理解上身可穿戴设备对上身运动障碍用户的手势输入表达

文献标题

Understanding Gesture Input Articulation with Upper-Body Wearables for Users with Upper-Body Motor Impairments

文献信息

• 主题领域: 人机交互、穿戴式设备、无障碍技术
• 关键词: 上肢运动障碍, 智能手表, 智能眼镜, 智能戒指, 手势输入, 无障碍输入, 穿戴设备

研究背景与问题

• 研究背景: 随着智能穿戴设备（如智能手表、智能戒指、智能眼镜）的逐渐普及，手势输入成为一种日益重要的交互方式。然而，针对上肢运动障碍用户的研究仍较少，这类设备的设计通常基于对用户运动能力的假设，这可能对上肢运动障碍用户造成额外的使用困难。
• 问题与挑战:
  • 当前大多数设备的交互方式假设用户具有良好的手指、手腕和手臂的运动能力，以执行精准的滑动、点击和其他手势。这对存在运动障碍的用户形成挑战。
  • 现有研究大多关注的是普通消费者，而缺乏对运动障碍用户如何执行穿戴设备手势输入的深入量化分析。
• 重要性: 理解运动障碍用户在穿戴设备上的手势使用模式，对提升设备的无障碍性和普适性设计具有重要意义。
• 研究动机: 对于智能手表、戒指和眼镜等产品缺乏全面的手势输入性能研究，尤其是上肢运动障碍用户在不同穿戴位置设备上的表现需要更细化的量化分析。

解决方案

• 方法与设计:

  • 作者通过实验收集了28名参与者（14名有上肢运动障碍，14名无障碍）的7,290个触屏手势（stroke gestures）和3,809个动态手势（motion gestures）。
  • 比较和分析了两组用户在智能手表（腕部）、智能戒指（手指）和智能眼镜（头部）上的手势输入表现。
  • 数据分析基于任务完成时间（Production Time）、一致性（Articulation Consistency）以及运动学特征（如加速度、轨迹等）。

• 创新点:

  • 首次对运动障碍用户的触屏手势和动态手势在多个身体部位设备上的表现进行系统性深入研究。
  • 提出了基于用户能力的无障碍设计原则及十个实际设计建议。
  • 数据集公开，为未来相关研究提供了重要资源。

• 实验步骤与技术:

  • 使用三星Gear Fit 2智能手表改装为戒指、眼镜设备，进行数据采集。
  • 设计了包含12种触屏手势与18种动态手势的测试集。
  • 数据收集通过高精度时间戳记录手势动作轨迹，并分析与量化手势执行的效率和一致性。

研究成果

• 主要发现:

  • 触屏手势:
    • 运动障碍用户花费的时间是正常用户的两倍（3.16s vs 1.56s），一致性低17.9%。
    • 手势的长度更大，形状更“波动”，并使用更多的笔画。
    • 不同设备位置影响显著，腕部设备的性能最优，戒指与头部设备次之，用户在这两个位置执行手势时面临较大挑战。
  • 动态手势:
    • 对于动态手势，运动障碍用户和无障碍用户表现相似，包括手势生产时间、一致性、加速度和动态特征。
    • 然而，手指和手腕的动态手势快于头部的头部手势，但一致性较低。

• 实验数据:

  • 实验的总体任务完成率：90.4%（触屏手势）和94.5%（动态手势）。
  • 数据集中包括详细的时空特征，将为未来的无障碍手势识别研究提供极大帮助。

• 设计建议:

  • 使用者能力优先（适配用户动作能力的手势设计）。
  • 支持个性化矫正和配置，包括手势简化和预测。
  • 创建跨平台的可重用手势集以适配不同设备。
  • 在手势过程中提供清晰的反馈（提升用户操作透明度）。

• 局限性与未来方向:

  • 局限性:
    • 实验设备不完全满足特定情境需求（戒指设备可能过大）。
    • 未涵盖所有情境下潜在的使用策略（例如双手交替操作等）。
  • 未来方向：
    • 扩展对手势识别准确率的研究，结合用户生成数据优化算法。
    • 探索更多设备形态和其他身体部位设备的交互潜力。
    • 进一步研究手势表现和用户满意度之间的关联。

研究为设计更具包容性和普适性的手势交互界面提供了新视角，同时释放的数据集将鼓励更多相关领域的创新。