AR增强健身:探索AR环境中家庭健身视频的视觉提示

健身追踪与运动监测环境感知与上下文计算运动员与健身爱好者健身教练

文献标题

AR-Enhanced Workouts: Exploring Visual Cues for At-Home Workout Videos in AR Environment

文献信息

  • 主题领域: 增强现实(AR)在家庭锻炼视频中的应用
  • 关键词: AR,视觉提示,居家锻炼,运动学习,实时反馈,虚拟人,3D姿态追踪,沉浸式学习,运动科学
  • 发表会议: The 36th Annual ACM Symposium on User Interface Software and Technology (UIST ’23)
  • 发表日期: 2023年10月29日—11月1日

研究背景与问题

  • 问题或挑战:

    • 居家锻炼视频中缺乏动态观察角度,仅有固定视角视频限制了用户对三维人体动作的理解。
    • 动作练习缺乏实时反馈,影响动作的正确性和安全性。
    • 部分锻炼动作(如俯卧或仰卧姿势)在观看视频时可能导致姿势错误。
  • 重要性:

    • 居家锻炼因其便利性、安全性和私人性正变得越来越受欢迎。
    • 错误的运动姿势可能降低锻炼效果,甚至导致身体伤害。
    • AR技术有潜力解决上述问题,为居家健身带来新的用户体验与学习方式。
  • 研究动机与相关工作:

    • 现有研究已尝试利用视觉提示和沉浸式技术(如AR/VR),但未充分探索这些技术在运动训练中的设计空间和用户接受度。
    • 研究目标是设计一个整合AR系统,并通过迭代设计提供沉浸式的运动学习支持。

解决方案

  • 主要方法:

    • 提出了一种基于AR的家庭锻炼系统,结合头戴式显示设备(HoloLens 2)和外接摄像头,通过3D姿态追踪技术记录和反馈用户运动状态。
    • 设计了三维视觉提示(Visual Cues)的设计空间,包括方向提示、测量数据、骨骼关节的可视化以及隐喻提示。
  • 创新之处:

    • 为3D环境中的视觉提示创建了系统性的设计空间,明确了数据类型、任务用途及应用场景。
    • 提供实时动态反馈帮助用户调整动作,弥补传统预录制视频的短板。
    • 系统通过用户测试验证了AR增强锻炼在运动理解与记忆深化方面的优越性。
  • 实施步骤与技术:

    1. 数据准备:
      • 使用Mixamo制作虚拟人的标准动作动画,并采用MVN Link捕捉缺失的动作。
    2. AR环境展示:
      • 使用Unity开发应用,通过Mediapipe捕获用户骨骼数据并生成与用户互动的AR视觉提示。
    3. 视觉反馈生成:
      • 用户动作与标准动作进行比对,生成红色和橙色视觉提示,用以实时指导用户纠正动作。
    4. 实验与交互设计:
      • 提供虚拟控制面板,支持锻炼选择和观察角度调整。

研究成果

  • 具体成果:

    • 开发了一个AR增强锻炼系统并整合了实时姿态追踪与视觉提示。
    • 两阶段用户实验验证了视觉提示的有效性及其在动作理解、记忆和练习中的好处。
  • 与现有解决方案的比较:

    • AR技术允许用户多角度观察动作,并始终保持目标场景在视野中央,避免了固定视角视频的缺陷。
    • 与2D视频方式相比,3D增强方式增强了沉浸感,提高了用户对动作细节的掌握。
  • 实验或评估结果:

    • 用户普遍认为3D展示比2D视频灵活,更易于理解和记住。
    • 视觉隐喻提示提高了互动的趣味性和记忆性,但某些复杂设计可能增加认知负担。
    • 实时视觉反馈在助力用户调整动作方面表现积极,但存在延迟和用户认知负担的问题。
  • 局限性与未来方向:

    • 设备限制: 当前AR设备(如HoloLens 2)的重量和视野限制影响了某些锻炼动作。
    • 视觉提示设计: 提供的反馈方式需要进一步优化以减少用户的认知负担。
    • 未来研究方向:
      • 开发基于用户个性化身体数据和健身水平的反馈机制。
      • 探讨AR视觉提示在动态调整及物理环境适配中的设计优化。
      • 进一步量化延迟对运动学习结果的影响,同时引入更高效的低延迟设备。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/uist/126708/2023

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3586183.3606796
一眼看懂

论文快照

fact_check
dataset
来源
UIST
calendar_month
年份
2023
emoji_events
奖项
未标记奖项
group
作者
8 位作者
sell
研究子方向
健身追踪与运动监测、环境感知与上下文计算
work
职业/产业
运动员与健身爱好者、健身教练
article
内容状态
已索引正文
hub
相关论文
10 篇相关论文