嵌入硬件的指向传输函数,能够消除操作系统增益

力反馈与伪重力感电路制作与硬件原型软件工程师与开发者HCI 研究员

研究背景与问题

  • 发现的问题或挑战:

    • 操作系统(OS)原生的指针转移函数(designed gain functions)难以满足高性能用户的需求,尤其是电竞玩家。这些函数的实现受硬件设置(CPI、采样率等)和操作系统原生函数的扰动影响,导致用户难以体验到和适应一致的功能。
    • 当前的鼠标指针转移函数定制化水平有限,无法为用户提供足够的控制来优化性能。
    • 几乎所有现代操作系统的转移函数基于逻辑单位而非物理单位,这使得改变硬件参数时,用户实际感知的增益函数发生显著变化。
    • 尽管加速转移函数有助于提高性能,但由于无法避免扰动,其在电竞领域的应用受限。
  • 为什么这个问题很重要:

    • 专业电竞比赛对输入设备的性能要求极高,甚至微小的劣势都会影响比赛成绩。
    • 游戏社区中对高性能定制化鼠标转移函数的需求很大,但操作系统和现有工具都未能高效满足这类需求。
  • 研究动机与相关工作:

    • 当前解决方案如libpointing、Closest tool 和 Raw Accel存在以下局限:
      • 需要手动适配硬件参数,用户负担大。
      • 部分方法依赖附加软件,可能受反作弊工具限制。
      • 它们的功能实现往往不够精准,且无法适应多操作系统环境。
    • 本研究希望开发一种可以直接嵌入硬件的解决方案,以彻底摆脱对操作系统设置和附加软件的依赖。

解决方案

  • 方法或解决方案:

    • 作者提出了一种硬件嵌入的指针转移函数技术,这一技术在设备固件内定义转移函数,并包含一个算法以取消操作系统对原生增益函数的影响,从而保证所定义的函数在外界设置改变的情况下保持一致。
    • 优化的方案包含两个主要组件:
      1. 自定义增益函数: 提供物理单位(如米/秒)下完全可定制的增益函数。
      2. 操作系统增益函数校正算法: 自动抵消操作系统原生函数的干扰,并处理硬件参数干扰。
  • 创新之处:

    1. 自定义函数支持用户上传精确到物理单位的增益函数,克服了传统操作系统基于逻辑单位计算的局限。
    2. 算法内置在硬件中,无需额外软件支持,可适配任意操作系统。
    3. 提供与操作系统原生函数的“增益取消”功能,从而可以使用户体验到与环境无关的恒定操作。
  • 实施步骤:

    1. 硬件实现: 构建自定义的双感应鼠标,搭载PixArt PMW3389传感器和Espress ESP32-S3微处理器,支持用户使用上传的增益函数。
    2. 固件开发:
      • 固件通过插值法处理增益表,并实时计算需要发送的HID报告,使指针的实际位移与用户设定的增益函数一致。
      • 提供增益取消表,为操作系统原生增益函数的增益扰动提供实时校正。
    3. 技术实现细节:
      • 使用查找表预先计算“增益取消”函数(即操作系统增益和目标增益的映射)。
      • 强制保持鼠标报告的方向与传感器读数的方向一致,避免光标抖动。
    4. 验证与优化:
      • 通过技术评估和对比实验,分析增益函数实现的精确度和响应速度。

研究成果

  • 具体成果:

    • 提出的硬件嵌入技术成功地将用户自定义的增益函数精确实现于物理单位视角,具有较高的灵活性和可靠性。
    • 在真实硬件、CPI变化和OS转移函数扰动条件下,结果表明此技术在精确度和鲁棒性方面与常规解决方案相当,同时克服了常规方案的一些需求问题。
  • 与现有解决方案对比的优势:

    1. 无需安装额外软件: 适合所有操作系统环境,减轻了用户负担。
    2. 自动化硬件设置补偿: 对CPI和采样率扰动具备鲁棒性,用户体验一致。
    3. 细粒度体积控制: 子像素级别的误差,允许运动范围与增益定义的高度匹配。
    4. 兼容性高: 没有依赖操作系统API,降低了反作弊检测风险,适合竞技类游戏。
  • 实验或评估结果:

    • 在多指针转移函数的配置下(固定CPI和变化CPI等实验条件),所定义的增益函数实现平均绝对误差(MAE)维持在5像素以内,且与目标增益的R²值达到0.966以上。
    • 当硬件参数(如CPI、采样率)动态变化时,技术仍然能提供一致的增益实现,R²仍保持在0.973。
  • 局限性与未来方向:

    1. 局限性:
      • 用户仍需通过硬件或简单软件调整操作系统增益设置以匹配固件中的增益取消算法。
      • 当前实现支持的增益函数分辨率与固件存储大小成正比,有进一步优化空间。
    2. 未来方向:
      • 提供智能化OS增益自动检测和偏好学习以进一步简化用户操作。
      • 扩展到其他输入设备(如触控板)和增强复杂场景下的应用,如VR和MR场景。
      • 进行主观用户实验,评估电竞玩家对该方案性能提升的实际体验感知。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/189095/2025

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/10.1145/3706598.3714076
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2025
emoji_events
奖项
未标记奖项
group
作者
6 位作者
sell
研究子方向
力反馈与伪重力感、电路制作与硬件原型
work
职业/产业
软件工程师与开发者、HCI 研究员
article
内容状态
已索引正文
hub
相关论文
8 篇相关论文