基于手指与腕部动作的低认知负荷直觉化远程通信虚拟形象操作方法

来自国际人机交互领域的研究人员针对远程通信中虚拟形象(avatar)操作复杂性问题，创新性地提出基于手指和腕部自然动作的直觉化操控方法。该研究通过生物力学建模和认知负荷评估，开发出符合人体工程学的微手势交互系统，显著降低用户操作时的认知负荷指数(CLIavg=1.2)，为元宇宙(Metaverse)场景下的自然人机交互提供了关键技术支撑。

　　

这项突破性研究揭示了利用手指精细动作(fine motor)和腕部自由度(DoF)实现虚拟形象(avatar)精准操控的新范式。通过九轴惯性测量单元(IMU)捕捉手部关节运动轨迹，结合支持向量机(SVM)算法实现手势分类准确率达98.7±0.5%。特别设计的"手腕翻转+指尖轻触"复合动作可触发12种基础操作指令，经NASA-TLX量表验证显著降低认知负荷评分(p<0.01)。该系统创新性地采用生物力学冗余度(redundancy)映射策略，将7个腕部自由度转换为3D虚拟空间位移，配合触觉反馈(haptic feedback)实现毫米级操作精度。该技术为远程医疗会诊(telemedicine)和虚拟协作(VR collaboration)提供了自然直观的交互解决方案。