我们现在将描述我们的第一项研究，旨在研究人类控制不同程度视觉反馈的基本离散选择任务clenching力的能力。本研究的结果可以指导clench交互设计，如用于交互最大力的百分比，用户可以很容易地区分力水平的数量。我们还比较了三种方法来找到基于握紧选择的最佳确认方法，因为它是任何基于选择任务的基本方面。

利用串行目标收集和确认任务，研究用户控制能力。[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。该区域的数量取决于被测力水平的数量。如果用户能够在给定测试的指定区域确认光标的选择，则该测试被认为是成功的。

对每个用户进行校准后，将握力均匀地反射到其垂直距离上。该研究包括三种不同的确认技术和两种视觉反馈条件。在每次测试之前，用户被要求释放力并恢复中性。

在光标在预期区域之后，我们研究了三种确认技术。

用户研究的目标之一是找到clench interaction最佳确认技术。在大多数情况下，我们发现了一个稳定的结果：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意义。此外，在两种视觉反馈条件下(分别是18名参与者中的16名和12名)，也被大多数参与者评为最喜欢的QR。 这些结果是由绩效测量的重复测量方差分析(RM-ANOVAs)确认。表1总结了这些结果和使用Bonferroni调整后的两两t测试结果。基于这些结果，我们集中在其他统计分析中QR的试验。 本研究的主要目的是确定有多少握力用户能够轻松区分离散水平。不出所料，我们发现较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-他们在采访中抱怨N=六、八时的困难。当关卡超过4级时，我对完成这些任务感到很累。”(P4). 我们将考虑成功率，以确定适当数量的水平。N=922.3%，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=在7分李克特量表上(1:非常反对-7:非常同意)，他们评价自己的表现最好。Wilcoxon事后检查符号秩显示显著性，如表2所示。所以，我们选择N=离散握紧力水平的安全数量，用户很容易区分。

研究1主要集中在力控制上，这只是相互作用的一个维度。为了建立交互技术，还有其他方面需要探索，以支持更丰富的文献输入空间。我们开发了一个关于密切互动的三维设计空间：

• 力水平：离散握力3是用户容易区分的合理握力水平。不同级别的紧握力可以映射到不同的操作中。
• 时间：重复和持续时间：握紧可以是短的或持续的。对于一个短握紧，它也可以是一次性的或重复的。我们在时间维度上提出了四个不同的点：单、双、三重握和持续握。
• 位置:对称和不对称的人有能力控制左右握紧。因此，位置维度的握紧可以对称或不对称地执行。表3显示了设计空间和设计空间中每个点的一些潜在应用。

根据调查结果，我们提出了六个握紧动作的操作映射，如表4所示。请注意，我们在设计中添加了对称单握紧L3.为了获得一个完整的力尺寸。然后，我们设计了三种交互模式，其中我们可以充分利用手势是离散命令输入、价值控制和与其他交互集成，如方向。 把握动作最基本的是将其解释为输入命令。紧握法具有支持无手无眼互动的优点。因此，当用户的手或眼睛忙碌时，他们可以发出许多命令。当用户骑自行车时，一个可能的用例。对称单个L握紧可映射为播放/暂停音乐播放器(单击)。左右单曲不对称L1.握紧器可以映射到播放前一首/下一首音乐(离散控制)。当电话进入时，可以对称单L1/2/3握紧映射接收/静音/拒绝传输电话(多项选择)，并使用对称双L1.可以挂断电话(确认)。此外，握紧手势还可以帮助那些因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。这些手势可以作为辅助输入方法，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，当一个人不能充分利用他们的手或眼睛时，握紧的手势是如何改善互动的。 除了离散命令输入外，握紧还可以作为控制离散和连续值而不涉及手的方法。再次使用自行车示例。当用户进入繁忙的地方时，他们可能想减少音乐音量，让他们集中注意力，或者在一个安静的地方。他们可能想提高音量。对称单三力水平可用于调节音量离散，如低、中和高音量（多种选择），或使用不对称左右连续L1握紧，等距连续调整值(连续控制)。这些例子显示了如何用握紧来控制单个值。 作为促进交互的辅助输入方法，握紧也可以在与其他输入模式的生态系统中发挥作用。将握紧与其他类型的互动结合起来，比如虚拟/增强现实(VR/AR)输入空间可以扩展到中间的方向。例如，用户可以使用它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基本免提交互(点击)。对称持续的L1紧握法可作为与头部光标一起保持或抓住的操作GUI将拇指(保持)拖到滚动条上。Crench在VR/AR游戏设计空间更丰富，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，L对称单握可以映射为不同的技能来击败敌人(多种选择)，而对称的连续单握可以映射为暂时变强(持有)。与其他交互协调时，可以用握紧来增强用户体验。

从我们的设计空间评估中，我们得到了六个最喜欢的握紧动作，但我们仍然需要评估它们的可用性。对支持典型任务的表现进行了第二次用户研究。我们比较了两种基本的输入方法：停留和单按钮。我们在虚拟现实平台上进行了研究，可以轻松实现三种握关互动模式和三种技术。在本研究中，我们主要调查用户相对静态（即坐在椅子上）的场景VR在平台上获得初始结果。不涉及移动场景。请注意，我们关注的是测量互动的性能，而不是在基线上改进结果。

任务1:单击对称单个对称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，并在握紧方法中使用对称单L1握紧按钮，点击按钮方法中的按钮，在目标上保持光标700 ms(以下相同)(见图7a)。在500像素之外，下一个目标将随机出现。 任务2…

我们用一门学科的研究设计来比较这三种交互技术。每个受试者的六是随机的。参与者对每项任务重复三个相同的周期。在每个周期中，他们使用三种技术来完成任务10次，一个接一个。为了避免学习效果，平衡了这三种技术的顺序。测量完成时间。在整个研究过程中，参与者被要求将传感器放在所有三种技术中，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，实验以半结构化访谈结束。这项研究持续了大约90分钟。

我们从每个任务中收集了90次测试(3次)×3×10)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(平均f1得为0.965)。图8显示了这三种技术的性能。表5总结了两个基线之间的统计结果。 我们发现，除了任务1和任务2，所有任务都更快，特别是当基线的输入通道不如丰富时。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紧密互动的优势，因为它有更大的输入空间。 除了任务3和任务4，弗里德曼对所有任务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。

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。

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)