在电脑最开始出现的时候，键盘是它的输入方式，然后鼠标随后而来。接着，电脑进化为手机，我们从按键输入到用手指直接触碰屏幕进行操作，现在，触屏操作已经可以区分手指的数量和按压的轻重。

此外，语音，遥控器，隔空手势等，更多的交互方式随着技术发展不断成熟，进入可实现的日常设计范围。

1.交互方式的适用原则

从电脑出现后短暂的发展历史可以看出来，我们对智能设备的交互方式设计有两个适用原则：

第一、根据硬件终端的形态和可支持技术。

不同的硬件，适合的交互方式肯定不同。

例如电脑界面上的输入，使用实体键盘是常规操作，但手机上却很少配同样的交互方式。

或者，同样是ARXR眼镜，在A上可以设计手势交互的体验，但在B上，由于没有相关底层技术支持，就不能设计手势交互。更近一步，即使两款ARXR眼镜同样支持手势交互，也可能由于底层技术支持的力度，让理论上更适用的交互方式，在这个硬件上，还不如另一种次选方案。

第二、在自然交互的发展脉络上变化。

键盘配合输入法的精进，让最大的学习成本减轻到语言读写能力上；鼠标配合光标，再把读写里的“写”成本淡化；而触摸屏技术又是一次革新，满足了人们直接用手把玩的天性……

抛开硬件和现有的技术支持，设计师们一直在追求更自然的交互方式，以达到更好的用户体验，XR也不例外。

2.10种常见的交互方式

站在现在这个时间点，介绍10种能够在XR体验设计中运用的交互方式。

触屏

在屏幕界面上，触屏技术实现了看到即可操作的体验，成为如今我们最熟悉的操作方式之一。

在智能手机、PAD、和一部分电脑上，都配备了这样的技术，可以支持用户通过手指的单击、长按、拖曳等与屏幕上的虚拟内容直接进行交互。

结合压力传感器，屏幕可以区别不同的按压力度，达到精细控制，虽然当前实际使用并不理想，但也证明了触屏这项交互方式可发展的维度还可以扩大。

在未来很长一段时间，它应该都会占据人机交互方式的主流位置。

按键

这里指硬按键。

在移动互联网之前，按键还是人机交互中最主要的一种操作方式。

即使是现在，使用按键进行操作的方式也很常见。键盘依然是电脑的标准配置，手机也依然保留开关机和音量调节键等。

XR头戴设备上也能看到常见的基础功能键。比如开关机/息屏，音量上/下键等。按键所关联的操作意义一般会在出厂之前设置好，如果有预留的接口，也可以在特定的应用上用同样的按钮定义不一样的含义。

举个例子，我们自研的AR眼镜上带了三个硬按键，在系统层级上，定义了单机响应确定、返回、息屏/亮屏的操作语义，但如果基于眼镜去研发新的应用，又可以根据具体场景和需要，增加双击、长按等操作定义。

键盘

相比起触屏操作，针对大段内容的输入，键盘依然有不可替代的作用。

它有点像是集中了许多按键的盘子，设定许多隐藏功能或快捷操作，在某些场景的体验中，也可以提供独一无二的操作手感。

触控板

触控板和触摸屏还是有区别的，它本身并不显示任何内容。

通过电容感应或压力感应检测手指的位置和动作，即可实现光标移动、点击、拖动、旋转等多种丰富又精细的交互操作，适合空间有限的设备配备。

现在的电脑就会搭载触控板，通常位于键盘区域或设备前方，用户无需抬起手臂或触摸屏幕，使用起来更加舒适和便捷。

在Google最早的一代AR眼镜上，也是通过触控板来支持用户进行输入的，但因为眼镜上的触控板需要抬起手臂才能操作，比较容易感到疲惫，并不适合长期或频繁的操作。

鼠标

比键盘更简单直接的输入工具，与之配合的是界面上的光标，学习成本大大低于键盘，只要培养用户在光标和鼠标之间建立连接，然后一切就会像现在我们感到的那样变得自然而然。

简单直接、多维度操作和反馈明确是鼠标这种交互方式的优势。

简单直接：用户只需要将手指放在鼠标上，通过移动鼠标来控制光标在屏幕上的位置进行点击或拖动等操作。

多维操作：鼠标通常带有滚轮和多个按键，本身就可以实现更多维度和复杂度的操作定义，如果配合键盘，可以定义的交互方式就更多了。例如，在第一人称视角游戏(FPS）或第三人称视角游戏(TPS)中。玩家可以用鼠标左键来控制主角的移动方向，同时用键盘方向键来控制视角的转动。

