鄧成龍 耿 鵬 蒯曙光,2

三維虛擬空間中轉(zhuǎn)頭選中遠(yuǎn)離和靠近運(yùn)動(dòng)目標(biāo)的操作特性差異*

鄧成龍1耿 鵬1蒯曙光1,2

(1華東師范大學(xué)心理與認(rèn)知科學(xué)學(xué)院, 腦科學(xué)與教育創(chuàng)新研究院, 上海市心理健康與危機(jī)干預(yù)重點(diǎn)實(shí)驗(yàn)室, 上海 200026) (2上海腦科學(xué)與類腦研究中心, 上海 200031)

通過轉(zhuǎn)頭選中運(yùn)動(dòng)目標(biāo)是虛擬現(xiàn)實(shí)(VR)中的常見操作, 然而運(yùn)動(dòng)目標(biāo)包含遠(yuǎn)離和靠近運(yùn)動(dòng), 確定兩類操作的時(shí)間特性差異對(duì)設(shè)計(jì)高效的用戶接口有重要的意義。本研究選取17名被試在VR中通過轉(zhuǎn)頭將球體光標(biāo)快速準(zhǔn)確地放入水平運(yùn)動(dòng)的球體目標(biāo)內(nèi), 并改變初始距離、目標(biāo)容差和目標(biāo)速度?？倳r(shí)間結(jié)果顯示, 遠(yuǎn)離運(yùn)動(dòng)的操作難度更大, 初始距離和目標(biāo)容差對(duì)遠(yuǎn)離和靠近運(yùn)動(dòng)的影響相似, 目標(biāo)速度對(duì)兩類運(yùn)動(dòng)的影響相反。進(jìn)一步將光標(biāo)的移動(dòng)過程劃分為加速、減速和調(diào)整階段, 結(jié)果發(fā)現(xiàn), 遠(yuǎn)離運(yùn)動(dòng)的加速和減速時(shí)間大于靠近運(yùn)動(dòng), 但是兩類運(yùn)動(dòng)的調(diào)整時(shí)間接近, 并且只有目標(biāo)容差對(duì)兩類運(yùn)動(dòng)的影響一致。最后構(gòu)建了總時(shí)間與三因素的函數(shù)模型, 成功解釋了兩類運(yùn)動(dòng)的操作時(shí)間特性。本研究證明了遠(yuǎn)離與靠近運(yùn)動(dòng)具有不同的操作時(shí)間特性, 為兩類運(yùn)動(dòng)的獨(dú)立交互設(shè)計(jì)提供了重要參考。

運(yùn)動(dòng)目標(biāo), 轉(zhuǎn)頭操作, 移動(dòng)軌跡, 人體績(jī)效建模, 人機(jī)交互

1 引言

近年來, 轉(zhuǎn)頭交互已經(jīng)成為了VR中的重要交互方式, 一方面, 轉(zhuǎn)頭交互是很多不提供交互手柄的便攜式VR和AR設(shè)備的主要交互方式, 比如Samsung GearVR, Google Cardboard和Microsoft HoloLens等(Blattgerste et al., 2018; Pathmanathan et al., 2020); 另一方面, 在很多VR應(yīng)用中, 轉(zhuǎn)頭交互也作為雙手被占用時(shí)的主要交互方式, 比如在虛擬手術(shù)訓(xùn)練中通過轉(zhuǎn)頭與顯示屏交互(Hatscher et al., 2017)。在基于轉(zhuǎn)頭交互的大量應(yīng)用中, 經(jīng)常涉及選中移動(dòng)目標(biāo)任務(wù), 比如行人、汽車等, 為了設(shè)計(jì)高效的用戶接口, 了解影響轉(zhuǎn)頭選中運(yùn)動(dòng)目標(biāo)的重要因素以及建立操作時(shí)間與影響因素的函數(shù)關(guān)系非常重要。以往研究詳細(xì)探討了VR中轉(zhuǎn)頭選中靜止目標(biāo)的操作時(shí)間特性(Hansen et al., 2018; Hoffmann et al., 2017; Jagacinski & Monk, 1985; Qian & Teather, 2017), 這些研究發(fā)現(xiàn)完成時(shí)間()與初始距離()和目標(biāo)寬度()符合費(fèi)茨定律：

其中和是擬合常數(shù)。然而, 該模型并不能解釋選中運(yùn)動(dòng)目標(biāo)的操作特性, 因?yàn)檫x中運(yùn)動(dòng)目標(biāo)的操作時(shí)間還受到目標(biāo)速度大小的影響。此外, 運(yùn)動(dòng)目標(biāo)還具有方向性, 目標(biāo)做遠(yuǎn)離和靠近操作者的運(yùn)動(dòng)是兩類常見的運(yùn)動(dòng)模式, 選中遠(yuǎn)離運(yùn)動(dòng)目標(biāo)(簡(jiǎn)稱遠(yuǎn)離運(yùn)動(dòng))和靠近運(yùn)動(dòng)目標(biāo)(簡(jiǎn)稱靠近運(yùn)動(dòng))的過程存在不同。在遠(yuǎn)離運(yùn)動(dòng)中, 操作者需要以大于目標(biāo)的速度追擊目標(biāo); 在靠近運(yùn)動(dòng)中, 操作者則需要對(duì)目標(biāo)進(jìn)行攔截, 如果攔截失敗, 后續(xù)操作將變成追擊遠(yuǎn)離運(yùn)動(dòng)目標(biāo)模式(Port et al., 1997; Tresilian, 2005; Tresilian & Lonergan, 2002), 因此遠(yuǎn)離與靠近運(yùn)動(dòng)可能存在不同的操作時(shí)間特性。

目前沒有發(fā)現(xiàn)在三維空間中探討轉(zhuǎn)頭選中運(yùn)動(dòng)目標(biāo)的研究, 但是少量研究者探討了在二維屏幕上基于手控選中運(yùn)動(dòng)目標(biāo)的操作時(shí)間特性, 然而遠(yuǎn)離與靠近運(yùn)動(dòng)的操作時(shí)間特性差異還不確定。遠(yuǎn)離運(yùn)動(dòng)的操作時(shí)間特性相對(duì)簡(jiǎn)單, 減小目標(biāo)大小或者增大目標(biāo)速度都增加操作時(shí)間(Hajri et al., 2011; Hasan et al., 2011; Ilich, 2009)。然而靠近運(yùn)動(dòng)的操作時(shí)間特性相對(duì)復(fù)雜。一方面, 一些研究發(fā)現(xiàn)靠近運(yùn)動(dòng)與遠(yuǎn)離運(yùn)動(dòng)具有相似的操作時(shí)間特性, 減小目標(biāo)寬度或者增大目標(biāo)速度會(huì)增加選中靠近運(yùn)動(dòng)目標(biāo)的難度(Hajri et al., 2011; Jagacinski et al., 1980), 并且還提出了函數(shù)模型量化靠近運(yùn)動(dòng)的操作時(shí)間特性。比如, Jagacinski等人(1980)讓參與者在二維電腦屏幕上使用搖桿控制一條豎直的直線(光標(biāo))放入逐漸靠近的由兩條豎直直線組成的目標(biāo)內(nèi)。他們發(fā)現(xiàn)完成時(shí)間受到初始距離()、目標(biāo)寬度()和目標(biāo)速度()的影響, 并建立如下模型描述操作時(shí)間與三個(gè)因素的函數(shù)關(guān)系(Jagacinski et al., 1980)：

其中、和是擬合常數(shù)。后來Hoffmann在費(fèi)茨定律基礎(chǔ)上, 提出了靠近運(yùn)動(dòng)的兩階段模型：

近期, 不少研究從其他方面對(duì)選中運(yùn)動(dòng)目標(biāo)的操作特性進(jìn)行了探索, 比如Huang等人研究了不同因素對(duì)遠(yuǎn)離運(yùn)動(dòng)和靠近運(yùn)動(dòng)落點(diǎn)分布的影響(Huang et al., 2018; Huang et al., 2019), 不同因素對(duì)預(yù)估目標(biāo)到達(dá)指定區(qū)域的影響(Lee et al., 2018)等, 但是這些研究沒有探討兩類運(yùn)動(dòng)的操作時(shí)間變化, 由于操作時(shí)間是用戶接口中最常用的指標(biāo), 因此本研究主要關(guān)注操作時(shí)間特性。雖然一些研究關(guān)注了操作時(shí)間, 比如視覺反饋和延時(shí)對(duì)操作時(shí)間的影響(Claypool et al., 2019; Mould & Gutwin, 2004), 提高選中運(yùn)動(dòng)目標(biāo)操作效率的方法(Gunn et al., 2009; Hasan et al., 2011; Ortega, 2013; Ragan et al., 2020)等, 但是在這些研究中, 目標(biāo)的運(yùn)動(dòng)方向不固定, 沒有分離遠(yuǎn)離和靠近運(yùn)動(dòng)。

