哪些定向运动模型适合距离指针与不同深度?
Yuqian Wang1, Ravindra S Goonetilleke2, Ray F Lin3
1Hong Kong University of Science and Technology, Hong Kong.
Human factors
|January 3, 2024
概括
这项研究表明,深度对小目标的远距离定向有显著影响,角形两部分模型的表现优于其他模型. 预测运动时间的数学模型需要仔细考虑变量.
科学领域:
- 人与计算机的交互
- 机器人技术 机器人技术 机器人技术
- 生物力学 生物力学
背景情况:
- 在远距离指针任务中预测运动时间的现有模型通常依赖于统计方法.
- 这些模型通常考虑目标距离,但可能无法完全捕捉人类运动控制的复杂性.
研究的目的:
- 为了研究深度对远距离指针性能的影响.
- 评估和比较不同的数学模型来预测远距离指针任务中的运动时间,特别是当手不跨越全部距离时.
主要方法:
- 与24名参与者进行了一项全因数的Fitts范式实验.
- 独立变量包括运动幅度,目标宽度和从参与者到屏幕的距离.
- 移动时间和错误率被记录为依赖变量.
主要成果:
- 对于小目标宽度,深度显著影响了移动时间,但对于大目标宽度则没有影响.
- 与一个部分的Fitts模型相比,两部分的角度模型在更远的距离上表现出更高的预测准确性.
- 经过修改的难度指数 () 与可调节的参数 (k) 提供了最佳适配,但引起了对模型复杂性和过度适配的担忧.
结论:
- 角形两部分模型提供了一个强大的和可解释的框架来描述远距离指向.
- 虽然可调节k的模型在深度是一个因素时有效预测运动时间,但其缺乏物理解释性限制了其实际应用.
