ReflecTrace：通过角膜反射在普通智能手机上实现无触点悬停交互Nakamura 等人利用前置摄像头捕捉角膜反射，通过CNN检测悬停手指位置，在粗网格达95%准确率，端到端延迟约22ms，实现普通智能手机无触点悬停交互。2026YNYudai Nakamura et al.Keio University多点触控交互技术移动应用用户体验移动端无障碍设计IUI
拉链打印：使用二维扁平拉链结构实现快速可组装的三维打印我们提出了一种制造由集成拉链结构的 3D 打印扁平片组成物体的方法。物体通过连接拉链组件手动组装成 3D 形状。通过采用允许片之间角度无关连接的拉链设计，我们的方法使表面和拉链组件能够以相同的方向打印，从而实现高质量重建输入模型，同时缩短 3D 打印过程并减少材料浪费。我们实现了一个完全自动化的流程，以 3D 模型为输入，将其转换为可展开面片，生成拉链结构，并将其展平以进行后续 3D 打印。我们证明我们的方法显著减少了制造时间和支撑材料消耗。我们还展示了突出该方法多功能性的应用示例。2026TYTakumi Yamamoto et al.Keio University桌面3D打印与个人制造形变材料与四维打印CHI
SoilSense：利用土壤微生物燃料电池创建有形界面Min等人开发SoilSense系统，将土壤微生物燃料电池重新用作有形交互界面，通过阴极压力产生的电压变化实现多样交互模式。2025TMTian Min et al.形变材料与四维打印生态设计与绿色计算能源节约行为与界面UIST
ScanRing：使用距离传感器和IMU传感器的智能戒指混合认证系统Miyashita 等人提出 ScanRing 混合认证系统，利用距离传感器和IMU传感器通过移动戒指捕捉面部结构和运动特征，在不依赖摄像头情况下实现98.41%认证准确率。2025KMKai Miyashita et al.密码与身份认证MobileHCI
MaGEL：支持变形手势识别的柔软透明输入设备Oguri 等人研发了 MaGEL 柔软透明输入设备，利用光强变化结合机器学习以 94.1% 准确率识别 13 种变形手势，实现自然的交互体验。2025FOFumika Oguri et al.形变界面与软机器人材料手部手势识别IUI
FlexEar-尖端：使用压力控制的形状可调耳尖Amesaka等人设计FlexEar-Tips空气可调耳塞，通过气压传感反馈实现大小自适应，评估显示其可提升触觉识别率并改善音乐沉浸感2025TATakashi Amesaka et al.Keio University, Lifestyle Computing Lab触觉可穿戴设备形变界面与软机器人材料CHI
IrOnTex：基于可熨烫3D打印对象的定制交互式纺织品制作与原型设计Yu等人提出IrOnTex，利用可熨烫3D打印对象制作定制交互式纺织品，实现快速原型设计。2024JYJiakun Yu et al.桌面3D打印与个人制造纺织艺术与工艺数字化UbiComp
EarHover: 使用声音泄漏信号实现可穿戴设备的空中手势识别Suzuki 等人开发 EarHover 系统，利用可穿戴设备声音泄漏现象和外部麦克风实现空中手势识别，从 27 种手势中筛选出 7 种最适用的手势。2024SSShunta Suzuki et al.车内触觉、声音、多模态反馈手部手势识别UIST
探索用户自定义手势作为听力设备输入及利用IMU识别耳触手势Sato 等人通过手势引发研究探索可穿戴设备的用户自定义手势输入，发现 IMU 传感器对耳内设备识别率达91.0%，耳挂设备为74.7%。2024YSYukina Sato et al.振动反馈与皮肤刺激手部手势识别MobileHCI
AudioMove：将空间音频应用于多方向肢体运动指导Xia 等人提出 AudioMove 非视觉肢体运动指导系统，利用空间音频传递多平面方向信息，实验证明该方案可在日常生活中提供自然、普适的锻炼训练体验。2024CXChengshuo Xia et al.车内触觉、声音、多模态反馈全身交互与体感输入MobileHCI
TouchLog：使用光电反射传感器的手指微手势识别Kitamura 等人提出 TouchLog 指甲式设备，通过指尖皮肤变形识别 11 种拇指-食指微手势，实现单手输入，准确率达 91.5%2023RKRiku Kitamura et al.振动反馈与皮肤刺激触觉可穿戴设备手部手势识别UbiComp
使用声音泄漏信号进行听力设备用户认证的方法Amesaka 等人提出利用听力设备声音泄漏信号进行生物特征认证的新方法，使用外部麦克风捕获耳道等声学特征，16人测试准确率达 87.0%-96.7%。2023TATakashi Amesaka et al.密码与身份认证UbiComp
ReflecTouch: 使用角膜反射图像检测智能手机的抓握姿势Zhang等人提出ReflecTouch方法，通过前置摄像头捕捉角膜反射图像检测手机握持姿势，无需额外传感器即可区分六种握持方式，准确率达85%。2022XZXiang Zhang et al.Keio University人体姿态与行为识别原型设计与用户测试CHI