计至关重要。

• 研究动机与相关工作： 先前研究表明，环境因素（寒冷、噪音等）会负面影响移动设备和桌面计算的交互性能。然而，目前针对MR设备中情境性障碍影响的研究非常有限。本研究将为此领域提供新见解，补充现有的技术人员对MR交互的理解。

解决方案

• 方法与解决方案： 通过实验分析，作者量化了“负重”和“行走”对MR中三个典型任务的影响，这些任务包括目标获取（直接选择和射线投射）和文本输入。作者基于贝叶斯回归模型，评估了任务完成时间、误差率、指向偏移量和吞吐量等指标的变化。

• 创新之处：

  1. 作者首次系统性地研究了负重和行走对MR交互的具体影响。
  2. 提出并验证了新的回归模型，用于量化这些情境性障碍。
  3. 提供了任务设计建议，以最大程度降低情境性障碍的影响。

• 实施步骤与技术：

  1. 实验设置
     • 使用腕带附加不同重量（0kg，0.5kg，1.0kg）模拟“负重”。
     • 通过设定步速的路径模拟“行走”。
     • 三个任务分别为目标获取（直接选择和射线投射）和文本输入。
  2. 指标测量
     • 目标获取任务中评估了移动时间、指向偏移量、误差率和吞吐量。
     • 文本输入任务中测量吞吐量，以及未修正错误率 (UER) 和已修正错误率 (CER)。
  3. 数据分析
     • 使用贝叶斯回归分析每种障碍对指标的具体影响，并对比任务之间的差异。

研究成果

• 具体成果：

  1. 负重的影响
     • 1.0kg 负重增加了28%的目标选择时间，并降低了22%的目标获取吞吐量。
     • 文本输入吞吐量减少了17%，而未修正错误率增加了50%。
     • 指向偏移量未受显著影响。
  2. 行走的影响
     • 行走增加了目标选取时间（射线投射方法时增加63%）。
     • 减少文本输入吞吐量51%，增加了射线投射中误差率（8.4%）。
     • 指向偏移量和误差均显著上升。
  3. 交互影响
     • 1.0kg 负重结合行走使射线投射的目标选取时间增加了112%。
     • 文本输入吞吐量减少了58%。

• 优势与意义：

  • 证明了情境性障碍对混合现实中的主要接口性能具有显著影响。
  • 为设计适应现实环境的MR系统提供了关键数据支持。

• 实验评估及成果验证：

  • 定量实验通过3×2的条件内实验设计检验了任务指标的变化趋势。
  • 用户访谈补充了定性数据，验证了实验观察结果。

• 局限性与未来方向：

  1. 局限性
     • 实验条件为模拟环境（腕带负重和固定步速），可能低估了真实场景复杂性。
     • 研究仅考察了基础任务，未涵盖现实中的复杂MR操作场景。
  2. 未来方向
     • 探讨在现实情境中负重、复杂步行及更多实际交互任务的影响。
     • 验证改进的输入方式（如眼动追踪、语音输入）在情境性障碍中的潜力。
     • 提高实验设计的多样性，包括更复杂的障碍（如动态障碍物或手持重物）。

本研究成果增强了对现实场景中MR交互设计的理解，并强调了考虑情境性障碍对提升用户体验的重要性。这些研究为未来设计能动态调整情境障碍的MR系统打下了坚实基础。