微手势识别和精细捏压启用对设备的直观和隐蔽控制,为增强人机交互(HCI)提供重要潜力。本论文提出 EI-Lite,一种用于微手势识别和连续捏力估计的轻量级腕戴式电阻抗传感设备。我们通过对13名用户进行电极放置消融研究,得出最优简化设备架构,并通过3D打印实现所设计结构。我们收集了15名参与者的数据,包括(1)六种常见微手势(加空闲状态)和(2)食指捏力,然后开发机器学习模型来解释这些微手势和捏力产生的电阻抗信号。我们的系统能够准确识别微手势事件(准确率96.33%),并以物理单位(牛顿)连续估计食指捏力,均方误差(MSE)为0.3071(或平均力方差0.55牛顿),数据来自15名参与者。最后,我们通过AR/VR、游戏和辅助技术三个应用展示了 EI-Lite 的适用性。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/uist/206877/2025

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3746059.3747671
一眼看懂

论文快照

fact_check
dataset
来源
UIST
calendar_month
年份
2025
emoji_events
奖项
未标记奖项
group
作者
12 位作者
sell
研究子方向
振动反馈与皮肤刺激、足部与手腕交互
work
职业/产业
—
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文