探索头戴式增强现实中的空间用户界面转换机制

文献标题

探索基于头戴式增强现实的空间用户界面过渡机制

文献信息

• 主题领域: 人机交互、增强现实、界面设计
• 关键词: 增强现实、自动化、可控性、自适应界面、用户体验、预测错误、空间用户界面

研究背景与问题

• 发现的问题或挑战:

  • 当前的增强现实（AR）操作系统中，界面内容通常默认固定在一个位置，用户需手动调整或移动UI，增加了工作负担。
  • 用户在不同空间内的任务信息需求发生变化，但现有机制无法满足这种动态需求。
  • 自动预测和布局界面内容可能存在预测错误，如何减轻其对用户体验的负面影响仍是一个难点。

• 重要性:

  • 随着AR已逐渐融入日常生活，为用户提供动态、自适应的界面能够提升任务完成效率，减少用户操作负担。
  • 人机交互技术每况愈下，需要设计符合用户需求且高效的低摩擦交互机制。

• 研究动机与相关工作:

  • 之前的研究探讨了AR中信息显示的潜力，但大多都集中在静态、固定的UI布局，而非用户在动态环境中的应用。
  • 涉及动态交互时，如何平衡系统的自动化程度、用户的操作可控性以及预测错误处理，是关键问题。

解决方案

• 提出的方案或方法:

  • 本文设计三种不同自动化程度的UI过渡机制：低操作负担（Wristpack）、半自动（Semi-Auto）、全自动（Fully-Auto）。
  • 探索如何在不同空间中的交互中集成自动化和可控性，并模拟预测错误对用户体验的影响。

• 创新之处:

  • 提出了结合自动化与用户控制的“三种界面解决方案”，并通过实验对比，揭示了它们的性能差异。
  • 首次系统地检测预测错误的代价对用户体验的影响，提出了低错误恢复成本的设计建议。

• 实施步骤与关键技术:

  • 设计工作坊：通过实际任务，捕捉用户使用AR界面时的痛点，提出潜在解决方案。
  • 实验平台：采用VR模拟真实环境，以解决AR设备视野受限、多房间追踪不稳定等问题。
  • 实验：在虚拟家居场景中评估四种界面过渡机制，包括Wristpack、Semi-Auto、Fully-Auto，以及传统的基线方法。
  • 数据收集和分析：评估效率、可用性、工作负担、用户需求偏好以及用户的错误处理效率。

研究成果

• 具体成果:

  • Semi-Auto方案在效率（任务完成时间和移动距离）、可用性、工作负担和用户偏好上表现最佳。
  • Fully-Auto方案用户感受到的控制感显著低于手动操作方案，而Semi-Auto方案有效保持了较高的用户控制感。
  • 预测错误情况下，Semi-Auto方案的错误恢复时间明显短于Fully-Auto方案。

• 与现有解决方案的比较:

  • 对比传统手动拖拽和重新设置UI的基线方案，三种提出的机制显著降低了操作负担。
  • Fully-Auto虽然自动化程度最高，但自动错误修复成本高；相反，Semi-Auto在用户可控性和自动化之间找到平衡，成功提升用户体验。

• 实验或评估结果:

  • 时间与效率：Baseline方案需要较长时间完成任务，而Semi-Auto效率最高。
  • 精确度：Semi-Auto模拟了良好的预测系统，错误恢复成本较低，因此准确率更高。
  • 主观反馈：Semi-Auto方案由于其高可控性，体验最受用户青睐。

• 局限性与未来方向:

  • 局限性：
    • 实验基于VR模拟，未真实应用于AR设备场景。
    • 模拟的精度和用户行为可能因虚拟环境中的导航方式（如传送）而变化。
    • 精度设置固定为75%，对其他系统中的精度影响还需进一步探究。
  • 未来方向：
    • 在真实的AR环境中验证机制效果。
    • 探索如何设计轻量化的错误恢复方法，将高效自动化与可控性相平衡。
    • 研究多样化用户任务环境中的UI需求，比如非紧急任务和非工具类信息显示。

研究意义

本文通过结合自动化与用户控制，解决了复杂动态任务场景中的AR界面过渡问题，为设计低操作负担的增强现实用户界面提供了新思路，同时呼吁关注预测错误对用户体验的影响。