至今為止, 遠(yuǎn)離運(yùn)動(dòng)與靠近運(yùn)動(dòng)的操作時(shí)間特性差異還不完全清楚。首先, 初始距離和目標(biāo)大小都是影響選中目標(biāo)的重要因素, 減小目標(biāo)和增大初始距離都會(huì)增加遠(yuǎn)離和靠近運(yùn)動(dòng)的難度, 但是兩個(gè)因素對(duì)遠(yuǎn)離和靠近運(yùn)動(dòng)的影響是否存在差異還未可知。其次, 雖然已經(jīng)確定增大目標(biāo)速度會(huì)增加選中遠(yuǎn)離運(yùn)動(dòng)目標(biāo)的難度, 但是目標(biāo)速度如何影響選中靠近運(yùn)動(dòng)目標(biāo)的表現(xiàn)還沒有統(tǒng)一結(jié)論。選中靜止目標(biāo)的過程包含兩個(gè)階段：彈射階段和調(diào)整階段。在彈射階段, 光標(biāo)從起點(diǎn)快速移動(dòng)到目標(biāo)附近, 主要與初始距離相關(guān); 調(diào)整階段則根據(jù)視覺反饋實(shí)時(shí)調(diào)整光標(biāo)的位置并對(duì)準(zhǔn)目標(biāo), 同時(shí)受到目標(biāo)大小和初始距離的影響(Deng et al., 2019; Elliott et al., 2001; Liu et al., 2009; Meyer et al., 1988)。一些研究也支持選中運(yùn)動(dòng)目標(biāo)過程包含兩個(gè)階段(Hoffmann, 1991; Ilich, 2009), 并且目標(biāo)速度影響兩個(gè)階段。增大目標(biāo)速度將增加遠(yuǎn)離運(yùn)動(dòng)的實(shí)際移動(dòng)距離和減少靠近運(yùn)動(dòng)的實(shí)際移動(dòng)距離, 同時(shí)也會(huì)增加對(duì)準(zhǔn)目標(biāo)的難度?；谶h(yuǎn)離與靠近運(yùn)動(dòng)的操作過程差異, 我們提出如下推測(cè)。推測(cè)1: 在彈射階段, 靠近運(yùn)動(dòng)的操作時(shí)間低于遠(yuǎn)離運(yùn)動(dòng), 因?yàn)榭拷\(yùn)動(dòng)的實(shí)際移動(dòng)距離更短; 在調(diào)整階段, 靠近運(yùn)動(dòng)的調(diào)整時(shí)間也低于遠(yuǎn)離運(yùn)動(dòng), 因?yàn)檫h(yuǎn)離運(yùn)動(dòng)的目標(biāo)更遠(yuǎn), 調(diào)整難度更大?；趦呻A段的結(jié)果, 靠近運(yùn)動(dòng)的總時(shí)間將更低。推測(cè)2：隨著目標(biāo)速度的增加, 靠近運(yùn)動(dòng)總時(shí)間呈現(xiàn)先下降后上升的U型變化趨勢(shì)。增大目標(biāo)速度減少彈射階段的時(shí)間, 但是也增加調(diào)整階段的時(shí)間。以往研究顯示轉(zhuǎn)頭交互具有移動(dòng)速度慢、穩(wěn)定性高的特點(diǎn)(Bates & Istance, 2003; Deng et al., 2019), 因此我們推測(cè), 目標(biāo)速度的小幅度增加對(duì)彈射階段的幫助更大, 導(dǎo)致總操作時(shí)間下降。但是目標(biāo)速度進(jìn)一步增加將導(dǎo)致調(diào)整時(shí)間快速增加, 超過彈射階段的受益時(shí)間, 導(dǎo)致總時(shí)間開始上升。推測(cè)3：靠近運(yùn)動(dòng)的U型曲線拐點(diǎn)速度還受到目標(biāo)大小的影響, 目標(biāo)越小, 調(diào)整難度越高, 拐點(diǎn)速度越小。

本研究的目的是探索VR中轉(zhuǎn)頭選中遠(yuǎn)離運(yùn)動(dòng)目標(biāo)與靠近運(yùn)動(dòng)目標(biāo)的操作時(shí)間特性差異。本研究采用VR中常見的放置任務(wù), 將一個(gè)球形光標(biāo)放入指定的球形目標(biāo)內(nèi)(Deng et al., 2019; Duval & Fleury, 2009; Teather & Stuerzlinger, 2007)。由于放置任務(wù)研究顯示操作時(shí)間受到目標(biāo)容差(光標(biāo)與目標(biāo)的大小差值)而不是目標(biāo)大小的規(guī)律性影響(Deng et al., 2019; MacKenzie & Teather, 2012; Pastel, 2011), 因此我們?cè)O(shè)置不同的目標(biāo)容差大小。此外, 我們還改變了初始距離(光標(biāo)與目標(biāo)中心的直線距離)和目標(biāo)移動(dòng)速度。Deng等人(2019)在VR中使用轉(zhuǎn)頭交互完成靜止目標(biāo)的放置任務(wù), 他們將光標(biāo)的移動(dòng)過程劃分成加速階段、減速階段和調(diào)整階段, 其中加速階段和減速階段之和代表了彈射階段(Deng et al., 2019)。在本研究中, 我們參照Deng等人的方法將光標(biāo)的移動(dòng)過程劃分成三個(gè)階段, 系統(tǒng)地分析三個(gè)因素對(duì)遠(yuǎn)離運(yùn)動(dòng)與靠近運(yùn)動(dòng)的影響差異。最后, 我們提出函數(shù)模型描述了遠(yuǎn)離運(yùn)動(dòng)和靠近運(yùn)動(dòng)的總操作時(shí)間與三個(gè)因素的關(guān)系, 我們的研究結(jié)果將對(duì)VR中的交互設(shè)計(jì)提供重要幫助。

2 方法

2.1 被試

本研究采用G*Power 3.1軟件預(yù)估樣本大小, α水平和統(tǒng)計(jì)檢驗(yàn)力分別設(shè)置為0.05和0.95, 根據(jù)相關(guān)文獻(xiàn)中的效應(yīng)量, 取η2p> 0.2 (Deng et al., 2019), 計(jì)算出最少需要12名被試, 同時(shí)參考同類研究主要采用15～20名被試, 因此本實(shí)驗(yàn)一共招募了17名大學(xué)生(7名男性, 年齡：22.5 ± 2.5歲, 身高：165.8 ± 6.4 cm)。所有被試均為右利手, 身體健康, 視力或矯正視力正常, 無頸部轉(zhuǎn)動(dòng)障礙。所有被試在實(shí)驗(yàn)前簽署了由學(xué)校學(xué)術(shù)倫理委員會(huì)批準(zhǔn)的知情同意書, 且在實(shí)驗(yàn)后獲得適當(dāng)報(bào)酬。

2.2 實(shí)驗(yàn)儀器和材料

本研究使用Oculus Rift CV1沉浸式虛擬現(xiàn)實(shí)頭盔(單眼分辨率：1080×1200; 刷新率：90 Hz; 最大視角：110°), 頭盔包含基于慣性測(cè)量單元(IMU)的轉(zhuǎn)動(dòng)傳感器和基于紅外光學(xué)的位置傳感器, 能夠?qū)崟r(shí)獲得頭的6自由度空間位置(x, y, z, yaw, pitch, row) (圖1a)。在實(shí)驗(yàn)中關(guān)閉了頭盔的紅外光學(xué)位置追蹤功能, 被試只能通過轉(zhuǎn)頭完成任務(wù)。

實(shí)驗(yàn)程序采用Unity3D和C#編寫, 在Dell Alienware Area(操作系統(tǒng)：windows 8.1; CPU：Intel core i7; 顯卡：NVIDA GeForce GTX TITAN)電腦上運(yùn)行, 確保程序按照頭盔的最大刷新率運(yùn)行。

2.3 實(shí)驗(yàn)刺激和設(shè)計(jì)

實(shí)驗(yàn)場(chǎng)景和實(shí)驗(yàn)刺激如圖1所示, 在一個(gè)虛擬的空間中豎直放置了一塊2000 m × 2000 m的灰色平面作為背景, 在平面前方呈現(xiàn)了一個(gè)黃色小球作為光標(biāo)和一個(gè)白色半透明小球作為目標(biāo)。光標(biāo)和目標(biāo)分別隨機(jī)出現(xiàn)在被試正前方3 m的左(右)側(cè)和右(左)側(cè)區(qū)域, 高度為被試的眼高。目標(biāo)在水平方向上做遠(yuǎn)離光標(biāo)或者靠近光標(biāo)的勻速直線運(yùn)動(dòng)。

為了確定參數(shù)范圍, 我們進(jìn)行了一項(xiàng)預(yù)實(shí)驗(yàn)。結(jié)果顯示, 光標(biāo)大小和轉(zhuǎn)頭方向?qū)Σ僮鲿r(shí)間和正確率沒有顯著影響, 因此不作為本實(shí)驗(yàn)的研究因素?？紤]到目標(biāo)的最大值以及遠(yuǎn)離運(yùn)動(dòng)中光標(biāo)的可見程度, 我們固定光標(biāo)的直徑為4°。為了能夠有效完成任務(wù)(錯(cuò)誤率低于30%), 目標(biāo)的最大速度設(shè)置為2 m/s, 目標(biāo)容差不低于4°, 初始距離的最大值為40°。目標(biāo)的最小速度設(shè)置為0.5 m/s, 以便能夠快速識(shí)別出目標(biāo)是運(yùn)動(dòng)的。在靠近運(yùn)動(dòng)中, 為了確保在最大速度情況下能夠大概率成功攔截目標(biāo), 初始距離的最小值設(shè)置為20°。此外, 目標(biāo)容差的最大值設(shè)置為8°, 因?yàn)檫x中目標(biāo)的難度已經(jīng)較低?？紤]到總的試次數(shù)量、疲勞程度以及目標(biāo)速度的重要性, 我們?cè)O(shè)置了4個(gè)水平的目標(biāo)移動(dòng)速度、3個(gè)水平的目標(biāo)容差和2個(gè)水平的初始距離, 根據(jù)參數(shù)的最大值和最小值等分。

