GraspR：用于自适应抓取用户界面设计的空间用户偏好计算模型

DOI

抓取用户界面（grasp UI）通过允许用户在持有物理物体的同时与数字内容进行交互，从而实现XR中的双任务。然而，设计抓取UI面临一个根本性挑战：现有方法要么通过劳动密集型的诱导研究来捕获用户偏好（无法扩展），要么依赖忽略主观因素的生物力学模型。我们引入了GraspR，这是首个预测用户在抓取UI中单指微手势偏好的计算模型。我们的数据驱动方法结合了计算方法的可扩展性和人类偏好建模，基于通过8名参与者和4种常用抓取变体的两可选强制选择范式收集的1520个偏好进行训练。我们通过一个工作原型展示了GraspR的有效性，该原型可动态调整四个日常任务中的界面布局。我们发布了数据集和代码以支持自适应抓取UI的未来研究。