理解一维单向移动目标选择中的不确定性

与对静态目标指向的广泛研究相比，人机交互文献中对移动目标捕获的正式理解要少得多。我们设计了一组实验来识别1D单向移动目标选择中的规律，并发现三元高斯模型可以描述此类任务中的终点分布。高斯模型中由μ和σ描述的分布形状主要由移动目标的速度和大小决定。该模型很好地拟合了经验数据，μ和σ的R2值分别为0.95和0.94。我们还展示了该模型的两个扩展，包括1）预测移动目标选择中的错误率；2）一种新颖的交互技术，可以隐式地帮助移动目标选择。通过将它们应用于游戏界面设计中，我们观察到在预测错误率（例如，2.7%的平均绝对误差）和辅助移动目标选择（例如，指针准确性提高了33%或更多）方面都表现良好。