理解混合现实系统设计以丰富饮品体验Zheng 等人开发了XTea混合现实饮品系统，利用LLM将用户语言转换为沉浸式环境参数，在饮用珍珠奶茶时创建个性化多感官体验，并提出四种设计策略。2026YZYuchen Zheng et al.Monash University多感官融合体验人与自然关系（More-than-Human Design）生成式AI（文本、图像、音乐、视频）CHI
设计计算机对身体控制权的重大挑战Mueller 等人通过专家研讨会提出计算机控制人体的四大挑战，涵盖技术、设计、用户与伦理维度，呼吁将身体控制作为人机交互的核心体验与伦理问题加以研究。2026FMFlorian 'Floyd' Mueller et al.Monash University电肌肉刺激（EMS）控制脑机接口（BCI）与神经反馈同理心与情感设计CHI
GastroConcerto：设计餐饮-声音配对以支持烹饪创意Wang 等人开发了 GastroConcerto 系统，结合盘下磁接触麦克风与移动应用，使厨师能设计响应用餐者交互的听觉体验，支持创造"声音菜肴"的烹饪创意。2026HWHongyue Wang et al.Monash University嗅觉显示与气味交互多感官融合体验同理心与情感设计CHI
LuciEntry：面向理解清醒梦诱导的设计Wang 等人设计 LuciEntry 清醒梦诱导交互原型，通过视觉和听觉提示帮助用户诱导清醒梦，并提出七项系统设计建议。2025PWPo-Yao (Cosmos) Wang et al.心理健康应用与在线支持社区DIS
“我的快乐让你微笑”：通过脑-肌肉接口开始理解心灵感应超能力设计Liu 等人开发 EmoPals 心灵感应系统，通过脑机接口和肌肉电刺激共享情绪，研究发现可增强情感连接但也会放大负面情绪并造成社交不适。2025SLSiyi Liu et al.电肌肉刺激（EMS）控制脑机接口（BCI）与神经反馈DIS
迈向理解与厨师和食客互动的声音美食学Wang等人探索SoniCream声音美食系统，与六对厨师和食客协作实证研究，归纳出四个涉及烹饪创造力与用餐体验的设计主题2025HWHongyue Wang et al.Monash University, Exertion Games Lab, Human-Centred Computing触觉可穿戴设备饮食文化与食物交互CHI
基于视觉的多模态界面：增强上下文感知系统设计的调查和分类Hu等人系统调查基于视觉的多模态界面（VMIs），强调视觉模态在整合多模态数据和促进上下文感知系统设计中的关键作用2025YHYongquan 'Owen' Hu et al.University of New South Wales环境感知与上下文计算普适计算（Ubiquitous Computing）CHI
共享身体融合：利用体间电肌肉刺激促进社交游戏Patibanda 等人提出Shared Bodily Fusion方法，通过电肌肉刺激系统将玩家触摸转化为肌肉刺激，在Hidden Touch游戏中促进体间交互，设计了阈值-耐受性-精确性三维度框架。2024RPRakesh Patibanda et al.电肌肉刺激（EMS）控制严肃游戏与功能游戏多人与社交游戏DIS
探索扩展现实浮筒浴缸体验以减少对身处水中的恐惧Montoya 等人利用扩展现实结合漂浮舱与VR，让怕水参与者在游戏中减轻恐惧，心率变异数据支持其娱乐化暴露治疗的有效性。2024MMMaria F. Montoya et al.Monash University沉浸感与临场感研究STEM 教育与科学传播CHI
水人机交互中的重大挑战Mueller等人举办WaterHCI专家研讨会，阐述该领域重大挑战，旨在为系统研究议程做出贡献并推动水人机交互领域发展。2024FMFlorian Floyd Mueller et al.Monash University数字艺术装置与交互表演舞蹈与身体动作计算CHI
PsiNet：理解脑-脑接口设计以增强脑间同步性Semertzidis 等人设计PsiNet可穿戴脑对脑系统以增强野外大脑间同步，访谈揭示超级意识、关系互动与自我消解三个用户体验主题。2024NSNathan Semertzidis et al.Monash University脑机接口（BCI）与神经反馈普适计算（Ubiquitous Computing）CHI
体育人机交互中的重大挑战Elvitigala 等人通过 22 位专家研讨会确定 SportsHCI 领域重大挑战，涵盖运动员表现、教练关系、观众参与及沉浸式健身体验等方面。2024DEDon Samitha Elvitigala et al.Monash University游戏用户体验与玩家行为严肃游戏与功能游戏心理健康应用与在线支持社区CHI
RadarFoot：用于智能鞋的细粒度地面上下文感知Elvitigala等人研发嵌入雷达传感器的智能鞋，实现5种地形识别准确率80%、10种地形66.3%、步态动作识别90%。2023DEDon Samitha Elvitigala et al.生物传感器与生理监测环境感知与上下文计算UIST