如此可预测!虚拟现实中连续 3D 手部轨迹预测
手部手势识别全身交互与体感输入沉浸感与临场感研究UI/UX 设计师AI/ML 研究员与工程师HCI 研究员
我们为虚拟现实(VR)中连续预测弹道手部运动贡献了一种新的与用户和活动无关的基于运动学的回归模型。与之前关于端点预测的工作相比,VR 中的连续手部轨迹预测能够更早地估计未来事件,例如用户手部与虚拟对象(如 UI 小部件)之间的碰撞。我们通过一项包含 20 名参与者的用户研究开发和验证了我们的预测模型。该研究通过 3D 指向任务和三个流行 VR 游戏收集了手部运动数据。结果表明,我们的模型可以在所有用户和活动中分别从未来 100ms、200ms 和 300ms 的手部位置实现低均方根误差(RMSE)分别为 0.80 cm、0.85 cm 和 3.15 cm。在指向任务中,当用户完成 50% 和 70% 的运动时,我们的预测模型分别实现了 4.0° 和 1.5° 的平均角度误差。后续研究表明,该模型可以应用于新用户和新活动,无需进一步训练。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 71%
能否从手部运动推断物体姿态变化?
CHI '26· 手部手势识别 +2
- 71%
DeltaDorsal:利用自视角中的背部特征增强手部姿态估计
CHI '26· 眼动追踪与注视交互 +2
- 67%
设计、工程和评估手势用户界面
CHI '18· 手部手势识别 +1
- 67%
虚拟现实输入替代方案的工具实体定量测量
CHI '19· 全身交互与体感输入 +1
- 67%
XR人体工程学:促进人体工程学3D界面的创建
CHI '21· 手部手势识别 +1
- 67%
迈向共识手势集:跨领域最大共识的HCI中空气势调查
CHI '23· 手部手势识别 +1
- 67%
非自然交互设计
CHI '25· 手部手势识别 +1
- 67%
AlphaPIG:延长扩展现实中的交互手势的最优雅方式
CHI '25· 全身交互与体感输入 +1
- 63%
通过从用户模型学习先验知识实现高效的人机协同优化
CHI '26· 中空超声波触觉(Mid-air Haptics) +3
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3472749.3474753
一眼看懂
fact_check论文快照
dataset
来源
UIST
calendar_month
年份
2021
emoji_events
奖项
未标记奖项
group
作者
4 位作者
sell
研究子方向
手部手势识别、全身交互与体感输入、沉浸感与临场感研究
work
职业/产业
UI/UX 设计师、AI/ML 研究员与工程师、HCI 研究员
article
内容状态
仅摘要
hub
相关论文
9 篇相关论文