MANUS 数据手套交互效率怎么评估：用 Fitts’ Law 测量速度、精度与触觉反馈

关键词： MANUS 数据手套；Metagloves Pro Haptic；Fitts’ Law；throughput；VR 交互；人机交互实验

“能抓到”不是完整的性能指标

评估数据手套时，最直观的做法是让参与者在虚拟环境中抓取几个物体，然后询问“是否自然”。这种演示适合发现明显故障，却很难回答以下问题：

• 系统是否让用户完成任务更快？
• 速度提升是否以更多误触为代价？
• 小目标和远目标是否明显恶化？
• 触觉反馈改善的是准确率、速度，还是只改善主观感受？
• 熟练后的表现是否仍优于第一次使用？

Fitts 在 1954 年提出的模型把快速指向任务看作一个受目标距离和目标宽度共同影响的信息处理问题。它后来成为鼠标、触控、手写笔和三维输入设备评估中的常用方法。对数据手套而言，它的价值不是给产品打出一个脱离场景的“总分”，而是让不同交互条件在相同任务与统计口径下可比较。

Fitts’ Law 的基本形式

现代 HCI 实验常使用 Shannon 形式：

ID = log2(D / W + 1)
MT = a + b * ID

其中：

• D 是起点到目标中心的距离；
• W 是目标沿运动方向的有效宽度；
• ID 是任务难度，单位为 bit；
• MT 是完成一次选择所需的运动时间；
• a、b 是用实验数据拟合的参数。

距离增加或目标变窄，ID 都会增加。若设备与交互映射较稳定，运动时间通常会随 ID 近似线性增长。

数据手套实验不能只报告回归斜率。更常见的综合指标是吞吐量 throughput：

TP = IDe / MT

IDe 是根据参与者实际落点分布计算的有效难度。吞吐量同时反映速度与精度，单位为 bit/s。

为什么要使用有效目标宽度

如果实验只使用设计时的目标宽度 W，参与者可以通过牺牲准确率换取更短的运动时间。为了把实际选择精度纳入指标，常按照落点在运动轴方向上的标准差计算有效宽度：

We = 4.133 * SDx
IDe = log2(De / We + 1)

SDx 是选择终点沿任务轴投影后的标准差，De 是实际平均移动距离。系数 4.133 对应正态分布下约 96% 的覆盖范围，是 Fitts’ Law 人机交互研究中的常见约定。

这里有两个容易忽略的细节。

第一，三维空间中的目标宽度不能简单取包围盒任意一条边。应把落点投影到起点与目标中心构成的任务轴，或按照实验预先定义的有效接近方向计算。

第二，漏选、穿透目标和超时不能静默删除。错误率需要单独报告，并说明这些试次是否进入运动时间和有效宽度计算。

MANUS 数据手套能提供什么，不能单独提供什么

一心科研平台中有关MANUS规格页显示，Metagloves Pro Haptic 使用五个 EMF 指尖传感器，每个指尖提供三轴位置与三轴旋转数据，采样率为 120 Hz；MANUS Hand Solver 3 输出 25 DoF 手部骨架。Haptic 版本还提供五个 LRA 振动执行器，每根手指可独立控制 256 级强度。

这些数据可以帮助记录手指姿态、指尖轨迹和触觉指令，但一项完整的 Fitts’ Law 实验还需要应用端事件：

• 目标出现时间；
• 手离开起始区时间；
• 首次进入目标时间；
• 确认选择时间；
• 是否误触或越界；
• 目标距离、宽度和空间方向；
• 触觉指令发送及确认时间。

只保存手套骨骼流，事后很难准确恢复一次选择从何时开始、何时完成。推荐由实验程序生成统一的 trial ID，并让手套数据、渲染事件和任务结果都带上该 ID 与时间戳。

任务应该设计成“指向”还是“抓取”

标准 Fitts’ Law 最适合离散、快速、目标明确的指向与选择任务。数据手套项目可以设计三种层级。

指尖选择

参与者用食指指尖依次触碰球体、按钮或平面目标。该任务最接近经典指向实验，便于比较不同目标距离和宽度。

捏取选择

要求拇指与食指形成捏取姿态，并在目标内部完成确认。此时“目标宽度”不仅与空间大小有关，还受到姿态阈值影响。实验必须固定捏取判定规则，不能在不同条件下悄悄改变碰撞体或手势阈值。

抓取与放置

让参与者抓起物体并放入目标区域。该任务包含接近、预成形、接触、抬起、运输和释放多个阶段，已经超出最简单的 Fitts’ Law 指向模型。可以分别报告接近阶段的 Fitts 指标和完整任务时间，不应把整个复杂动作强行解释为单一指向过程。

一套适合 Haptic 版本的实验设计

如果研究问题是“触觉反馈是否改善小目标选择”，可以采用被试内设计，让每位参与者都完成两种条件：

• Haptic Off：目标选择成功时不发送振动；
• Haptic On：首次满足有效接触条件时向对应手指发送短振动。

目标可以组合三档距离与三档宽度，形成多个 ID 水平。每个组合重复若干次，并随机化出现顺序。为了降低学习和疲劳的影响，一半参与者先做 Haptic On，另一半先做 Haptic Off。

