EarRumble: 通过自愿的鼓膜张肌收缩实现的不引人注意的无手和无眼输入

文献标题

EarRumble: Discreet Hands- and Eyes-Free Input by Voluntary Tensor Tympani Muscle Contraction

文献信息

• 主题领域: 人机交互中的非传统输入技术
• 关键词: tensor tympani muscle, discreet interaction, subtle gestures, earables, hearables, in-ear barometry

研究背景与问题

• 问题或挑战:

  • 在移动场景中，用户需要一种在不使用双手和眼睛的情况下进行交互的方式。这种方式应避免大幅度的动作，并具有隐蔽性和社会接受度。
  • 当前耳机相关交互技术大多需要显著动作，可能引发用户隐私问题或被外界注意。
  • 尚未开发基于耳部肌肉——如 tensor tympani 的自主控制，用于与设备交互的技术。

• 研究重要性:

  • 提供隐蔽且无需手眼参与的交互技术，可以在嘈杂公共场合或拥挤环境中使用，有助于提升移动交互体验。
  • 探索 tensor tympani 肌肉作为输入来源的可行性，为未来耳机交互技术开辟新路径。

• 研究动机与相关工作:

  • 相关研究已探索手部微动作、口腔接口以及耳机的运动检测等领域，但未充分研究基于耳部肌肉控制的交互。
  • tensor tympani 是人类中耳的一个小肌肉，其自主收缩会导致耳膜的位移和压力变化，可被用于检测用户动作。

解决方案

• 方法或解决方案:

  • 引入一种名为 "EarRumble" 的交互技术，利用 tensor tympani 肌肉的自主收缩来实现交互。
  • 通过密封耳道内的压力传感器测量肌肉收缩引起的压力变化。

• 创新之处:

  • 首次提出利用 tensor tympani 肌肉自主收缩实现交互的技术。
  • 提供了一种隐蔽性高、低成本、无需明显物理动作的交互方式。
  • 通过提出三种简单的耳部动作（单次收缩、双次收缩、维持收缩）扩展了交互设计空间。

• 实施步骤与关键技术:

  1. 硬件设计: 定制耳机包括压力传感器和扬声器组件，以测量密封耳道内的压力变化。
  2. 动作识别算法: 使用机器学习分类器（如 XGBoost）处理压力数据，从中识别耳部动作（单次收缩、双次收缩、维持收缩）。
  3. 用户研究: 通过在线问卷获取关于 tensor tympani 肌肉控制能力的数据，并在实验室环境中验证其可行性。

研究成果

• 具体成果:

  • 约43%的调查参与者表示可以自主控制 tensor tympani 肌肉，证明其潜在用户范围广泛。
  • 三种耳部动作分类器实现了高达95%的准确率（使用 XGBoost 模型）。
  • 实验表明，EarRumble 可用于接听电话和控制音频播放等实际应用场景。

• 优势与贡献:

  • 与传统耳机交互技术相比，EarRumble 技术无需双手和眼睛参与，交互隐蔽性更高。
  • 动作执行无需明显物理运动，可避免社交环境中的不便。
  • 开创性的提供一种基于人体生物特性的交互方式。

• 实验或评估结果:

  • 分析表明用户能快速开始动作（平均启动时间为308ms）。
  • 使用 EarRumble 时，用户可以轻松执行单次和双次耳部收缩，但维持收缩的检测仍存在技术瓶颈。
  • 用户实验发现，尽管技术存在短板，用户普遍认为这种交互方式“神奇”和“实用”。

• 局限性与未来方向:

  • 局限性:

    • 当前的技术需要密封耳道，这可能导致不适或长期使用的安全问题。
    • 对维持收缩的检测不够准确，需进一步优化感测方法。
    • 尚未测试该技术在动态环境中使用的社交接受度以及性能。

  • 未来方向:

    • 探索其他感测方法，如引入相机或声学阻抗测量，以提高维持收缩的检测准确率。
    • 调查长期使用 tensor tympani 肌肉自主收缩的健康影响。
    • 研究 EarRumble 技术在更广泛的移动交互和复杂应用场景中的潜力。