AnkleType:一种无需手脚的虚拟现实足部文本输入技术
手部手势识别眼动追踪与注视交互VR 中的社交与协作沉浸感与临场感研究眼动/头动打字UI/UX 设计师HCI 研究员
文献标题
AnkleType: A Hands- and Eyes-free Foot-based Text Entry Technique in Virtual Reality
发表信息
- 主题领域: 基于脚的虚拟现实(VR)文本输入技术
- 关键词: 虚拟现实, 文本输入, 无手操作, 无眼操作, 基于脚的交互, 踝关节手势, 用户研究, 键盘布局, 长期评估, 人体工学设计
背景与问题
- 问题与挑战: 传统的VR文本输入方法(如物理键盘、手持控制器、基于视线的输入)在用户的手或视觉注意力被占用时存在局限性。现有的基于脚的输入方法需要视觉注意力和大范围的脚部动作,并且主要集中在坐姿场景。
- 重要性: 在沉浸式应用场景中(如游戏、创意和协作),高效且舒适的文本输入至关重要。一个无需手和眼的解决方案可以在手和眼被占用的情况下提升可用性。
- 动机与相关研究: 之前的研究探索了手持控制器、视线输入和基于脚的输入用于VR文本输入。然而,这些方法面临如运动病、眼疲劳以及对站姿支持有限等挑战。本研究基于基于脚的输入概念,旨在通过支持坐姿和站姿的无眼输入来填补这些空白。
解决方案
- 提出的方法: AnkleType是一种基于脚踝手势的文本输入技术,支持VR中的无手无眼输入,同时适用于站姿和坐姿。
- 创新点:
- 提出一种新颖的基于脚踝的输入系统,用于VR中的无手无眼文本输入。
- 通过用户偏好手势的引导研究,确定适合文本输入任务的脚踝手势。
- 通过用户研究和语言模型优化键盘布局以支持无眼输入。
- 通过为期7天的长期研究展示其可学习性和有效性。
- 研究步骤与关键技术:
- 初步研究测量脚踝旋转范围并引导用户偏好手势。
- 基于空间和语言建模设计适合站姿和坐姿的键盘布局。
- 比较单脚和双脚输入策略以确定每种姿势的最佳配置。
- 长期研究评估学习效果和无眼输入性能。
结果
- 具体发现:
- 初始输入速度:首次使用者的输入速度为8.99 WPM(BPSit)和9.13 WPM(UPStand)。
- 经过7天训练后:
- 可视条件下:15.05 WPM(UPStand),16.70 WPM(BPSit)。
- 无眼条件下:11.15 WPM(UPStand),12.87 WPM(BPSit)。
- 错误率在无眼条件下分别降低到9.91%(UPStand)和8.80%(BPSit)。
- 相较基准的优势:
- 与最先进的无手无眼VR文本输入方法相比具有竞争力的性能。
- 支持站姿和坐姿,而之前的研究主要集中于单一姿势。
- 实验与评估:
- 初步研究:22名参与者用于脚踝旋转范围测量,18名参与者用于手势引导。
- 键盘布局优化:12名参与者,基于空间和语言建模。
- 输入策略比较:16名参与者,单脚与双脚策略。
- 长期研究:12名参与者,持续7天,评估可视和无眼条件。
- 局限性与未来工作:
- 未考虑左脚用户;未来工作可探索自适应设计。
- 对双脚输入的分割键盘设计探索有限。
- 未在实际双任务或混合现实场景中进行评估;未来研究可解决这些问题。
总结
AnkleType提出了一种新颖的基于脚踝手势的无手无眼VR文本输入系统,支持站姿和坐姿。通过广泛的用户研究,确定了最佳输入策略(站姿使用UPStand,坐姿使用BPSit),并在性能上与最先进的方法竞争。为期7天的长期研究展示了其可学习性和有效性,在可视和无眼条件下的输入速度和准确性均显著提升。未来工作可针对左脚用户、分割键盘设计以及在实际场景中的评估进行扩展。AnkleType为沉浸式环境中的文本输入提供了一个有前景的替代方案。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 86%
关注多样:评估扩展现实中多对象选择的眼神、手势和语音交互
CHI '26· VR 中的社交与协作 +3
- 71%
眼动-头动连续体:虚拟现实中个体与群体头部运动倾向的建模
CHI '26· 沉浸感与临场感研究 +2
- 63%
理解用于现场展览的手持式HMD的VR指向方法的可用性
CHI '25· 眼动追踪与注视交互 +2
- 63%
StylusPort:研究VR中触控笔的瞬移交互
CHI '26· VR 中的社交与协作 +2
- 63%
DeltaDorsal:利用自视角中的背部特征增强手部姿态估计
CHI '26· 眼动追踪与注视交互 +2
- 63%
GazeZoom:探索用于平移和缩放的注视辅助多模态技术
CHI '26· 眼动追踪与注视交互 +2
- 63%
增强代理感的视觉搜索在虚拟现实中:对干扰、延迟和视角变换具有鲁棒性
CHI '26· 沉浸感与临场感研究 +2
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3772318.3790999
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2026
emoji_events
奖项
未标记奖项
group
作者
4 位作者
sell
研究子方向
手部手势识别、眼动追踪与注视交互、VR 中的社交与协作、沉浸感与临场感研究
work
职业/产业
UI/UX 设计师、HCI 研究员
article
内容状态
已索引正文
hub
相关论文
7 篇相关论文