綜上所述, 本實(shí)驗(yàn)采用2 (目標(biāo)運(yùn)動(dòng)方向：遠(yuǎn)離運(yùn)動(dòng), 靠近運(yùn)動(dòng)) × 4 (目標(biāo)移動(dòng)速度：0.5 m/s, 1 m/s, 1.5 m/s, 2 m/s) × 2 (初始距離：20°, 40°) × 3 (目標(biāo)容差：4°, 6°, 8°)的四因素被試內(nèi)重復(fù)實(shí)驗(yàn)設(shè)計(jì)。光標(biāo)直徑約0.22 m (4°), 目標(biāo)容差的線性量大小分別約0.22 m、0.33 m和0.43 m, 目標(biāo)大小為目標(biāo)容差與光標(biāo)大小之和, 直徑為8°(0.43 m)、10°(0.54 m)和12°(0.65 m), 初始距離的線性距離為1.06 m和2.18 m。本研究采用角度表示參數(shù)大小是因?yàn)槿S空間中角度量包含了深度對(duì)操作時(shí)間的影響(Kopper et al., 2010; Qian & Teather, 2017; 鄧成龍, 蒯曙光, 2021)。

圖1 實(shí)驗(yàn)設(shè)計(jì)示意圖

注：(a)實(shí)驗(yàn)裝置和被試操作示意圖, 被試佩戴VR頭盔坐在電腦前完成任務(wù); (b)實(shí)驗(yàn)刺激場(chǎng)景, 黃色小球?yàn)楣鈽?biāo), 白色半透明大球?yàn)槟繕?biāo); (c)選中遠(yuǎn)離運(yùn)動(dòng)目標(biāo)任務(wù)的相關(guān)參數(shù)和操作過程示意圖, 實(shí)驗(yàn)參數(shù)包括初始距離(光標(biāo)與目標(biāo)中心的直線距離對(duì)應(yīng)的視角大小), 目標(biāo)容差(光標(biāo)與目標(biāo)的視角大小差值)和目標(biāo)速度, 光標(biāo)大小固定為4°, 目標(biāo)在水平方向上移動(dòng)并遠(yuǎn)離光標(biāo); (d)選中靠近運(yùn)動(dòng)目標(biāo)的操作過程示意圖, 目標(biāo)在水平方向上移動(dòng)并靠近光標(biāo)。

實(shí)驗(yàn)一共包含23個(gè)組塊(block), 每個(gè)組塊包含所有的48種實(shí)驗(yàn)條件組合, 組塊內(nèi)不同條件組合順序隨機(jī)呈現(xiàn)。為了避免長(zhǎng)時(shí)間使用VR頭盔導(dǎo)致的視覺疲勞、脖子疲勞以及眩暈, 相關(guān)研究建議VR的連續(xù)使用時(shí)間小于1小時(shí)(Smith & Burd, 2019), 因此本實(shí)驗(yàn)分兩天進(jìn)行。第一天為練習(xí), 完成8個(gè)組塊, 第二天為正式實(shí)驗(yàn), 完成剩下的15個(gè)組塊。練習(xí)和正式測(cè)試的總時(shí)間分別約1小時(shí)。組塊與組塊之間休息1分鐘, 由于不同人對(duì)虛擬現(xiàn)實(shí)引起的眩暈敏感性不同, 為了確保數(shù)據(jù)不受眩暈的影響, 在測(cè)試的過程中, 被試如果感覺不適, 隨時(shí)可以在試次間隙休息。

2.4 實(shí)驗(yàn)過程

實(shí)驗(yàn)設(shè)置如圖1a所示, 被試坐在固定的椅子上, 佩戴虛擬現(xiàn)實(shí)頭盔, 手握手柄。在虛擬場(chǎng)景中被試將看到兩個(gè)球體, 視野左側(cè)(右側(cè))的黃色小球?yàn)楣鈽?biāo), 視野右側(cè)(左側(cè))的白色半透明的大球?yàn)槟繕?biāo)(圖1b)。被試視野正前方的綠色小點(diǎn)代表被試頭的朝向, 當(dāng)被試轉(zhuǎn)頭看向場(chǎng)景中的光標(biāo)時(shí), 按下手柄上的按鍵, 光標(biāo)顏色從黃色變成紅色, 并且光標(biāo)的移動(dòng)由被試轉(zhuǎn)頭控制, 同時(shí)目標(biāo)開始按照設(shè)定的速度在水平方向上做遠(yuǎn)離或者靠近光標(biāo)的勻速運(yùn)動(dòng)。此時(shí)被試通過轉(zhuǎn)頭盡可能又快又準(zhǔn)地將光標(biāo)完全放入目標(biāo)內(nèi), 并按下手柄上的按鍵確認(rèn)完成任務(wù)。如果光標(biāo)沒有完全放入目標(biāo)球內(nèi), 則表示任務(wù)失敗, 程序播放錯(cuò)誤提示音。實(shí)驗(yàn)程序記錄每次任務(wù)的完成時(shí)間、光標(biāo)的移動(dòng)軌跡和所有任務(wù)的錯(cuò)誤率, 軌跡采樣率為90 Hz。

2.5 數(shù)據(jù)分析

根據(jù)測(cè)試經(jīng)驗(yàn), 在正常操作情況下, 完成任務(wù)的總時(shí)間在300 ms至2500 ms之間。完成時(shí)間大于2500 ms可能是由于程序卡頓導(dǎo)致, 而完成時(shí)間小于300 ms可能是被試誤操作比如雙擊按鍵導(dǎo)致, 因此我們將總完成時(shí)間大于2500 ms和小于300 ms的試次剔除, 共計(jì)刪除25個(gè)試次, 占總試次的0.20%。

我們對(duì)光標(biāo)移動(dòng)速度軌跡進(jìn)行處理。首先, 我們對(duì)軌跡數(shù)據(jù)進(jìn)行10 Hz的低通濾波, 減少噪聲對(duì)數(shù)據(jù)的影響(Chen et al., 2015; Liu et al., 2009)。其次, 我們將光標(biāo)速度軌跡劃分成3個(gè)階段：加速階段、減速階段和調(diào)整階段, 3個(gè)階段的劃分方法在基于選中靜止目標(biāo)過程的劃分方法基礎(chǔ)上進(jìn)行修改, 以滿足選中運(yùn)動(dòng)目標(biāo)過程(Deng et al., 2019)。加速階段與減速階段的分界點(diǎn)為光標(biāo)移動(dòng)的最大速度對(duì)應(yīng)位置, 減速階段與調(diào)整階段的分界點(diǎn)為第一個(gè)滿足下面三個(gè)標(biāo)準(zhǔn)中的任意一個(gè)的點(diǎn), 且速度小于目標(biāo)速度與光標(biāo)最大速度的中點(diǎn)值(遠(yuǎn)離運(yùn)動(dòng))或者速度小于光標(biāo)最大速度的一半(靠近運(yùn)動(dòng)) (圖2)：

圖2 一位被試選中遠(yuǎn)離運(yùn)動(dòng)目標(biāo)(a)和靠近運(yùn)動(dòng)目標(biāo)(b)過程的光標(biāo)速度軌跡和三個(gè)階段的劃分樣例

(1) 遠(yuǎn)離運(yùn)動(dòng)：光標(biāo)速度從大于目標(biāo)移動(dòng)速度變?yōu)樾∮谀繕?biāo)移動(dòng)速度的第一個(gè)點(diǎn); 靠近運(yùn)動(dòng)：光標(biāo)移動(dòng)速度的正負(fù)方向改變的第一個(gè)點(diǎn)。

(2) 光標(biāo)的加速度值從負(fù)數(shù)變?yōu)檎龜?shù)的第一個(gè)點(diǎn), 即光標(biāo)速度從減速變?yōu)榧铀俚狞c(diǎn)。

(3) 光標(biāo)的加速度一直為負(fù)值, 但其絕對(duì)值小于加速度最大值0.1倍的點(diǎn)。

減速階段與調(diào)整階段的分界點(diǎn)需要考慮速度的正負(fù)值, 由于目標(biāo)的運(yùn)動(dòng)方向?yàn)樗椒较? 因此使用光標(biāo)在水平方向的速度方向代表總體速度的方向(Deng et al., 2019)。

我們對(duì)15個(gè)組塊的總平均完成時(shí)間進(jìn)行方差分析, 查看操作過程是否存在練習(xí)或者疲勞效應(yīng)。結(jié)果顯示, 雖然組塊順序的主效應(yīng)顯著((3.10, 49.59) = 6.12,= 0.001, η2p= 0.28, Greenhouse- Geisser矯正), 但是組塊完成時(shí)間并沒有隨著組塊順序的增加而持續(xù)性地下降或者上升。對(duì)組塊順序進(jìn)行Bonferroni事后檢驗(yàn), 發(fā)現(xiàn)只有組塊1的完成時(shí)間(984 ± 161 ms)顯著高于組塊12 (857 ± 121 ms,= 0.005)和組塊13 (842 ± 101 ms,= 0.030), 其他組塊之間的時(shí)間差異不顯著。該結(jié)果說明操作過程不存在練習(xí)效應(yīng)和疲勞效應(yīng), 因此我們采用15個(gè)組塊的數(shù)據(jù)平均值用于后續(xù)分析。

