StylusPort:研究VR中触控笔的瞬移交互
作者
VR 中的社交与协作手部手势识别眼动追踪与注视交互UI/UX 设计师AI/ML 研究员与工程师HCI 研究员
文献标题
StylusPort: Investigating Teleportation using Stylus in VR
出版信息
- 主题领域: 基于触控笔的虚拟现实(VR)传送与方向控制。
- 关键词: VR传送,触控笔交互,基于视线的移动,模式切换,方向控制,指点与传送,用户研究,多模态输入,触控笔翻转,抛物线射线投射。
背景与问题
- 问题/挑战: 现有的VR传送技术通常依赖于具有多个按钮的控制器,而触控笔由于输入有限,很难映射这些功能。此外,将传送功能与触控笔的工作流(如绘图和操作)集成的研究仍然不足。
- 重要性: 将传送功能无缝集成到基于触控笔的VR工作流中,可以提高导航和交互效率,特别是在处理大规模模型或受限物理空间的任务时。
- 动机与相关研究: 之前的研究探讨了“指点与传送”技术、基于视线的移动以及触控笔输入在VR中的应用,但在有效结合这些模式方面仍存在空白。本文基于前人的研究,解决了触控笔传送中特定的模式切换和方向控制问题。
解决方案
- 提出的方法: StylusPort,一组用于VR的传送技术,集成了基于触控笔的模式切换和方向控制。
- 创新点:
- 引入触控笔翻转手势,实现绘图与传送模式之间的直观切换。
- 开发了三种方向控制技术:StylusRoll、StylusPoint 和 GazePoint。
- 在受控用户研究中对这些技术进行了实证评估。
- 提供了关于速度、准确性和用户偏好之间权衡的洞察,针对模式切换和方向控制方法。
- 流程与关键技术:
- 模式切换:
- 按钮: 使用辅助按钮在绘图和传送模式之间切换。
- 翻转: 翻转触控笔(改变握持方向)切换模式。
- 方向控制:
- StylusRoll: 用户通过滚动触控笔调整方向。
- StylusPoint: 用户通过触控笔指向,使用第二条抛物线射线指定方向。
- GazePoint: 用户通过视线方向指定方向。
- 用户研究设计: 参与者使用模式切换和方向控制技术的组合完成传送与定向任务。
- 模式切换:
结果
- 具体发现:
- 在模式切换中,Flip 比 Button 更快(p < 0.001),并且在定位和方向准确性上表现更好。
- 在方向控制方法中,StylusPoint 是最快且最受欢迎的,其次是 GazePoint,而 StylusRoll 最慢且最不受欢迎。
- GazePoint 显示出潜力,但受限于眼动追踪的准确性,尤其是对佩戴眼镜的参与者。
- 相较基线的优势:
- Flip 降低了认知负荷,并在准确性上优于 Button。
- StylusPoint 提供了比 StylusRoll 更直观和高效的方向控制。
- 实验/评估:
- 参与者(N = 18)每人完成了120次试验,测试了两种模式切换方法(Button 和 Flip)与三种方向控制技术(StylusRoll、StylusPoint、GazePoint)的组合。
- 评估指标包括任务完成时间、定位/方向误差和用户偏好。
- 使用 NASA-TLX 和李克特量表评估工作负荷和偏好。
- 局限性与未来工作:
- 眼动追踪硬件导致不适,并限制了准确性。
- 研究集中于受控环境,交互对象有限。
- 未来工作可以探索基于视线的定位、上下文感知的 Flip 手势,以及更复杂环境中的实际应用。
总结
本文提出了 StylusPort,一组将传送功能集成到基于触控笔的VR工作流中的技术。研究表明,使用触控笔翻转进行模式切换比按钮更快且更准确,而通过触控笔指向(StylusPoint)是最有效且最受欢迎的方向控制方法。基于视线的方向控制(GazePoint)显示出潜力,但受限于当前的眼动追踪技术。这些发现为设计直观高效的VR传送方法提供了可操作的见解,其潜在应用还可扩展至控制器和裸手交互领域。
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。
- 71%
大众的目光:与用户和专家协同设计和优化眼动手势
CHI '26· 眼动追踪与注视交互 +2
- 71%
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
- 71%
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%
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
- 67%
原子触感操作过程中的手指俯仰和滚动方向特征
CHI '18· 手部手势识别 +1
- 63%
AnkleType:一种无需手脚的虚拟现实足部文本输入技术
CHI '26· 手部手势识别 +4
- 63%
GestuProp:基于协同手势的3D虚拟现实道具生成系统
CHI '26· VR 中的社交与协作 +3
- 63%
InkFlow:面向混合现实中自然空中输入的连笔手写识别
CHI '26· 手部手势识别 +3
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/10.1145/3772318.3793420
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
7 位作者
sell
研究子方向
VR 中的社交与协作、手部手势识别、眼动追踪与注视交互
work
职业/产业
UI/UX 设计师、AI/ML 研究员与工程师、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