人们每天吃东西，咬人是他们每天最基本、最自然的行为之一。现有的工作已经探索了牙齿点击位置和颌运动作为输入技术，然而clenching有潜力增加这个输入通道的控制。我们建议clench interaction，利用握紧作为一个积极控制的生理信号，可以促进相互作用。我们进行了一项用户研究，以调查用户控制自己的紧握力的能力。我们发现，用户可以很容易地区分三个力级别，并且他们可以通过松开手（快速释放）来快速确认行动。基于结果，我们开发了一个设计空间，并研究了握界面的可用性。参与者更喜欢握紧而不是基线，并表示愿意使用基于握紧的互动。这种新技术可以在用户的眼睛或手忙碌的情况下提供一种额外的输入方法，增强沉浸式体验，如虚拟/增强现实，并帮助残疾人。

实验一

我们现在将描述我们的第一个研究，其目的是研究人类在不同程度视觉反馈的基本离散选择任务中控制clenching力的能力。本研究的结果可以指导clench交互设计，如用于交互的最大力的百分比，用户可以容易区分的力水平的数量等。我们还比较了三种方法，以找到基于握紧的选择的最佳确认方法，因为它是任何基于选择的任务的一个基本方面。

任务

采用串行目标采集和确认任务，研究用户控制握力的能力。[24].根据用户感觉到的握力，光标在屏幕上垂直移动通过区域。区域的数量由被测试的力水平的数量决定。如果用户能够在光标在给定试验的指定区域时确认他们的选择，那么该试验就被认为是成功的。

为每个用户校准后，将握力均匀地映射到其垂直距离。该研究包括三种不同的确认技术和两种视觉反馈条件。在每次试验之前，用户被要求释放握紧力并回到中性状态。

确认技术：我们研究了三种确认技术，它们在光标在预期区域后使用。

按钮点击(BC)：按键盘上的按钮
停留(DW)：保持光标在目标区域1秒
快速释放(QR)：快速松开握紧，将光标移动到压力阈值以下（见图2）。

根据经验，我们选择了300个ms作为时间值作为识别一个“快速”释放的门槛。释放程序的起点表示所选的位置。

视觉反馈条件：在我们的研究中有两种视觉反馈条件。在全反馈条件(FF)中，区域使用黑盒子绘制在屏幕上，指定的试验区域为灰色（见图2）。通过将指定的区域变成绿色来指示正确的光标位置。在部分反馈条件(PF)中，只有指定的区域可见。没有其他区域可供参考。一旦光标越过阈值，它就会消失（虚线，参见图2的右半部分）。

装置

我们使用薄膜压力传感器TekScan挠曲力(A201型，力范围为0-440N)来精确测量咬合面上的实时握紧力。我们使用硅胶薄片、钢薄片和橡胶盖来保护传感器。图1显示了这些图层。该传感器的直径为15.00mm。厚度为1.50mm，在100N夹紧时减少到0.49mm，这是在咀嚼[12]时典型的成人力。所有的保护材料都被消毒了，每个参与者都使用了一套新的材料。在研究过程中，两个传感器被放置在使用者的嘴里，以测量两侧的握紧力。握力传感器通过ArduinoUNO板连接到带有Windows10的笔记本电脑上。实验在Unity2018.2.0中进行。

结果

用户研究的目标之一是找到clench interaction的最佳确认技术。我们发现了一个稳健的结果：在大多数情况下，QR在速度、成功率和握力控制方面都优于其他确认技术，在两种反馈条件下都具有统计学意义。此外，在两种视觉反馈条件下（分别为18名参与者中的16名和12名），也被大多数参与者评为最喜爱的QR。
这些结果被绩效测量的重复测量方差分析(RM-ANOVAs)所证实。表1总结了这些结果，以及采用Bonferroni调整的事后两两t检验的结果。基于这些结果，我们在其余的统计分析中集中使用QR的试验。
这项研究的主要目的是确定有多少离散水平的握力使用者可以轻松地区分良好的表现。不出所料，我们发现更少的力水平会导致更好的性能（见图4）。然而，少数级别对于交互是不实用的。因此，我们的目标是确定一个适当的最大值。参与者的调查显示，这个数字应该低于6——他们抱怨在采访中N=6和8时的困难。“当关卡超过4级时，我对完成这些任务感到非常累。”(P4).
为了确定适当数量的级别，我们会考虑成功率。N=3水平的发生率为92.3%，其中N=4水平仅为78.4%。此外，参与者也注意到了这种差异。当N=3在7分李克特量表上（1：非常反对-7：非常同意）时，他们自评自己的表现最好。Wilcoxon符号秩事后检验显示显著性，如表2所示。因此，我们选择N=3作为用户易于区分的离散握紧力水平的“安全”数量。

