虚拟现实大空间下多虚拟目标被动触觉交互方法

王杰科，李琳，张海龙，郑利平

虚拟现实大空间下多虚拟目标被动触觉交互方法

王杰科1，李琳1，2*，张海龙1，郑利平2

（1.合肥工业大学 计算机与信息学院，合肥 230601； 2.安全关键工业测控技术教育部工程研究中心（合肥工业大学），合肥 230009）（∗通信作者电子邮箱lilin_julia@hfut.edu.cn）

针对虚拟现实（VR）大空间下为重定向行走的用户提供被动触觉时存在的虚实交互目标无法一一对应的问题，提出了一种用两个物理代理作为触觉代理为多个虚拟目标提供触觉反馈的方法，以在基于人工势场（APF）的重定向行走过程中，交替地满足用户被动触觉的需求。针对重定向行走算法本身以及标定不精确等原因造成的虚实不对齐的问题，对虚拟目标的位置及朝向进行设计并且在交互阶段引入触觉重定向。仿真实验表明对虚拟目标位置和朝向的设计可以大幅降低对齐误差；而用户实验结果证明触觉重定向的引入进一步提升了交互准确性，且能为用户带来更丰富、更具沉浸感的体验。

虚拟现实大空间；重定向行走；多虚拟目标；被动触觉；触觉重定向

0 引言

随着低成本头戴式显示器（Head‑Mouted Display， HMD）的出现，沉浸式虚拟现实（Virtual Reality， VR）在普通用户中得以普及。如何让用户在有限的物理空间中漫游更大、更丰富的虚拟空间被不断地研究。基于用户是否移动，大空间漫游技术可分为静止漫游［1］和行走漫游。基于行走的漫游通过在现实空间中真实的行走给用户带来更好的临场沉浸感，然而用户戴上头盔在有限的物理空间移动很容易接触到边界和障碍物。根据对该问题处理方式的不同，基于行走的漫游可分为：重定向行走（Redirected Walking， RDW）漫游［2］、基于操控空间结构［3］的漫游以及基于场景映射的漫游［4］。操纵空间结构的方式对虚拟场景的结构和类型要求比较严格，大多数情况下只能用于多个小房间组成的室内场景；场景映射方式是通过将虚拟场景中的道路映射到现实空间内部，从而实现自由行走，但是当虚拟场景较大时道路扭曲变形比较大，严重影响用户体验。RDW主要通过操控人的感知来对虚拟场景进行旋转，对场景适应度高，在一定程度上压缩用户在现实空间中的行走区域，应用最为广泛。

在大空间漫游中增加交互将进一步提高用户体验，触觉能使用户产生更真实的沉浸感，在交互过程中有着不可替代的作用。Hinckley等［5］开创了使用被动道具作为触觉反馈的被动触觉（Passive Haptics）的概念。与以HTC VIVE为代表的通过手柄震动来为交互提供触觉反馈相比，被动触觉能够提供更真实的触觉，与通过机械臂［6］为用户触摸和抓取VR场景中的虚拟对象时提供触觉反馈的方式相比，被动触觉价格低廉、安全且容易实施。被动触觉一般要求虚拟空间与现实空间满足一对一地固定映射，然而大空间漫游算法均需改变虚实映射，触觉代理很难与虚拟目标做到一对一地映射。

针对大空间VR下为多个虚拟目标提供触觉存在的虚实多对一的映射且映射不对齐的问题，本文通过用两个触觉代理交替地作为虚拟物体的真实映射目标，基于人工势场（Artificial Potential Field， APF）的重定向算法，实现了在VR大空间行走中为用户提供真实的触觉反馈体验。具体工作如下：

1）提出一种在VR大空间下，通过两个物理代理交替的方式实现为多个虚拟目标提供触觉反馈。

2）通过对虚拟交互区位置及朝向的设计来保证虚实对齐的精确度，保证了后续交互的成功率。

3）在交互阶段结合触觉重定向方法，进一步提高用户交互质量。

1 相关工作

在大空间VR解决方案中，重定向行走算法的研究不断发展［7］，如转向中心算法、转向轨道、转向多目标算法［8］等，但它们都只关注如何在有限的物理空间中来漫游更大的物理空间的同时尽可能少地接触边界，并不关注虚拟环境与物理环境之间的对齐；近两年提出了基于人工势函数的重定向行走算法，如Thomas等［9］在2019年提出了一种推拉的反应式算法P2R（Push/Pull Reactive algorithm）来引导用户远离障碍物；Bachmann等［10］基于APF提出了支持多个用户同时漫游的方法；Messinger等［11］基于APF探索了不规则物理空间的影响。虽然这几种方法并不致力于虚实映射的对齐，但是基于APF思想，加入吸引力分量为将用户引导至物理交互区提供了可能。