本研究采用SPSS Statistics 21.0對(duì)數(shù)據(jù)進(jìn)行多因素重復(fù)測(cè)量方差分析, 并采用Greenhouse-Geisser方法對(duì)不滿足球形假設(shè)檢驗(yàn)的結(jié)果進(jìn)行校正。時(shí)間分析只采用正確試次的數(shù)據(jù)。

3 實(shí)驗(yàn)結(jié)果

3.1 錯(cuò)誤率

完成任務(wù)的錯(cuò)誤率如圖3所示, 遠(yuǎn)離和靠近運(yùn)動(dòng)的最大錯(cuò)誤率低于30%, 平均錯(cuò)誤率分別只有7.38 ± 3.31%和5.85% ± 3.24%, 說明被試能夠很好地完成任務(wù)。對(duì)錯(cuò)誤率進(jìn)行四因素(目標(biāo)運(yùn)動(dòng)方向, 目標(biāo)移動(dòng)速度, 初始距離和目標(biāo)容差)重復(fù)測(cè)量方差分析, 結(jié)果顯示目標(biāo)速度((1.62, 25.88) = 40.13,< 0.001, η2p= 0.72)和目標(biāo)容差((1.19, 19.05) = 71.23,< 0.001, η2p= 0.82)的主效應(yīng)顯著, 兩類運(yùn)動(dòng)的錯(cuò)誤率都隨著目標(biāo)速度的增大而增加, 隨著目標(biāo)容差的增大而降低。初始距離對(duì)遠(yuǎn)離和靠近運(yùn)動(dòng)造成了相反的影響, 初始距離與目標(biāo)運(yùn)動(dòng)方向存在顯著的交互效應(yīng)((1, 16) = 21.92,< 0.001, η2p= 0.58), 簡(jiǎn)單效應(yīng)分析顯示, 在遠(yuǎn)離運(yùn)動(dòng)中, 初始距離40°的錯(cuò)誤率高于初始距離20°的錯(cuò)誤率(= 0.013), 但是在靠近運(yùn)動(dòng)中, 初始距離20°的錯(cuò)誤率則高于初始距離40°的錯(cuò)誤率(< 0.001)。目標(biāo)運(yùn)動(dòng)方向的主效應(yīng)顯著((1, 16) = 8.01,= 0.012, η2p= 0.33), 遠(yuǎn)離運(yùn)動(dòng)的平均錯(cuò)誤率顯著高于靠近運(yùn)動(dòng)的錯(cuò)誤率, 但是隨著目標(biāo)容差的增大, 兩者的差異逐漸減小, 目標(biāo)運(yùn)動(dòng)方向與目標(biāo)容差的交互效應(yīng)顯著((1.31, 21.01) = 7.19,= 0.009, η2p= 0.31)。此外, 目標(biāo)運(yùn)動(dòng)方向、初始距離和目標(biāo)速度還存在顯著的三因素交互效應(yīng)((1.57, 25.15) = 11.94,= 0.001, η2p= 0.43), 當(dāng)初始距離為20°時(shí), 隨著目標(biāo)速度的增大, 遠(yuǎn)離與靠近運(yùn)動(dòng)的錯(cuò)誤率也逐漸接近, 特別是當(dāng)目標(biāo)速度達(dá)到2 m/s, 靠近運(yùn)動(dòng)的錯(cuò)誤率已經(jīng)高于遠(yuǎn)離運(yùn)動(dòng); 相反, 當(dāng)初始距離增大到40°, 兩者的錯(cuò)誤率差異則隨著目標(biāo)速度的增大而增加。其它的交互效應(yīng)不顯著。

圖3 完成任務(wù)的錯(cuò)誤率

注：選中遠(yuǎn)離運(yùn)動(dòng)目標(biāo)和靠近運(yùn)動(dòng)目標(biāo)的錯(cuò)誤率與初始距離(a)、目標(biāo)容差(b)和目標(biāo)移動(dòng)速度(c)的關(guān)系圖。圖中誤差線為標(biāo)準(zhǔn)誤, 余同。

3.2 完成任務(wù)的總時(shí)間

對(duì)正確試次的總完成時(shí)間進(jìn)行重復(fù)測(cè)量方差分析, 探索三個(gè)因素對(duì)遠(yuǎn)離和靠近運(yùn)動(dòng)的影響差異。結(jié)果如圖4所示, 目標(biāo)運(yùn)動(dòng)方向的主效應(yīng)顯著((1, 16) = 99.64,< 0.001, η2p= 0.86), 遠(yuǎn)離運(yùn)動(dòng)的平均總完成時(shí)間(986 ± 120 ms)顯著高于靠近運(yùn)動(dòng)的完成時(shí)間(784 ± 124 ms), 說明選中遠(yuǎn)離運(yùn)動(dòng)目標(biāo)的難度更大。初始距離((1, 16) = 221.85,< 0.001, η2p= 0.93)和目標(biāo)容差((1.04, 16.61) = 69.94,< 0.001, η2p= 0.81)的主效應(yīng)顯著, 兩個(gè)因素對(duì)遠(yuǎn)離和靠近運(yùn)動(dòng)造成了相似的影響, 兩類運(yùn)動(dòng)的完成時(shí)間都隨著初始距離的增大而增加, 隨著目標(biāo)容差的增大而減少。然而目標(biāo)運(yùn)動(dòng)方向與初始距離存在顯著的交互效應(yīng)((1, 16) = 8.59,= 0.01, η2p= 0.35), 靠近運(yùn)動(dòng)的時(shí)間增長(zhǎng)速度稍快于遠(yuǎn)離運(yùn)動(dòng), 說明初始距離對(duì)靠近運(yùn)動(dòng)的影響更大。目標(biāo)運(yùn)動(dòng)方向與目標(biāo)容差的交互效應(yīng)不顯著((1.13, 18.07) = 1.60,= 0.225), 表明目標(biāo)容差對(duì)遠(yuǎn)離和靠近運(yùn)動(dòng)的影響一致。與前兩個(gè)因素不同, 目標(biāo)速度對(duì)遠(yuǎn)離運(yùn)動(dòng)和靠近運(yùn)動(dòng)造成了相反的影響, 目標(biāo)速度與目標(biāo)運(yùn)動(dòng)方向存在顯著的交互效應(yīng)((1.44, 22.96) = 60.74,< 0.001, η2p= 0.79)。對(duì)遠(yuǎn)離和靠近運(yùn)動(dòng)單獨(dú)進(jìn)行方差分析發(fā)現(xiàn), 隨著目標(biāo)速度的增大, 遠(yuǎn)離運(yùn)動(dòng)的操作時(shí)間快速增加((1.38, 22.11) = 48.49,< 0.001, η2p= 0.75), 相反, 靠近運(yùn)動(dòng)的操作時(shí)間快速下降((1.16, 18.59) = 12.43,= 0.002, η2p= 0.44)。然而, 隨著目標(biāo)速度的減小, 運(yùn)動(dòng)目標(biāo)逐漸變成靜止目標(biāo), 因此遠(yuǎn)離與靠近運(yùn)動(dòng)的操作難度逐漸接近, 當(dāng)目標(biāo)速度降低到0.5 m/s時(shí), 兩類運(yùn)動(dòng)的完成時(shí)間已經(jīng)沒有顯著差異(= 0.996 )。此外, 目標(biāo)運(yùn)動(dòng)方向、目標(biāo)速度和初始距離還存在顯著的三因素交互效應(yīng)((1.86, 29.82) = 4.03,= 0.031, η2p= 0.20), 獨(dú)立分析兩類運(yùn)動(dòng)發(fā)現(xiàn), 靠近運(yùn)動(dòng)中初始距離與目標(biāo)速度的交互效應(yīng)顯著((1.79, 28.57) = 3.72,= 0.041, η2p= 0.19), 當(dāng)初始距離為20°時(shí), 靠近運(yùn)動(dòng)的操作時(shí)間表現(xiàn)出了微弱的U型曲線, 目標(biāo)速度從0.5 m/s增加到1.5 m/s再增加到2 m/s, 操作時(shí)間先快速下降后緩慢上升, 證明了我們的推測(cè)2 (圖4c)。然而, 我們沒有發(fā)現(xiàn)U型曲線的拐點(diǎn)速度受到目標(biāo)容差的影響, 目標(biāo)容差與目標(biāo)速度不存在顯著的交互效應(yīng)((3.07, 49.13) = 0.70,= 0.563), 否定了我們的推測(cè)3。除此之外, 不存在其他顯著的交互效應(yīng)。

