不确定指针：面向 ambiguity感知的AR目标选择的情境化前馈可视化

文献标题

Uncertain Pointer: Situated Feedforward Visualizations for Ambiguity-Aware AR Target Selection

出版信息

• 主题领域: 增强现实（AR）目标选择与消歧，通过视觉前馈技术实现。
• 关键词: 增强现实，目标消歧，前馈可视化，不确定性可视化，指针设计，用户研究，系统综述，对象选择，多模态交互。

背景与问题

• 问题/挑战: 在动态、杂乱或远距离场景中，AR系统在目标选择时常面临输入不确定性的问题。现有的消歧可视化方法范围有限，且缺乏针对现实复杂场景的系统性评估。
• 重要性: 解决AR系统中的输入不确定性问题对于提升可用性、减少错误以及增强用户在多模态交互中的信心至关重要。
• 动机与相关研究: 以往研究探讨了隐式和显式的消歧技术，包括诸如套索和边界框等可视化方法。然而，这些方法很少在多样化的AR场景中进行测试，导致对其在不同目标布局和复杂性中的有效性理解存在空白。

解决方案

• 提出的方法: Uncertain Pointer——一种系统性探索前馈可视化的方法，通过标注AR中的多个候选目标来传达系统的不确定性并支持消歧。
• 创新点:
  1. 开发了一个由25种可视化设计组成的指针空间，基于原型、标识符和不确定性复杂性。
  2. 通过两项在线研究（n = 60 和 40）对指针设计进行了系统评估，涵盖不同目标距离和稀疏度。
  3. 提供针对AR场景和任务需求选择指针类型和标识符的设计建议。
• 流程与关键技术:
  • 对过去30年的可视化技术进行了系统文献综述。
  • 生成了一个指针空间，结合四种原型（外部、内部、边界、填充）和四种标识符（颜色、大小、不透明度、文本）以及三种不确定性复杂性（确定性、身份、等级）。
  • 通过用户研究评估指针设计，测量偏好、信心、心理负担、可见性和错误率等指标。

结果

• 具体发现:
  • 边界指针在单目标标注（确定性指针）方面表现最佳，尤其是在偏好、心理负担和可见性方面。
  • 外部指针在多目标场景（身份和等级指针）中因其清晰性和避免遮挡而受到偏爱。
  • 文本和大小标识符在传达等级指针中的渐进不确定性方面最为有效，但会引入遮挡问题。
  • 统一可视化（无标识符）在粗略选择任务中表现出更高的准确性。
• 相较基线的优势:
  • 系统性比较揭示了指针类型和标识符在可见性、清晰性和消歧效率之间的权衡。
  • 边界指针在单目标任务中表现优越，而外部指针在多目标场景中表现突出。
• 实验/评估:
  • 研究1（n = 60）：重点评估确定性和身份指针，涵盖168个视频试验，涉及不同原型、标识符和场景。
  • 研究2（n = 40）：评估等级指针，涵盖108个视频试验，引入直观性和识别最/最不确定目标的错误率等额外指标。
• 局限性与未来工作:
  • 基于视频的研究可能无法完全复制可穿戴AR体验，因运动、视野、光照和深度线索的差异。
  • 指针空间并不全面；未来工作可探索更多标识符和适应性设计，以应对更大的候选集。
  • 建议与视觉语言模型（VLMs）集成，并探索可组合指针设计。

总结

Uncertain Pointer系统性地研究了AR目标选择中的前馈可视化，通过创新的指针设计解决输入不确定性问题。两项用户研究揭示了原型和标识符之间的关键权衡，为设计消歧意识的AR系统提供了可操作的建议。研究结果强调了在可见性、清晰性和消歧效率之间的平衡，其应用范围扩展至人机交互和多模态AR界面。未来工作可进一步优化可穿戴AR的指针设计，并将其与先进的AI系统集成。