基于行为生物识别的虚拟现实用户熟悉度自动检测

随着虚拟现实（VR）设备日益融入日常场景，越来越多的缺乏 VR 经验的用户将与 VR 系统互动。自动检测用户对 VR 作为交互介质的熟悉程度，能够实现实时、自适应的训练和界面调整，最大化降低用户挫败感并提升任务性能。本研究探索了通过分析被驳门打开任务中手部运动模式来自动检测 VR 熟悉度，该任务是协作虚拟环境（如会议室、办公室和医疗空间）中常见的交互方式。虽然缺乏 VR 经验的新手用户可能不熟悉 VR，但他们可能熟悉类似的现实世界任务中键盘输入的操作。我们对 26 名参与者进行了 pilot 研究，经验丰富和经验不足的用户分别使用基于控制器和手部跟踪的交互方式完成任务。我们的方案采用最新的深度分类器进行自动 VR 熟悉度检测，分别在手部跟踪和控制器-based 交互中实现最高的 92.05% 和 83.42% 准确率。在跨设备评估中，训练于控制器数据、测试于手部跟踪数据的模型达到了 78.89% 的准确率。将两种模态组合的混合设备评估获得了 94.19% 的准确率。我们的结果表明，手部运动生物识别在关键 VR 应用中实现用户熟悉度实时检测具有巨大的潜力，为实现个性化和自适应 VR 体验铺平了道路。