需要保持一致的变量包括：

• 相同的手套尺码与校准流程；
• 相同的虚拟手模型和碰撞体；
• 相同的视觉、声音与成功判定；
• 相同的连接方式和计算机负载；
• 相同的目标序列或平衡后的等价序列。

官方规格列出的 motion-to-data latency 为有线 30 ms、无线 50 ms，触觉反馈延迟为有线 4 ms、无线 16 ms。这些是厂商公开规格，不是项目端到端实测值。如果两个实验条件分别使用有线与无线，连接方式本身就可能成为混杂变量。正式实验应在同一链路条件下测试，并记录应用级事件时间。

运动时间从哪里开始计算

运动时间的起点和终点必须在实验前定义。常见选择是：

MT = t_selection - t_target_onset

但这会把视觉反应时间也算进去。若研究重点是手部运动控制，可以使用手离开起始区或速度超过阈值作为起点：

MT = t_selection - t_movement_onset

速度阈值法需要处理噪声和短时回摆。建议结合起始区事件，并要求阈值持续若干连续帧，而不是由单帧触发。

终点也有不同定义：首次进入目标、首次接触、保持稳定若干毫秒或主动确认。触觉条件若在“首次接触”时触发，而 MT 终点定义为“稳定确认”，便可以分析触觉对接触后修正阶段的影响。

结果至少报告六类指标

一篇可靠的实验报告不应只展示平均完成时间。建议至少包含：

1. 各 ID 条件下的平均或中位运动时间；
2. 有效宽度、有效难度和 throughput；
3. 错误率、超时率与重复尝试次数；
4. MT 对 IDe 回归的斜率、截距和拟合程度；
5. 指尖路径长度、峰值速度或修正次数等辅助指标；
6. 主观负荷、舒适度和触觉可辨识度。

重复试次嵌套在同一参与者内部，不能把每个 trial 当成完全独立样本。统计分析可以使用重复测量方法或混合效应模型，将参与者作为随机效应，并检查条件与任务难度之间是否存在交互。

常见的四个错误

只比较平均时间

一个条件可能更快，却产生更多误触。没有准确率和有效宽度，无法判断真正的速度—精度权衡。

把所有方向混在一起

手臂向前、横向和纵向移动的生物力学条件不同，头显视野和目标遮挡也可能不同。三维任务应平衡空间方向，并在必要时把方向作为模型因素。

用训练阶段数据做正式结论

第一次佩戴、校准和理解选择规则都会影响表现。应设置练习阶段，并用稳定性判据或固定练习量决定何时进入正式采集。

把论文中的 throughput 当成设备参数

吞吐量受到参与者、任务、目标布局、确认方式、渲染、延迟和统计方法影响。其他论文的数值可以作为方法参考，不能直接当作 MANUS Metagloves Pro Haptic 的产品性能。

结语

Fitts’ Law 的真正价值，是把“这个虚拟手感觉挺顺”转化为可复现的速度、精度和任务难度关系。对于 MANUS Metagloves Pro Haptic，手部追踪和五指振动反馈提供了实验输入与输出能力，但严谨结论仍依赖任务事件、时间戳、错误定义、实验平衡和统计模型。

准备评估 MANUS 数据手套在 VR 训练、数字孪生、机器人遥操作或人机交互研究中的表现，可联系 MANUS 数据手套中国区代理商一心科研，并通过官网 www.yixinkeyan.com 了解产品与技术支持信息。开展正式实验前，建议先明确目标大小、操作距离、选择判定、连接方式和计划报告的指标。

英文参考资料

1. MANUS, Metagloves Pro Haptic - In Depth Specs. https://www.manus-meta.com/products/metagloves-pro-haptic-specs
2. P. M. Fitts, “The Information Capacity of the Human Motor System in Controlling the Amplitude of Movement,” Journal of Experimental Psychology, 1954. DOI: https://doi.org/10.1037/h0055392
3. I. S. MacKenzie, “Fitts’ Law as a Research and Design Tool in Human-Computer Interaction,” Human-Computer Interaction, 1992. DOI: https://doi.org/10.1207/s15327051hci0701_3
4. R. W. Soukoreff and I. S. MacKenzie, “Towards a Standard for Pointing Device Evaluation, Perspectives on 27 Years of Fitts’ Law Research in HCI,” International Journal of Human-Computer Studies, 2004. DOI: https://doi.org/10.1016/j.ijhcs.2004.09.001
5. ISO, ISO 9241-411:2012 Ergonomics of Human-System Interaction — Evaluation Methods for the Design of Physical Input Devices. https://www.iso.org/standard/54106.html

产品参数核对日期：2026-07-30。文中的实验方法属于通用 HCI 评估框架，不构成对 MANUS 产品 throughput 或任务表现的第三方测试结论。