3.3 光標(biāo)移動(dòng)過程的三階段操作時(shí)間

進(jìn)一步比較遠(yuǎn)離與靠近運(yùn)動(dòng)在三個(gè)階段的差異, 結(jié)果如圖5所示。在加速階段, 目標(biāo)運(yùn)動(dòng)方向的主效應(yīng)顯著((1, 16) =162.32,< 0.001, η2p= 0.91), 遠(yuǎn)離運(yùn)動(dòng)的加速時(shí)間(386 ± 58 ms)大于靠近運(yùn)動(dòng)的加速時(shí)間(255 ± 33 ms), 說明遠(yuǎn)離運(yùn)動(dòng)需要更長(zhǎng)的時(shí)間到達(dá)速度峰值。初始距離對(duì)遠(yuǎn)離和靠近運(yùn)動(dòng)造成了相反的影響, 目標(biāo)運(yùn)動(dòng)方向與初始距離的交互效應(yīng)顯著((1, 16) = 179.00,< 0.001, η2p= 0.92), 對(duì)兩類運(yùn)動(dòng)單獨(dú)進(jìn)行方差分析顯示, 初始距離的增大減少了遠(yuǎn)離運(yùn)動(dòng)的加速時(shí)間((1, 16) = 50.26,< 0.001, η2p= 0.76), 但是增加了靠近運(yùn)動(dòng)的加速時(shí)間,(1, 16) = 90.03,< 0.001, η2p= 0.85。目標(biāo)速度仍然對(duì)兩類運(yùn)動(dòng)的影響相反, 與總時(shí)間的結(jié)果一致, 目標(biāo)運(yùn)動(dòng)方向與目標(biāo)速度的交互效應(yīng)顯著,(1.46, 23.42) = 55.82,< 0.001, η2p= 0.78。此外, 目標(biāo)運(yùn)動(dòng)方向、目標(biāo)移動(dòng)速度和初始距離還存在顯著的三因素交互效應(yīng)((2.08, 33.29) = 28.26,< 0.001, η2p= 0.64), 在遠(yuǎn)離和靠近運(yùn)動(dòng)中, 初始距離20°與40°的時(shí)間差異變化略有不同。目標(biāo)容差的主效應(yīng)不顯著((2, 32) = 0.04,= 0.962), 以及目標(biāo)容差與目標(biāo)運(yùn)動(dòng)方向的交互效應(yīng)不顯著((1.30, 20.86) = 0.80,= 0.41), 加速時(shí)間不受目標(biāo)容差的影響。目標(biāo)運(yùn)動(dòng)方向、初始距離和目標(biāo)容差的三因素交互效應(yīng)顯著((2, 32) = 3.94,= 0.029, η2p= 0.20), 在不同目標(biāo)容差下, 初始距離對(duì)遠(yuǎn)離和靠近運(yùn)動(dòng)的影響稍有不同。除此之外, 沒有其他顯著的交互效應(yīng)(圖5a)。

圖4 完成任務(wù)的總時(shí)間

注：選中遠(yuǎn)離運(yùn)動(dòng)目標(biāo)和靠近運(yùn)動(dòng)目標(biāo)的總操作時(shí)間與初始距離(a)、目標(biāo)容差(b)和目標(biāo)速度(c)的關(guān)系圖。

圖5 光標(biāo)移動(dòng)過程的三階段操作時(shí)間結(jié)果

注：加速階段時(shí)間(a)、減速階段時(shí)間(b)和調(diào)整階段時(shí)間(c)與初始距離(上)、目標(biāo)容差(中)和目標(biāo)速度(下)的關(guān)系圖。

在減速階段, 遠(yuǎn)離運(yùn)動(dòng)的減速時(shí)間(342 ± 29 ms)仍然大于靠近運(yùn)動(dòng)的減速時(shí)間(272 ± 33 ms), 目標(biāo)運(yùn)動(dòng)方向的主效應(yīng)顯著,(1, 16) =119.31,< 0.001, η2p= 0.88。目標(biāo)速度((1.75, 28.07) = 97.85,< 0.001, η2p= 0.86)和初始距離((1, 16) = 335.25,< 0.001, η2p= 0.95)的主效應(yīng)顯著, 并且目標(biāo)運(yùn)動(dòng)方向與目標(biāo)速度((1.95, 31.11) = 67.77,< 0.001, η2p= 0.81)以及目標(biāo)運(yùn)動(dòng)方向與初始距離((1, 16) = 38.03,< 0.001, η2p= 0.70)的交互效應(yīng)顯著, 表明初始距離與目標(biāo)速度對(duì)遠(yuǎn)離和靠近運(yùn)動(dòng)造成了不同的影響。與加速階段不同, 初始距離對(duì)遠(yuǎn)離運(yùn)動(dòng)((1, 16) = 128.83,< 0.001, η2p= 0.89)和靠近運(yùn)動(dòng)((1, 16) = 309.80,< 0.001, η2p= 0.95)的影響相似, 都增加了減速時(shí)間, 但是靠近運(yùn)動(dòng)的時(shí)間增長(zhǎng)速度更快。增加目標(biāo)速度快速降低了靠近運(yùn)動(dòng)的調(diào)整時(shí)間((1.76, 28.20) = 195.38,< 0.001, η2p= 0.92), 但是對(duì)遠(yuǎn)離運(yùn)動(dòng)只有輕微影響((1.73, 27.66) = 11.28,< 0.001, η2p= 0.41)。此外, 目標(biāo)運(yùn)動(dòng)方向、初始距離和目標(biāo)速度還存在顯著的三因素交互效應(yīng)((3, 48) = 4.37,= 0.008, η2p= 0.21), 在遠(yuǎn)離和靠近運(yùn)動(dòng)中, 初始距離40°與20°的時(shí)間差異變化稍有不同。雖然目標(biāo)容差的主效應(yīng)顯著((2, 32) = 7.65,= 0.002, η2p= 0.32), 以及目標(biāo)容差與目標(biāo)運(yùn)動(dòng)方向的交互效應(yīng)顯著((2, 32) = 6.36,= 0.005, η2p= 0.28), 但是遠(yuǎn)離運(yùn)動(dòng)和靠近運(yùn)動(dòng)的減速時(shí)間最大平均值差異非常小, 分別只有18 ms和2 ms, 說明目標(biāo)容差對(duì)減速時(shí)間的影響很小。除此之外, 其他的交互效應(yīng)都不顯著(圖5b)。

在調(diào)整階段, 與前兩個(gè)階段不同, 目標(biāo)運(yùn)動(dòng)方向的主效應(yīng)不顯著((1, 16) = 0.001,= 0.974), 遠(yuǎn)離運(yùn)動(dòng)(258 ± 107 ms)與靠近運(yùn)動(dòng)(259 ± 132 ms)的平均調(diào)整時(shí)間非常接近, 但是兩類運(yùn)動(dòng)仍然在初始距離和目標(biāo)移動(dòng)速度水平上表現(xiàn)出了差異, 目標(biāo)運(yùn)動(dòng)方向與初始距離的交互效應(yīng)((1, 16) = 31.22,< 0.001, η2p= 0.66)以及目標(biāo)運(yùn)動(dòng)方向與目標(biāo)速度的交互效應(yīng)((1.69, 26.97) = 8.34,= 0.002, η2p= 0.34)都顯著。對(duì)兩類運(yùn)動(dòng)單獨(dú)分析顯示, 遠(yuǎn)離運(yùn)動(dòng)的調(diào)整時(shí)間同時(shí)與初始距離((1, 16) = 129.81,< 0.001, η2p= 0.89)和目標(biāo)移動(dòng)速度((1.30, 20.73) = 25.32,< 0.001, η2p= 0.61)有關(guān), 但是靠近運(yùn)動(dòng)的調(diào)整時(shí)間則不受初始距離((1, 16) = 0.14,= 0.711)的影響。雖然靠近運(yùn)動(dòng)的調(diào)整時(shí)間隨著目標(biāo)移動(dòng)速度的增大而緩慢增加, 但是統(tǒng)計(jì)結(jié)果沒有達(dá)到顯著水平,(1.35, 21.66) = 0.63,= 0.48。此外, 目標(biāo)容差的主效應(yīng)顯著((1.08, 17.25) = 55.46,< 0.001, η2p= 0.78), 遠(yuǎn)離與靠近運(yùn)動(dòng)的調(diào)整時(shí)間都隨著目標(biāo)容差的增大而快速下降, 并且目標(biāo)容差與目標(biāo)運(yùn)動(dòng)方向的交互效應(yīng)不顯著((1.32, 21.18) = 0.20,= 0.728), 說明目標(biāo)容差對(duì)兩者的調(diào)整難度影響一致。除此之外, 剩余的交互效應(yīng)都不顯著(圖5c)。

3.4 模型擬合

遠(yuǎn)離和靠近運(yùn)動(dòng)的操作時(shí)間()受到初始距離()、目標(biāo)容差()和目標(biāo)速度()的影響, 我們建立操作時(shí)間與三個(gè)影響因素的函數(shù)關(guān)系, 量化兩類運(yùn)動(dòng)的操作時(shí)間特性。我們?nèi)≌_試次的數(shù)據(jù), 然后將所有被試相同條件的數(shù)據(jù)平均。為了與目標(biāo)速度單位(m/s)保持一致, 我們將初始距離和目標(biāo)容差的角度量轉(zhuǎn)換成了線性量。前人已經(jīng)提出了量化靠近運(yùn)動(dòng)操作時(shí)間特性的公式2和公式3, 我們將目標(biāo)容差代替目標(biāo)寬度, 將數(shù)據(jù)代入上述兩個(gè)公式。結(jié)果顯示兩個(gè)公式并不能很好地解釋本研究的靠近運(yùn)動(dòng)(公式2：2= 0.449; 公式3：2= 0.628)和遠(yuǎn)離運(yùn)動(dòng)(公式2：2= 0.900; 公式3：2= 0.610)的數(shù)據(jù), 因此需要建立新的函數(shù)模型。由于初始距離和目標(biāo)容差對(duì)選中運(yùn)動(dòng)目標(biāo)的操作時(shí)間影響與選中靜止目標(biāo)的影響非常相似, 因此我們?cè)谫M(fèi)茨定律(公式1)的基礎(chǔ)上進(jìn)行修改, 加入目標(biāo)速度參數(shù)。由于遠(yuǎn)離運(yùn)動(dòng)的完成時(shí)間隨著目標(biāo)速度的增大而線性增加, 而靠近運(yùn)動(dòng)的完成時(shí)間隨著目標(biāo)速度的增大而下降, 并且目標(biāo)速度與初始距離和目標(biāo)容差不存在強(qiáng)交互效應(yīng), 因此在新模型中目標(biāo)速度作為獨(dú)立參數(shù), 我們提出新的模型如下：