被动触觉要求虚拟空间与现实空间一对一地映射。而当感官冲突时，视觉占主导地位，Kohli等［12］基于此提出了一种通过扭曲虚拟空间将多个虚拟对象映射到一个物理对象的重定向触摸（Redirected Touching）技术为交互提供触觉反馈。Azmandian等［13］则创建了一个用于重新利用被动触觉的框架，称为触觉重定向（Haptic Retargeting）。该方法通过重复利用用户附近的物理对象，允许单个物理对象为多个不同的虚拟物体提供触觉反馈。但目前触觉重定向主要解决在原地的交互，还未应用在大空间漫游之后的交互中。

目前，在VR大空间中为虚拟物体提供触觉反馈的研究很少。Kohli等［14］提出了一种方法实现将用户从一个虚拟基座带到另一个虚拟基座，同时在物理空间中返回到同一基座。该方法旋转圆形基座来规避角度误差，且每次要走向某个虚拟基座之前都要先到达该基座与物理基座所在圆弧的圆心上，体验感较差。Thomas等［15］在基于APF的重定向算法基础上，增加了吸引力分量将用户引导至物理交互区，以提高虚拟交互区与物理交互区对齐精确性；但该方法只考虑了距离误差，实验结果表明误差也比较大，且未通过真正的交互实验加以验证。

2 本文交互系统的设计

2.1　硬件方案设计

图1　本文交互系统的设计

虚拟场景中用户行走路线及虚拟交互点示意如图2所示。用户以一个物理交互区为起点，虚拟空间中的起点为初始位置，然后在虚拟空间中走向下一个虚拟交互区，同时在物理空间中会逐渐地被引导至另一个物理交互区，走到交互区完成触摸交互，然后再转向下一个目标，如此循环。

图2　虚拟场景中的路线及交互点示意图

本文采用两个物理交互区的设计是为了改进文献［14］中使用单个物理交互区连续作为对齐目标时需要设置中间拐点或旋转点的问题，本文设置两个物理交互区交替地为多个虚拟交互区提供触觉，当完成一次对齐后，另外一个物理交互区将自动成为对齐目标。

2.2　系统流程

本文系统分为客户端软件和服务器端软件：客户端软件部署在连接Kinect的主机上；服务器端软件部署在连接VR的主机上。实验开始时，目标生成模块会按照3.2、3.3节中的方式生成虚拟交互区，然后在用户朝着目标径直前进时通过重定向行走模块不断地旋转虚拟场景来改变用户行走方向；当用户走到虚拟交互区时由于施加的对齐效果，在物理空间中的位置也在物理交互区附近，此时部署在物理交互区的客户端将通过手部捕捉模块不断地获取用户右手掌心位置，经过坐标变换后将其通过TCP Client模块发送至服务器端，服务器端通过TCP Server模块收到坐标后将通过同步模块不断更新虚拟手位置，当用户进入触觉重定向后，触觉重定向模块将会对虚拟手施加偏移，当虚拟手接触到虚拟交互区前方放置的虚拟目标后视为本次交互结束，将生成下一个虚拟交互区。本文的软件架构如图3所示。

图3　系统软件架构

3 面向触觉代理的重定向行走

与之前的重定向算法不同，面向触觉代理的重定向行走方法必须要保证虚拟交互区与物理交互区对齐的准确性。本文通过以下方法来提高对齐精确性。

3.1　重定向行走算法

本文采用文献［15］中基于APF的重定向行走算法来实现用户在虚拟空间中的漫游（注：本文后续提到APF算法特指该算法），该算法通过在势函数中加入吸引力分量来提高算法的对齐能力。

算法1 APF算法。

输出 用户当前最佳的转向方向；

2）计算物理对准目标所产生的势能：

3）计算用户当前位置的总势能：

4）计算总势能的负梯度作为最优的转向方向：

5）根据施加平移增益和曲率增益。

需要注意的是，当用户在虚拟空间中移动时，在重定向算法中只施加曲率增益和平移增益，没有施加旋转增益。

为防止用户走出游玩区，采用2∶1旋转重置算法［16］，即当用户走到物理边界时，提醒用户在虚拟环境中旋转一周，同时利用旋转增益，实际上在物理环境中刚好旋转180°。用户经过2∶1旋转重置算法后，在虚拟环境中依然是朝着虚拟目标的，而在物理环境中却刚好与重置前的方向相反，之后可以继续朝向物理环境内部进行漫游。

3.2　虚拟交互区的位置及朝向设计

将该式转换后可得：

图4　虚拟交互区位置与朝向的设计

3.3　扩展角度

图5　角度扩展前后对比

4 面向Kinect交互的触觉重定向

4.1　多Kinect位置跟踪与同步

由于需要对两个相距较远的物理交互区进行实时的监测，本文参考文献［17］中的方法，采用双Kinect对用户右手进行跟踪，但同一时刻用户只可能在一个设备的监测范围内。采用客户端‒服务端模式，每台设备与相应的客户端计算机连接，将获得的手部坐标转换为世界坐标后，通过TCP协议将数据传给服务器端，服务器端根据收到的手部坐标对虚拟手位置进行实时的更新。