反馈明确：鼠标操作因为常常伴随屏幕界面中的一个指针，对当前指向会有明确的反馈。例如，当用户将光标悬停在链接上时，鼠标光标通常会变成手指形状，表示可以点击链接。

手势

有一些智能手机上会添加隔空手势，让用户即使不用触屏到屏幕也能控制手机，比如说挥手亮屏，隔空滑动手势等。

而在ARXR眼镜的形态下，这种交互方式得到了更多的推荐。

拿取东西、放置物品，我们人类天生习惯于用手和这个世界的内容做交互，这种直观的方式，当然完全可以移植到对虚拟内容的交互体验中。

不过，在AR眼镜界面的设计中要使用手势作为交互，首先得保证这台AR眼镜具有手势识别的功能，其次，也要考虑识别的效度、精度和准度。

由于手势交互的底层技术基于计算机视觉和机器学习技术，这种交互方式也可以进一步扩展到身体的任何姿态，作为XR体验设计的一大助力。

遥控器

遥控器作为外接设备，也是提供AR眼镜界面可交互的一种方式。

在现有的技术条件下，相比起其他方式来说，它是最不容易累的，因为手势如果要被识别，需要抬高手臂让你的手势进入AR眼镜能看得见的地方，而按键和触屏，如果它是依附在AR眼镜上，你也必须抬起手臂才能让手指能够得着它们。这样的操作虽然可以给手臂做做运动，但总归不是持久之计，使用遥控器就会舒适很多。

对于人们来说，遥控器也是一种非常熟悉的交互方式，比如游戏机遥控器，电视机遥控器，空调遥控器等等。当然，手机也是可以作为遥控器使用的。

语音

语言是人类一个伟大的产物，语音操作也是现在比较热门的一个交互方式，为此而发展出来的研究领域叫做VUI，它可以看做是作为听觉发展出来的自然交互方式，和AUI这种以视觉为主的方式是一种互利共生的关系。只要场景和条件适合，可以作为AUI的一种操作方式。

不过，语音操作也有它的弊端，比如人多嘈杂的时候不方便使用语音，听不见听不清会让人非常不爽。公共场所也不太方便使用语音，有安全隐患，也有可能影响他人。

脑电波

这种交互方式虽然现在还没有实验室之外的产物，不过我依然把它列了出来。

脑电波是是一种使用电生理指标记录大脑活动的方法，电波依频率可分为五大类：β波（显意识14-30HZ）、α波（桥梁意识8-14HZ）、θ波（潜意识4-8Hz）及δ波（无意识4Hz以下）和γ波(专注于某件事30HZ以上)等，只要设备装载能够识别出电波频率的设备，就能够执行一些相应的操作控制。

如果和其他方式配合，可以大大降低对测量频率的精确度要求。

如果脑电波技术可以用在未来的智能设备上，随心而动，就不是一句虚言。

头动与眼动

视觉在人类的感知力占据了很大的一部分，我们在现实中如果需要与哪个物体有进一步交互或操作，都会自然而然的将视线集中在它的身上，耗费注意力去看它，那么，在交互设计上也可以基于用户的凝视行为来判断是否激活系统行为。

举个例子，通过眼动技术对眼球运动的追踪并计算出眼睛凝视的某个虚拟按钮，并依据凝视时间来判断是否触发这个按钮的操作。

早在2019年，微软就在Hololens2的AR眼镜设备上实现了名为眼动跟踪（Eye-gaze）的界面交互。

当你开启Eye-gaze交互后，通过眼睛凝视可交互对象，稍微几秒后，Hololens2便可激活对应的操作行为。

为了更好的反馈当前系统计算的用户凝视点，在AR眼镜的界面里，Gaze通常被具象化为一个UI的点，类似于PC上的光标符号。

在后续的小报里，我们还将进一步聊到眼动这种交互方式。

除了通过眼动技术实现的眼动交互外，因为头戴式设备是被用户戴在头上的，还可以根据设备本身的位置模拟眼动交互，将Gaze点位置设置为显示屏幕FOV的中心点。

如图，当这个点与设备实体的中心连线与可交互内容相交的时候，虚拟内容被激活。

这种交互方式称之为头动跟踪（Head-gaze），它不需要配备专门的眼动模块即可实现类似交互。

在基础篇提到过的交互模式中，D类虚拟无法使用头部凝视进行界面交互，就是因为头动跟踪的Gaze点和D类的虚拟元素都基于同一个参照物（显示屏幕）设定，相对位置固定不变，两者无法相交。

· · ·

触屏、按键、键盘、触控板、鼠标、遥控器、手势、语音、脑电波、眼动头动，这10种操作方式只是XR体验设计中最常遇到的，但XR交互方式的现在和未来，不会止于这10种。