设计

研究1主要集中在力的控制上，这只是握紧相互作用的一个维度。为了建立握交互技术，可以支持更丰富的文献水平的输入空间，还有其他方面需要探索。我们开发了一个关于紧密互动的三维设计空间：

力水平：离散握力3是一个合理的握力水平，用户轻松区分。不同级别的紧握力可以映射到不同的操作。
时间：重复和持续时间：握紧可以是短暂的，也可以是持续的。对于一个短暂的握紧，它也可以是一次性的或重复进行的。我们在时间维度上提出了四个不同的点：单、双和三重握，以及持续握。
位置：对称和不对称的人类有能力分别控制左右握紧。因此，在位置维度上的握紧可以对称地或不对称地执行。表3显示了设计空间以及设计空间中每个点的一些潜在应用。

基于调查结果，我们提出了六个握紧动作的操作映射，如表4所示。注意，我们在设计中添加了对称单握紧L3，以获得一个完整的力尺寸。然后，我们设计了三种交互模式，其中可以充分利用握紧的优势：手势为离散的命令输入，握紧为价值控制，以及握紧与其他交互集成，如指向。
握紧动作最基本的用途之一是将它们解释为输入命令。紧握法拥有支持无手和无眼互动的优势。因此，当用户的双手或眼睛都在忙碌时，他们可以发出许多命令。一个可能的用例是当用户在骑自行车时。对称单个L1握紧可以映射为播放/暂停音乐播放器（单击）。不对称的左右单曲L1握紧器可以映射为播放前一首/下一首音乐（离散控制）。当电话进入时，可以将对称单L1/2/3握紧映射为接受/静音/拒绝传入的电话（多项选择），并且使用对称双L1握紧可以挂断电话（确认）。另外，握紧手势也可以帮助那些由于身体受伤而难以移动手的患者，但保持面部和口腔[13]的控制。这些手势可以作为一种辅助输入方法，例如，菜单选择[40]，文本输入[4]（多项选择，确认），智能家居控制（点击）等。这些例子表明，当一个人不能充分使用他们的手或眼睛时，握紧的手势是如何改善互动的。
除了离散的命令输入，握紧也可以作为一种方法来控制离散和连续的值，而不涉及手。再次使用自行车示例，当用户进入一个繁忙的地方，他们可能想要降低音乐音量，让他们集中，或一个安静的地方，他们可能想要提高音量，对称单握紧三个力水平可以用来调整音量离散，例如，低、中和高音量（多重选择），或使用不对称左/右持续L1握紧，以等距方式连续调整值（连续控制）。这些例子展示了如何使用握紧来控制单个值。
握紧也可以在与其他输入模式的生态系统中发挥作用，作为促进交互的辅助输入方法。将握紧与其他类型的互动相结合，比如因为在虚拟/增强现实(VR/AR)中的指向可以扩展输入空间。例如，用户可以使用VR/AR作为VR/AR中的一个简单的点击操作，使用一个指向光标来支持GUI上的基本免提交互（点击）。对称持续的L1紧握法可以作为一个保持或抓住与头部光标一起的操作，以在GUI滚动条上拖动拇指（保持）。Crench在VR/AR中拥有更丰富的游戏设计空间，握紧手势可以映射到各种游戏效果。例如，在第一人称射击游戏中，L1-3的对称单握可以映射为不同的技能来击败敌人（多个选择），而对称的持续单握可以映射为“暂时变得更强”（持有）。当与其他交互相协调时，可以使用握紧来增强用户体验。

