颠簸的旅程？理解外部力量对移动车辆中空间交互的影响

研究背景与问题

问题与挑战

• 本文聚焦于在移动汽车环境中使用头戴显示设备（HMD）进行空间交互时，由于车身运动（如G力、震动和行车轨迹不规则）对用户交互性能的影响。
• 作者指出，车辆的动态行为会显著降低交互精度、延长任务完成时间并增加工作负载，从而可能阻碍HMD的高效使用。

重要性

• 随着自动驾驶车辆的普及，车上乘客越来越倾向于使用HMD进行工作、娱乐或其他非驾驶相关任务。然而，车辆动态因素对HMD交互方式的影响可能成为这些设备实际使用的主要障碍。
• 现有的研究更多基于低保真驾驶模拟器，而缺乏针对真实路况下HMD交互性能的系统性分析。

研究动机与相关工作

• 动机：现有研究已探讨HMD在静止环境中的交互方法，但如何应对复杂的车内运动环境仍缺乏解决方案。
• 作者参考了触摸屏、眼动追踪、手势交互等在车辆中的交互研究，以及前人使用模拟器研究运动影响的基础工作。

解决方案

提出的方法

• 本文通过使用真实车辆环境，研究四种交互方式（Gaze&Pinch、DirectTouch、Handray和HeadGaze）的性能表现。
• 实验对象在两种条件下（车辆静止和行驶）完成基于Fitts’法则的交互任务，优化和比较不同交互方式的操作效果。

方法的创新之处

1. 系统性地将路面类型（光滑、混合、颠簸）和弯道路径类型（短弯曲、长弯曲、直行）纳入研究影响。
2. 提供了对HMD交互设备在动态环境中精度、工作负载和使用情况的定量数据与定性反馈。
3. 细化了交互性能的影响因素，例如车辆运动时的选择偏移量与所需时间。
4. 提出了适用于动态环境中的交互设计建议，为未来HMD开发提供指导。

实施步骤

1. 实验设计：对24名受试者进行对比测试。交互任务包括用四种不同方式选择HMD虚拟场景下的目标。
2. 数据采集：实时记录车内传感器数据（如IMU加速度）和用户交互运动轨迹（如手、头部动量）。
3. 评价指标：通过NASA-RTLX衡量用户主观工作负载，利用Fitts’法则计算任务效率，同时评估误差率和选择精度。

研究成果

具体成果

1. 任务性能：车辆运动显著降低了所有交互方式的精度和效率，增加了任务错误率。Handray在动态条件下表现最好，而Gaze&Pinch则受运动影响最大。
2. 工作负载与可用性：车辆行驶时总工作负载显著提高，HeadGaze和Gaze&Pinch受影响最明显。总体可用性评分在静止条件下较高（良好级别），但在动态条件下降至一般。
3. 主观反馈：Handray被认为是动态情境下的最佳交互方式，其次是DirectTouch；Gaze&Pinch被认为最适合于隐私场景，但其技术实现仍需优化。

实验或评估结果

• 错误率：Gaze&Pinch在动态条件下的平均错误率最高（36%），Handray最低（20.4%），表现出较大的交互鲁棒性。
• 选择精度：DirectTouch和Handray在动态环境中的选择偏差最小，较适用于动态环境。
• 任务时间：动态条件下所有方法的选择时间显著增加，但Gaze&Pinch和DirectTouch在某些路况下表现出较短的时间。

与现有解决方案的对比优势

• 本研究首次将真实路况的多种动态环境影响与交互方式相结合，为未来AR/VR设备的车内应用提供了重要数据支持。

局限性与未来方向

• 局限性：
  1. HMD重量较大影响了眼球追踪和头部运动的精度。
  2. 手部追踪系统在强光环境下的稳定性不足。
  3. 受试者多为汽车领域的员工，可能导致偏向性。
• 未来方向：
  1. 引入更轻便、性能更高的HMD和追踪设备。
  2. 在不同驾驶速度和压力实验场景中扩展研究。
  3. 开发算法优化，如运动补偿和目标选择预判机制。

总结

该研究深入探讨了车辆运动对HMD交互性能的影响，通过实地实验及数据分析不仅验证了现有的主要影响因素，还提出了具体设计建议，为未来自动驾驶汽车的沉浸式体验布局奠定了坚实基础。同时，也为混合现实交互设计提供了宝贵的实践依据。