其中、和是擬合常數(shù),是任務(wù)難度,是指數(shù), 當(dāng)= 1時(shí), 公式4代表遠(yuǎn)離運(yùn)動(dòng)模型; 當(dāng)= ?1時(shí), 公式4代表靠近運(yùn)動(dòng)模型。

為了驗(yàn)證模型的穩(wěn)定性, 我們把被試的數(shù)據(jù)隨機(jī)分成訓(xùn)練集和測(cè)試集。訓(xùn)練集由隨機(jī)挑選出的2/3被試(11人)的數(shù)據(jù)組成, 然后使用公式4對(duì)訓(xùn)練集進(jìn)行擬合, 用獲得的模型參數(shù)預(yù)測(cè)剩下的1/3被試(6人)的數(shù)據(jù)。我們重復(fù)這個(gè)過程1000次, 獲得了訓(xùn)練集數(shù)據(jù)的模型擬合2結(jié)果以及對(duì)測(cè)試集數(shù)據(jù)的模型預(yù)測(cè)2結(jié)果的分布(圖6c)。靠近運(yùn)動(dòng)和遠(yuǎn)離運(yùn)動(dòng)的測(cè)試集平均2分別為0.940和0.966, 與所有數(shù)據(jù)的擬合結(jié)果(靠近運(yùn)動(dòng)：2= 0.952, 遠(yuǎn)離運(yùn)動(dòng)：2= 0.971)非常接近。在遠(yuǎn)離運(yùn)動(dòng)中, 模型預(yù)測(cè)的2全部超過了0.8, 平均值達(dá)到了0.941。雖然靠近運(yùn)動(dòng)的模型預(yù)測(cè)結(jié)果低于遠(yuǎn)離運(yùn)動(dòng)模型的預(yù)測(cè)結(jié)果, 但是75%的靠近運(yùn)動(dòng)模型的預(yù)測(cè)2超過了0.82, 平均值仍然達(dá)到了0.855。本結(jié)果說明我們提出的模型不僅穩(wěn)定, 還能夠很好地對(duì)數(shù)據(jù)進(jìn)行預(yù)測(cè)。

4 討論

在VR中通過轉(zhuǎn)頭交互選中遠(yuǎn)離運(yùn)動(dòng)目標(biāo)和靠近運(yùn)動(dòng)目標(biāo)是常見的操作, 然而遠(yuǎn)離運(yùn)動(dòng)與靠近運(yùn)動(dòng)的操作時(shí)間特性差異還不清楚。本研究在分析總操作時(shí)間的基礎(chǔ)上, 進(jìn)一步地將光標(biāo)的移動(dòng)過程劃分成加速階段、減速階段和調(diào)整階段, 結(jié)合三個(gè)階段的操作時(shí)間系統(tǒng)探索了初始距離、目標(biāo)容差和目標(biāo)移動(dòng)速度對(duì)兩類運(yùn)動(dòng)的影響差異。我們的結(jié)果證明了遠(yuǎn)離運(yùn)動(dòng)與靠近運(yùn)動(dòng)即有相同的操作時(shí)間特性, 也存在不同的操作時(shí)間特性。一方面, 目標(biāo)容差對(duì)兩類運(yùn)動(dòng)的影響一致, 而且只影響調(diào)整階段, 不影響加速和減速時(shí)間, 說明被試在將光標(biāo)快速移動(dòng)到目標(biāo)附近的過程中并不考慮目標(biāo)的大小, 該結(jié)果與選中靜止目標(biāo)的分段結(jié)果一致(Chen et al., 2015; Deng et al., 2019)。另一方面, 初始距離對(duì)遠(yuǎn)離和靠近運(yùn)動(dòng)造成了不同的影響。雖然在總時(shí)間上, 遠(yuǎn)離與靠近運(yùn)動(dòng)在不同初始距離水平上表現(xiàn)非常相似, 但是在三階段操作時(shí)間上, 初始距離對(duì)兩類運(yùn)動(dòng)的影響存在顯著差異。初始距離影響遠(yuǎn)離運(yùn)動(dòng)的三個(gè)階段, 但是只影響了靠近運(yùn)動(dòng)的加速和減速階段?？拷\(yùn)動(dòng)的調(diào)整時(shí)間不受初始距離遠(yuǎn)近的影響, 原因可能是在調(diào)整階段目標(biāo)出現(xiàn)在操作者附近, 導(dǎo)致光標(biāo)對(duì)準(zhǔn)目標(biāo)的難度基本一致。

圖6 公式4對(duì)遠(yuǎn)離和靠近運(yùn)動(dòng)數(shù)據(jù)的擬合結(jié)果

此外, 目標(biāo)速度對(duì)遠(yuǎn)離運(yùn)動(dòng)和靠近運(yùn)動(dòng)的影響也不同。在遠(yuǎn)離運(yùn)動(dòng)中, 目標(biāo)速度的增大增加了加速階段和調(diào)整階段的時(shí)間, 導(dǎo)致總操作時(shí)間增加, 支持了以前的研究結(jié)果(Hajri et al., 2011; Hasan et al., 2011; Ilich, 2009)。在靠近運(yùn)動(dòng)中, 目標(biāo)速度的增大減少了加速階段與減速階段的時(shí)間, 增加了調(diào)整階段的時(shí)間。由于前兩個(gè)階段減少的時(shí)間大于調(diào)整階段增加的時(shí)間, 導(dǎo)致靠近運(yùn)動(dòng)的總時(shí)間下降。然而, 我們的結(jié)果與以前的研究結(jié)果存在差異, 前人發(fā)現(xiàn)在大部分情況下操作時(shí)間隨著目標(biāo)速度的增大而快速增加(Hajri et al., 2011; Ilich, 2009; Jagacinski et al., 1980), 產(chǎn)生不同結(jié)果的原因可能存在兩個(gè)方面。一方面, 操作任務(wù)不同可能導(dǎo)致結(jié)果不同。比如, 在Ilich (2009)和Hajri等人(2011)的研究中, 遠(yuǎn)離與靠近運(yùn)動(dòng)沒有完全分離, 而本研究的遠(yuǎn)離與靠近運(yùn)動(dòng)完全獨(dú)立。另一方面, 不同的操作方式具有不同的操作特性, 也可能導(dǎo)致結(jié)果存在差異。以往研究主要采用鼠標(biāo)或者搖桿等交互方式完成任務(wù), 但是轉(zhuǎn)頭交互與搖桿和鼠標(biāo)操作的完成時(shí)間存在顯著差異(Jagacinski & Monk, 1985; Jalaliniya et al., 2014; Lin et al., 1992), 轉(zhuǎn)頭交互的穩(wěn)定性可能比搖桿和鼠標(biāo)更好, 因此調(diào)整時(shí)間受目標(biāo)速度的影響更小。另外, 我們發(fā)現(xiàn)當(dāng)初始距離為20°時(shí), 靠近運(yùn)動(dòng)的操作時(shí)間與目標(biāo)速度存在U型關(guān)系。當(dāng)目標(biāo)速度在一定范圍內(nèi)時(shí), 加速和減速階段減少的時(shí)間多于增加的調(diào)整時(shí)間, 當(dāng)目標(biāo)速度超過一個(gè)閾值后, 這種優(yōu)勢(shì)將不存在。從圖5可以看出, 當(dāng)目標(biāo)速度從1.5 m/s增加到2 m/s時(shí), 加速時(shí)間和減速時(shí)間分別只減少了4 ms和14 ms, 但是調(diào)整時(shí)間增加了66 ms。該結(jié)果證明了我們的推測(cè)2, 也支持了先前的研究結(jié)果(Ilich, 2009)。然而我們沒有發(fā)現(xiàn)U型曲線的拐點(diǎn)速度受到目標(biāo)容差的影響, 否定了推測(cè)3, 原因可能與目標(biāo)容差不夠小有關(guān), 導(dǎo)致調(diào)整階段的難度不高。

本研究還揭示了遠(yuǎn)離運(yùn)動(dòng)與靠近運(yùn)動(dòng)的操作難度差異。從總時(shí)間來看, 選中遠(yuǎn)離運(yùn)動(dòng)目標(biāo)的總時(shí)間更長(zhǎng), 說明操作難度更高, 但是從三個(gè)階段來看, 遠(yuǎn)離與靠近運(yùn)動(dòng)的時(shí)間差異主要體現(xiàn)在加速階段和減速階段, 而兩者的調(diào)整時(shí)間接近。該結(jié)果部分支持了推測(cè)1, 在推測(cè)1中, 我們認(rèn)為在三個(gè)階段, 遠(yuǎn)離運(yùn)動(dòng)的操作時(shí)間都大于靠近運(yùn)動(dòng)。首先, 加速和減速階段的操作時(shí)間由實(shí)際移動(dòng)距離決定, 由于遠(yuǎn)離運(yùn)動(dòng)的實(shí)際移動(dòng)距離更長(zhǎng), 因此在前兩個(gè)階段花費(fèi)更長(zhǎng)的時(shí)間, 并且目標(biāo)速度越快, 兩類運(yùn)動(dòng)的實(shí)際移動(dòng)距離差異越大, 導(dǎo)致兩個(gè)階段的時(shí)間差異越大, 支持了推測(cè)1。其次, 在調(diào)整階段, 遠(yuǎn)離目標(biāo)的位置比靠近運(yùn)動(dòng)的目標(biāo)位置更遠(yuǎn), 對(duì)準(zhǔn)難度更大, 但是兩類運(yùn)動(dòng)的調(diào)整時(shí)間非常接近, 與推測(cè)1不符, 原因可能與頭控交互的良好穩(wěn)定性有關(guān)(Bates & Istance, 2003; Kyt? et al., 2018), 導(dǎo)致調(diào)整時(shí)間不容易受影響。然而, 我們的結(jié)果顯示, 當(dāng)目標(biāo)速度超過1.5m/s后, 遠(yuǎn)離運(yùn)動(dòng)的調(diào)整時(shí)間開始超過靠近運(yùn)動(dòng)的調(diào)整時(shí)間, 我們猜測(cè)當(dāng)目標(biāo)速度進(jìn)一步增大時(shí), 兩者的調(diào)整時(shí)間差異可能到達(dá)顯著水平。

