ImmersiProtor：整合空间增强现实与组件分层生成的协作混合原型工具

文献标题

ImmersiProtor: A Collaborative Mixed-Prototype Tool Integrating Spatial Augmented Reality and Component-layered Generation

出版信息

• 主题领域: 空间增强现实（SAR）与生成式人工智能（GAI）在协作概念设计中的整合。
• 关键词: 空间增强现实、生成式人工智能、协同设计、混合原型、组件分层生成、沉浸式协作、设计迭代、人机交互、原型工具、多学科团队合作。

背景与问题

• 问题/挑战: 传统原型方法在物理原型的触感性与虚拟原型的视觉逼真度之间存在权衡。现有的SAR系统局限于被动显示，缺乏创造性适应能力，而GAI工具通常缺乏可控性，无法支持细粒度的协作。
• 重要性: 解决这些局限性可以提高多学科设计团队的效率、创造力和协作能力，尤其是在关键的概念设计阶段。
• 动机与相关研究: 先前研究探索了混合原型方法和GAI在原型设计中的应用，但在整合SAR与GAI以实现实时、协作和可控的设计工作流方面仍存在空白。本文基于这些基础提出了一种新的交互范式。

解决方案

• 提出的方法: ImmersiProtor，一个整合多视图SAR与组件分层GAI的协作概念设计工具。
• 创新点:
  1. 引入组件分层生成范式，增强GAI的可控性并支持细粒度迭代。
  2. 开发多视图SAR系统，实现沉浸式、一致性和多视角的设计评估。
  3. 创建一个平衡独立创造力与团队共享资源的协作设计系统。
• 流程与关键技术:
  1. 设计师创建物理原型并通过摄像头捕捉。
  2. ImmersiProtor使用全局和局部提示，通过GAI生成高保真、组件分层的数字设计。
  3. 多视图SAR从四个视角将一致的渲染投射到物理原型上。
  4. 基于网络的平台支持独立和协作的组件创建、迭代和评估。

结果

• 具体发现:
  • ImmersiProtor的平均SUS评分为84.44，分类为“优秀”。
  • NASA-TLX结果显示心理负担降低 (U = 10.5, p < 0.01)，但身体负担增加 (U = 266.0, p < 0.01)。
  • CSI评分为87.93 (SD = 2.33)，表明其对创造力的显著支持，特别是在表现力 (U = 274.0, p < 0.01) 和协作性 (t = 2.09, p = 0.04) 方面。
• 相较基线的优势:
  • 与基线工具（Vizcom）相比，协作与意识显著提升 (U = 228.5, p = 0.034)，共享理解与共识显著提高 (U = 239.0, p = 0.014)。
  • 相较于基于屏幕的工作流程，创造力支持和沉浸式协作显著增强。
• 实验/评估:
  • 一项包含36名参与者（18名实验组，18名对照组）的用户研究，任务为设计智能配送车辆。
  • 测量指标包括SUS、NASA-TLX、CSI以及定制的协作问卷。
  • 行为分析识别了四种创作模式：物理编辑、物理组合、组件迭代和组件组合。
• 局限性与未来工作:
  • 在多样化设计背景和任务中的评估有限。
  • 需要更大规模的研究，涉及非设计领域的利益相关者和真实工作流程。
  • 在复杂结构、精细外观以及在逼真度与模糊性之间的平衡方面存在挑战。

总结

ImmersiProtor整合了多视图SAR与组件分层GAI，解决了传统与混合原型工作流程的局限性。它通过允许设计师在共享的沉浸式环境中迭代创建和评估物理与数字原型，增强了创造力、协作性和可控性。实证结果表明其在可用性、创造力支持和协作性方面优于基线工具。未来工作应探索其在多样化背景中的应用，优化其交互机制，并在早期设计阶段平衡逼真度与模糊性。