实验二

从我们的设计空间评估中，我们获得了六种最喜欢的握紧动作，但是我们仍然需要评估它们的可用性。我们进行了第二次用户研究来评估他们在支持典型任务方面的表现。我们比较了握紧技术与两种基本的输入方法：停留和单按钮。我们在一个虚拟现实平台上进行了研究，其中三种类型的握关互动模式和三种技术可以很容易地实现。在本研究中，我们主要调查了用户相对静态（即坐在椅子上）的场景，以在VR平台上获得初始结果。不涉及移动场景。请注意，我们关注的是测量紧握互动的表现，而不是在基线上改进结果。

任务1：单击对称单个L1握紧。用户首先需要将头部光标（以视场为中心）移动到目标上，在握紧方法中使用对称单L1握紧，在按钮方法中点击按钮，保持光标在目标上700 ms（如下相同）(见图7a)。下一个目标将随机出现，在500像素之外。
任务2…

我们使用一个学科内的研究设计来比较这三种交互技术。每个受试者的六个任务的顺序是随机的。对于每项任务，参与者重复三个相同的周期。在每个周期中，他们使用三种技术要完成任务10次，一个接一个的技术。这三种技术的顺序被平衡，以避免学习效应。测量完成时间。在整个研究过程中，参与者被要求在所有三种技术中将握紧传感器放在嘴里，以保持一致性。我们使用了与研究1中相同的校准程序和映射函数。在每个任务结束后，我们要求参与者根据他们的主观偏好对这三种技术进行排序。实验以半结构化访谈结束，以获得关于握紧互动的额外反馈。这项研究的持续时间约为90分钟。

我们从每个任务收集了90次试验（3次×3×10）的数据。所有参与者在热身阶段都很容易学习互动，我们的系统在整个研究中识别出低错误率的行为(平均f1得为0.965)。图8显示了这三种技术的性能。表5总结了握紧交互作用与两个基线之间比较的统计结果。
我们发现，除了任务1和任务2外，所有任务的握紧速度都更快，特别是当基线的输入通道不如握紧速度丰富时。我们注意到，不同的停留设计或按钮可能比本文中的设计需要更少的时间。我们的结果仍然揭示了握紧互动的优势，因为它有一个更大的输入空间。
除了任务3和任务4之外，弗里德曼对所有任务的主观排名数据的测试都显示出显著性。Nemenyi对四个任务的事后测试发现，用户大多更喜欢握紧而不是基线（见表5的排序列）。12名参与者中有4人提到，与点击按钮相比，握紧与自己的大脑有更强的概念联系。“我更喜欢握紧拳头。当我使用按钮时，我必须有意识地思考我的手。”(P7)这可以用不同的概念性的嘴-头/手-头的距离来解释。

实验三

研究2的结果揭示了在控制任务中使用握关互动的可行性。在研究3中，我们很感兴趣在更接近日常使用的情况下，调查握紧互动的可用性。我们进行了一个模拟骑自行车的案例研究，用户的手和眼睛都很忙，他们必须执行任务来控制手机上的音乐播放器并接收电话。我们比较了两种基线的紧密互动：直接与手机互动或使用无线蓝牙耳机。

在我们模拟的自行车场景中，用户需要使用每种方法执行三个任务：接听/静音/拒绝电话（握紧手势作为命令输入），切换到前一个/下一个歌曲（离散值控制），以及降低/关闭音量（连续值控制）。对于握紧界面，用户使用对称的单L1/2/3握紧来对一个电话产生三个反应，左/右单L1握紧来在歌曲之间切换，以及左/右持续的L1握紧来调整音量。我们在手机上使用默认操作：屏幕上显示的按钮和滑块来对呼叫做出反应，切换歌曲和调整音量；耳机：单/双/三点击中心键进行呼叫反应，双/三点击中心按钮进行前/下一首歌曲，点击音量按钮进行音量调整。
我们使用了一个主题内的设计。自变量是交互的方法：握紧、电话、耳机。每个任务重复10次。每次随机选择特定的操作，并平衡任务的顺序。测量了用不同的方法完成每个任务的时间。最后，我们对每个参与者进行了简短的采访。这项研究持续了大约15分钟。