本研究的結(jié)果具有多方面的應(yīng)用價(jià)值。第一, 遠(yuǎn)離運(yùn)動(dòng)與靠近運(yùn)動(dòng)存在不同的操作時(shí)間特性, 提示三維空間的交互設(shè)計(jì)人員應(yīng)該分開考慮兩類運(yùn)動(dòng)的用戶接口設(shè)計(jì), 提高操作效率和用戶體驗(yàn)。第二, 由于多個(gè)因素都對(duì)選中運(yùn)動(dòng)目標(biāo)的任務(wù)難度產(chǎn)生了重要影響, 我們提出的函數(shù)模型量化了任務(wù)難度, 可以幫助交互設(shè)計(jì)人員有效地選擇參數(shù)范圍。第三, 研究結(jié)果還可以幫助了解現(xiàn)實(shí)生活中通過其他方式選中運(yùn)動(dòng)目標(biāo)的操作過程, 比如運(yùn)動(dòng)員擊打飛碟, 為相關(guān)運(yùn)動(dòng)的訓(xùn)練提供參考依據(jù)。最后, 我們的模型還可能應(yīng)用于脖子轉(zhuǎn)動(dòng)相關(guān)疾病的初步檢測(cè), 比如比較健康人群與脖子疼痛人群的表現(xiàn)差異(Descarreaux et al., 2010; Marchand et al., 2014), 為相關(guān)疾病的預(yù)防提供參考建議。

本研究也存在一定的不足。首先, 在本研究中, 我們只考慮了目標(biāo)在水平方向上的移動(dòng), 沒有驗(yàn)證目標(biāo)在垂直方向和縱深方向上移動(dòng)的結(jié)果。目標(biāo)在不同維度上移動(dòng)時(shí), 頭的轉(zhuǎn)動(dòng)方向也不同, 研究顯示頭朝不同方向轉(zhuǎn)動(dòng)的操作表現(xiàn)存在差異(Jagacinski & Monk, 1985; Radwin et al., 1990), 可能導(dǎo)致不同的結(jié)果。其次, 雖然初始距離和目標(biāo)大小的角度量參數(shù)包含了深度因素對(duì)操作表現(xiàn)的影響(Kopper et al., 2010; Prytz et al., 2012; 鄧成龍, 蒯曙光, 2021), 但是本研究的目標(biāo)速度為線性速度, 線性目標(biāo)速度在不同深度下對(duì)遠(yuǎn)離與靠近運(yùn)動(dòng)的影響差異是否相同還未被驗(yàn)證, 因此本研究的結(jié)論目前也只適用于深度為3 m的情況, 未來我們將進(jìn)一步探索不同深度的結(jié)果, 擴(kuò)展本研究的結(jié)論。

5 結(jié)論

本研究采用總操作時(shí)間和操作過程的三階段(加速階段、減速階段和調(diào)整階段)操作時(shí)間系統(tǒng)地分析了初始距離、目標(biāo)容差和目標(biāo)移動(dòng)速度對(duì)VR中轉(zhuǎn)頭選中遠(yuǎn)離運(yùn)動(dòng)目標(biāo)與靠近運(yùn)動(dòng)目標(biāo)的影響差異。研究結(jié)果證明了初始距離和目標(biāo)速度對(duì)遠(yuǎn)離運(yùn)動(dòng)和靠近運(yùn)動(dòng)造成了不同的影響, 目標(biāo)容差對(duì)兩類運(yùn)動(dòng)的影響一致。此外, 遠(yuǎn)離運(yùn)動(dòng)的操作難度更大, 但是難度差異主要發(fā)生在加速階段和減速階段?；趦深愡\(yùn)動(dòng)的操作時(shí)間特性, 本研究提出了一個(gè)新的模型解釋遠(yuǎn)離和靠近運(yùn)動(dòng)的操作時(shí)間, 我們的模型提供了一種可以量化和評(píng)估人類通過轉(zhuǎn)頭選中運(yùn)動(dòng)目標(biāo)操作時(shí)間特性的方法。

致謝：感謝田宸宇和趙銘對(duì)本研究的數(shù)據(jù)采集和分析提供的幫助。

Bates, R., & Istance, H. O. (2003). Why are eye mice unpopular? A detailed comparison of head and eye controlled assistive technology pointing devices.,(3), 280–290. https://doi.org/10.1007/ s10209-003-0053-y

Blattgerste, J., Renner, P., & Pfeiffer, T. (2018). Advantages of eye-gaze over head-gaze-based selection in virtual and augmented reality under varying field of views., Article 1, 1–9. https://doi.org/10.1145/3206343.3206349

Chen, Y., Hoffmann, E. R., & Goonetilleke, R. S. (2015). Structure of hand/mouse movements.,(6), 790–798. https://doi.org/1109/ THMS.2015.2430872

Claypool, M., Cockburn, A., & Gutwin, C. (2019). Game input with delay: Moving target selection parameters., 25–35. https://doi.org/10.1145/3304109.3306232

Deng, C.-L., Geng, P., Hu, Y.-F., & Kuai, S.-G. (2019). Beyond Fitts’s law: A three-phase model predicts movement time to position an object in an immersive 3D virtual environment.,(6), 879–894. https://doi.org/10.1177/ 0018720819831517

Deng, C.-L., & Kuai, S.-G. (2021). Angular parameters include the effect of depth on movement time for positioning task in virtual reality.,(6), 52– 58. https://doi.org/10.13837/j.issn.1006-8309.2021.06.0009

[鄧成龍, 蒯曙光. (2021). 虛擬現(xiàn)實(shí)空間中角度量參數(shù)包含深度對(duì)放置任務(wù)操作時(shí)間的影響.,(6), 52–58. https://doi.org/10.13837/j.issn.1006-8309.2021.06.0009]

Descarreaux, M., Passmore, S. R., & Cantin, V. (2010). Head movement kinematics during rapid aiming task performance in healthy and neck-pain participants: The importance of optimal task difficulty.,(5), 445–450. https://doi.org/10.1016/j.math.2010.02.009

Duval, T., & Fleury, C. (2009). An asymmetric 2D pointer/3D ray for 3D interaction within collaborative virtual environments., 33–41. https://doi.org/10.1145/1559764. 1559769

Elliott, D., Helsen, W. F., & Chua, R. (2001). A century later: Woodworth's (1899) two-component model of goal-directedaiming.,(3), 342–357. https://doi.org/ 10.1037/0033-2909.127.3.342

Gunn, T. J., Irani, P., & Anderson, J. (2009). An evaluation of techniques for selecting moving targets., 3329–3334. https://doi.org/10.1145/1520340.1520481

Hajri, A. A., Fels, S., Miller, G., & Ilich, M. (2011). Moving target selection in 2D graphical user interfaces. In P. Campos, N. Graham, J. Jorge, N. Nunes, P. Palanque, & M. Winckler (Eds.),(Vol. 6947, pp. 141–161). Springer, Berlin, Heidelberg. https://doi.org/10.1007/ 978-3-642-23771-3_12

Hansen, J. P., Rajanna, V., MacKenzie, I. S., & B?kgaard, P. (2018). A Fitts' law study of click and dwell interaction by gaze, head and mouse with a head-mounted display., Article 7, 1–5. https://doi.org/10.1145/3206343. 3206344

Hasan, K., Grossman, T., & Irani, P. (2011). Comet and target ghost: Techniques for selecting moving targets., 839–848. https://doi.org/10.1145/1978942.1979065

Hatscher, B., Luz, M., Nacke, L. E., Elkmann, N., Müller, V., & Hansen, C. (2017). GazeTap: Towards hands-free interaction in the operating room., 243–251. https://doi.org/10.1145/3136755.3136759

Hoffmann, E. R. (1991). Capture of moving targets: A modification of Fitts' law.,(2), 211?220. https://doi.org/10.1080/00140139108967307

Hoffmann, E. R., Chan, A. H. S., & Heung, P. T. (2017). Head rotation movement times.,(6), 986?994. https://doi.org/10.1177/0018720817701000

Huang, J., Tian, F., Fan, X., Zhang, X., & Zhai, S. (2018). Understanding the uncertainty in 1D unidirectional moving target selection., Article 237, 1–12. https://doi.org/10.1145/3173574.3173811

Huang, J., Tian, F., Li, N., & Fan, X. (2019). Modeling the uncertainty in 2D moving target selection., 1031–1043. https://doi.org/10.1145/ 3332165.3347880

Ilich, M. V. (2009).(Unpublished master's thesis). University of British Columbia. https://doi.org/10.14288/1.0064925

Jagacinski, R. J., & Monk, D. L. (1985). Fitts’ law in two dimensions with hand and head movements.,(1), 77–95. https://doi.org/10.1080/ 00222895.1985.10735338

Jagacinski, R. J., Repperger, D. W., Ward, S. L., & Moran, M. S.(1980). A test of Fitts' law with moving targets.,(2), 225–233. https://doi.org/10.1177/00187208800 2200211

Jalaliniya, S., Mardanbeigi, D., Pederson, T., & Hansen, D. W. (2014). Head and eye movement as pointing modalities for eyewear computers., 50–53. https://doi.org/10.1109/BSN.Workshops. 2014.14

Kopper, R., Bowman, D. A., Silva, M. G., & McMahan, R. P. (2010). A human motor behavior model for distal pointing tasks.,(10), 603–615. https://doi.org/10.1016/j.ijhcs.2010.05.001

Kyt?, M., Ens, B., Piumsomboon, T., Lee, G. A., & Billinghurst, M. (2018). Pinpointing: Precise head-and eye-based target selection for augmented reality., Article 81, 1–14. https://doi. org/10.1145/3173574.3173655

Lee, B., Kim, S., Oulasvirta, A., Lee, J.-I., & Park, E. (2018). Moving target selection: A cue integration model., Article 230, 1–12. https://doi.org/10.1145/3173574. 3173804

Lin, M. L., Radwin, R. G., & Vanderheiden, G. C. (1992). Gain effects on performance using a head-controlled computer input device.,(2), 159–175. https://doi.org/ 10.1080/ 00140139208967804

Liu, L., van Liere, R., Nieuwenhuizen, C., & Martens, J.-B. (2009). Comparing aimed movements in the real world and in virtual reality., 219–222. https://doi.org/10.1109/VR.2009.4811026

MacKenzie, I. S. (1992). Fitts' law as a research and design toolin human-computer interaction.,(1), 91–139. https://doi.org/10.1207/s15327051hci0701_3

MacKenzie, I. S., & Teather, R. J. (2012). FittsTilt: The application of Fitts' law to tilt-based interaction., 568–577. https://doi.org/ 10.1145/2399016.2399103

Marchand, A.-A., Cantin, V., Murphy, B., Stern, P., & Descarreaux, M. (2014). Is performance in goal oriented head movements altered in patients with tension type headache?,(1), 179. https://doi.org/10. 1186/1471-2474-15-179

Meyer, D. E., Abrams, R. A., Kornblum, S., Wright, C. E., & Keith Smith, J. (1988). Optimality in human motor performance: Ideal control of rapid aimed movements.,(3), 340–370. https://doi.org/10. 1037/0033-295x.95.3.340

Mould, D., & Gutwin, C. (2004). The effects of feedback on targeting with multiple moving targets., 25–32. https://dl.acm.org/doi/ 10.5555/1006058.1006062

Ortega, M. (2013). Hook: Heuristics for selecting 3D moving objects in dense target environments., 119–122. https://doi.org/10.1109/3DUI.2013.6550208

Pastel, R. (2011). Positioning graphical objects on computer screens: A three-phase model.,(1), 22–37. https://doi.org/10.1177/0018720810397353

Pathmanathan, N., Becher, M., Rodrigues, N., Reina, G., Ertl, T., Weiskopf, D., & Sedlmair, M. (2020). Eye vs. head: Comparing gaze methods for interaction in augmented reality., Article 50, 1–5. https://doi.org/ 10.1145/3379156.3391829

Port, N. L., Lee, D., Dassonville, P., & Georgopoulos, A. P. (1997). Manual interception of moving targets I. Performance and movement initiation.,(3), 406–420. https://doi.org/10.1007/pl00005769

Prytz, E., Montano, M., & Scerbo, M. W. (2012). Using Fitts’ law for a 3D pointing task on a 2D display: Effects of depth and vantage point.,(1), 1391–1395. https://doi.org/10.1177/1071181312561396

Qian, Y. Y., & Teather, R. J. (2017). The eyes don't have it: An empirical comparison of head-based and eye-based selection in virtual reality., 91–98. https://doi.org/10.1145/ 3131277.3132182

Radwin, R. G., Vanderheiden, G. C., & Lin, M.-L. (1990). A method for evaluating head-controlled computer input devices using Fitts' law.,(4), 423–438. https://doi. org/10.1177/001872089003200405

Ragan, E. D., Pachuilo, A., Goodall, J. R., & Bacim, F. (2020). Preserving contextual awareness during selection of moving targets in animated stream visualizations., Article 28, https://doi.org/10.1145/3399715.3399832

Smith, S. P., & Burd, E. L. (2019). Response activation and inhibition after exposure to virtual reality.,(4), 100010. https://doi.org/10.1016/j.array.2019.100010

Soukoreff, R. W., & MacKenzie, I. S. (2004). Towards a standard for pointing device evaluation, perspectives on 27 years of Fitts’ law research in HCI.,(6), 751–789. https://doi.org/ 10.1016/j.ijhcs.2004.09.001

Teather, R. J., & Stuerzlinger, W. (2007). Guidelines for 3D positioning techniques., 61–68. https://doi.org/10.1145/ 1328202. 1328214

Tresilian, J. R. (2005). Hitting a moving target: Perception and action in the timing of rapid interceptions.,(1), 129–149. https://doi.org/10.3758/ BF03195017

Tresilian, J. R., & Lonergan, A. (2002). Intercepting a moving target: Effects of temporal precision constraints and movement amplitude.,(2), 193–207. https://doi.org/10.1007/s00221-001-0920-9

The different characteristics of human performance in selecting receding and approaching targets by rotating the head in a 3D virtual environment

DENG Chenglong1, GENG Peng1, KUAI Shuguang1,2

(1Shanghai Key Laboratory of Mental Health and Psychological Crisis Intervention, Institute of Brain and Education Innovation, School of Psychology and Cognitive Science, East China Normal University, Shanghai 200062, China) (2Shanghai Center for Brain Science and Brain-Inspired Technology, Shanghai 200031, China)

In virtual reality (VR), rotating the head to select a moving target is common. A moving target involves two general directions, that is movement toward or away from a user; thus, knowing the characteristics difference between selecting the approaching target (interception movement) and receding target (pursuit movement) is important for designing an efficient user interface.

In this study, 17 participants (7 males; mean age = 22.5 ± 2.5 years) were given an Oculus Rift helmet-mounted display to wear and instructed to complete a task in a VR environment. They were required to position a small opaque sphere (cursor) that appeared randomly on the left or right side of the visual field into a larger half-transparent moving sphere (target) on the other side of the visual field quickly and accurately by rotating their head. The target moved randomly toward or away from the cursor horizontally, which were both at the participants’ eye height, with a depth of 3 meters. The diameter of the cursor was fixed at 4°. The initial movement amplitude (A; distance between the center of the cursor and target; 20° and 40°), the target tolerance (TT; size difference between the target and cursor; 4°, 6°, and 8°), and the target’s moving velocity (V; 0.5 m/s, 1 m/s, 1.5 m/s, and 2 m/s) were varied. The cursor movement paths were divided into three phases for analysis: acceleration, deceleration, and correction.

Results showed that the average total movement time (MT) of selecting receding targets was significantly larger than that of selecting approaching targets and the two movements performed differently under different factors. A and TT had a similar influence on the total MT for both movements, which increased as A increased and TT decreased. In contrast, V had an inverse effect on the total MT for the two movements. A large V leaded to a long total MT for the pursuit movement, whereas the total MT for the interception movement decreased as V increased. Moreover, the interception movement showed a light U-shaped relationship between the total MT and V, with the lowest point at 1.5 m/s when A was 20°. The two movements were further compared in the three phases. The outcome showed that the MT of pursuit movement was only longer in the acceleration phase and deceleration phase compared with the interception movement, while the MTs of two movements were very close in the correction phase. Moreover, the three factors had different impact on the two movements in three phases. In the acceleration phase, MT increased for the pursuit movement but decreased for the interception movement as A decreased and V increased. In the deceleration phase, although MT was positively related to A and negatively related to V for both movements, the MT of interception movement increased more quicky as A increased and decreased more quickly as V increased as compared to the pursuit movement. In the correction phase, the TT had a same impact on the MT for both movements, which decreased with an increase of TT. Moreover, the increasing V and A increased the MT for the pursuit movement, while the MT of the interception movement was not affected by both V and A. Based on the findings, a model was proposed to depict the relationship between the total MT and the three factors, which fit the participants’ performance well.

This study showed that the pursuit and interception movements had different characteristics. Selecting a receding target was more difficult than selecting an approaching target via head rotation, and A and V, but not TT, had a different impact on human performance for the two movements. The empirical findings suggested the importance of considering both movements separately when designing a user interface. The model provides a valid method for quantitatively evaluating the characteristics of human performance in selecting moving targets.

moving target, head-gaze control, movement trajectory, human performance modeling, human-computer interaction

2021-06-02

* 中國(guó)博士后科學(xué)基金項(xiàng)目(2019M661438), 國(guó)家自然科學(xué)基金項(xiàng)目(32100879, 32022031), 上海市科委基礎(chǔ)研究重大項(xiàng)目(19JC1410101)和華東師范大學(xué)“幸福之花”基金先導(dǎo)項(xiàng)目(2019JK2203)資助。

蒯曙光, E-mail: sgkuai@psy.ecnu.edu.cn

B849