结果

识别握紧动作的F1平均得分为0.973。正如预期的那样，使用握紧交互执行操作的平均时间远少于基线交互，即握交互是最快的。图9显示了这三个任务中每个方法的时间。RM-anova在三个任务(F2、18=34.89、21.99、58.97、p<0.001)中均有显著性差异，事后t检验显示所有成对均有显著性差异。用户的主观评论也反映了当双手和眼睛都忙碌时，握紧互动的高可用性。“握紧法显然比其他方法更有效。我再也不用伸手去拿手机或耳机了。”(P2)“我想用握紧法，因为它不会那么分散注意力。”(P9)参与者喜欢握紧互动，因为它的简单和方便，即使以一定数量的身体需求为代价。“反复握紧会导致疲劳。但我预计它不会被如此频繁地使用。所以我不认为这会造成任何问题。”(P6)

读论文，第十七天：Clench Interaction: Novel Biting Input Techniques相关推荐

我的读论文经验总结！
↑↑↑关注后"星标"Datawhale 每日干货 & 每月组队学习,不错过 Datawhale干货作者:胡来,Datawhale成员从入门到精通一个领域,绕不开文献阅读 ...
记录理解程度、一篇至少读3遍，吴恩达建议这样读论文！
↑↑↑关注后"星标"Datawhale 每日干货 & 每月组队学习,不错过 Datawhale推荐作者:Richmond Alake,来源:机器之心在科研领域中,读论文 ...
沈向洋：读论文的三个层次
Datawhale干货来源:AI科技评论,沈向洋博士作者 | 蒋宝尚编辑 | 丛末 5月14日,沈向洋博士在全球创新学院(GIX)课程上曾做了一场线上公开课<You are how ...
如何高效读论文？剑桥CS教授亲授“三遍论”：论文最多读三遍，有的放矢，步步深入...
鱼羊编译整理量子位报道 | 公众号 QbitAI 嗑盐之始,在于读论文. 一方面,把握最前沿的研究动态,激发自身研究灵感.另一方面,不做好文献调研,自己的绝妙想法变成了重复造轮子,这种体验可不太 ...
读论文七步走！CV老司机万字长文：一篇论文需要读4遍
视学算法报道编辑:LRS [新智元导读]读论文对于AI新手和工程师来说可能是一件比较难的事.最近一位从业超5年的CV老司机发布了一篇万字长文,讲述了读论文七步法,从找论文到总结,每篇论文由浅 ...
覆盖近2亿篇论文还免费！沈向洋旗下团队「读论文神器」登B站热搜
视学算法报道编辑:小咸鱼好困 [新智元导读]无意中发现B站上有个叫ReadPaper的在线论文阅读笔记神器冲上了热榜!ReadPaper由沈向洋博士创办的IDEA旗下团队研发,其收录了近2 ...
记录理解程度、一篇至少读3遍，吴恩达建议这样读论文
选自Medium 作者:Richmond Alake 机器之心编译参与:杜伟.小舟.魔王在科研领域中,读论文大概是大家的日常基本操作了.但如何读论文,才能实现效率最大化呢?斯坦福大学教授吴恩达在斯 ...
吴恩达教你如何读论文：绘制进度表格，论文至少看三遍，还要问自己问题
来源:量子位本文约1478字,建议阅读4分钟. 本文介绍如何研究一篇论文. 吴恩达教你如何读论文,高效了解新领域. 就算是博士,也很难对所有的关键技术都参透了解.那么如何有效了解一个新领域,是研究者 ...
吴恩达教你读论文：持续而缓慢的学习，才是正道
来源:AI科技评论本文约1800字,建议阅读5分钟. 本文将教你如何有效阅读论文,包括系统阅读论文集的方法,以及阅读单篇论文的方法. 在人工智能和机器学习领域中,了解前沿学者的最新研究的能力是每位严 ...

读论文，第十七天：Clench Interaction: Novel Biting Input Techniques

实验一

任务

装置

结果

设计

实验二

实验三

结果

读论文，第十七天：Clench Interaction: Novel Biting Input Techniques相关推荐

最新文章

热门文章