4.2　触觉重定向过程

在实际的实验中，由于用户并非精确地径直走向虚拟交互区以及测试实验环境的标定误差等原因，用户达到虚拟交互区时依然存在着虚实不对齐的问题，因此在交互阶段采用触觉重定向技术进一步提高用户交互的成功率。

5 实验与结果分析

实验环境为Windows 10 x64，Unity3D引擎2019.2.8（64 bit），硬件平台为Intel Core i7-1075H，内存16 GB，NVIDIA GeForce2060RTX显卡。首先通过仿真实验来验证虚拟交互区的位置和朝向设计对虚实对齐精确性的作用；然后通过用户交互实验来说明本方案的在实际用户交互中的表现。

5.1　仿真实验

仿真实验采用Azmandian等［19］的模拟器验证本文相关设计对虚实对齐准确性的作用，并与APF算法进行对比。

图6　重定向过程中和的位置变化

5.1.1实验设计

仿真场景设计：考虑到需进行角度对齐，仿真场景的虚拟航路点用户采用一个圆形的物理交互区（白色）并在其前方布置一张桌子来代替原模拟器中的小球，仿真场景的俯视图如图7所示。物理空间大小为10 m × 10 m，实验采用两个相距8 m，朝向相对的物理航路点作为对齐目标，交替地作为虚拟航路点的对齐对象。为了验证对虚拟目标位置进行设计之后对对齐精确度的提升效果，实验分为了三组。每组实验会陆续生成100个航路点，每个航路点都是在距离前一个航路点的随机距离上产生的。

图7　仿真场景俯视图

实验三（APF+位置+朝向，即本文方法）：使虚拟交互区的朝向角度满足式（3）式中的条件，即在使用APF算法基础上考虑虚拟交互区位置和朝向。

图8展示了仿真实验一次对齐的过程，其中深色路线为虚拟路径，浅色为真实路径，深色圆形为虚拟交互区，白色圆形为物理交互区。

图8　一次对齐过程

5.1.2实验结果

仿真实验的结果表明，按照本文方法在使用APF重定向行走算法基础上，对虚拟目标的位置以及朝向进行设计之后，虚实对齐的距离和角度误差均得到了明显的减小，误差可以达到交互的水平，与此同时，平均每次重置所漫游的距离也明显提高，这为后续真正的交互实验提供了有力的支撑。

表1　模拟器实验结果统计

5.2　用户实验

5.2.1实验设计

图9　物理交互区与物理场景

虚拟场景设计：如图10（a）所示，虚拟交互区在仿真实验的基础上，放置一个方盒作为触摸目标。整个虚拟场景在是一个开阔的空间中设置了6个处在不同位置及角度的虚拟交互区，如图10（b）所示，其位置及朝向符合式（1）、（2）、（3）的要求。实验中陆续生成这6个虚拟交互区，用户在虚拟空间中从起始位置出发，逐一与多个目标完成交互。当用户在虚拟交互区中触摸到方盒时视为本次交互结束，提醒用户结束本次交互，然后自动生成下一个目标，用户继续朝着下一个目标前进。依次完成6次触摸交互后实验结束。

图10　虚拟交互区与虚拟场景

本实验邀请了10名年龄分布在20～25岁的志愿者来进行交互系统的任务测试。他们中既有不熟悉VR交互环境的一般参与者，也有了解VR交互的研究人员，测试过程分为以下三个阶段：1）介绍交互系统的基本使用方法；2）介绍具体测试任务；3）开始任务测试。

5.2.2引入触觉重定向的效果验证

为了验证在交互阶段引入触觉重定向的交互（Haptic Retargeting Interaction， HRI）与没有引入触觉重定向的交互（No Haptic Retargeting Interaction， NHRI）对交互质量的影响，本文进行了两组实验：一组在交互时会施加重定向偏移，另一个则没有，其他实验情况均保持一致。由于两组实验所采用的漫游方式相同，故并未采用仿真实验中的EAA、EAM、EDA指标，而是采用最直观的交互成功率作为实验指标，实验把用户在虚拟空间和物理空间中同时触摸到方盒作为交互成功，如图11所示（本实验中把一个直径为18 cm的红色小球作为虚拟手）。

图11　成功交互示例

表2　交互结果统计

5.2.3与其他交互方法对比

为了验证通过为大空间的虚拟目标提供触觉反馈对用户体验感的提升，本文采取了与无被动触觉（NonHaptic Interaction， NHI）、指令交互模式（Command Interaction， CI）的方式来漫游进行对比实验。NHI交互下，拿走物理代理，用虚拟手碰撞虚拟物体，使用碰撞检测进行判断。CI采取凝视方式作为指令，用户凝视虚拟方盒超过1.5 s，就发出指令直接将虚拟手的位置移动到虚拟方盒上，无需移动手臂，也不提供触觉代理。三种交互之前在大空间中行走方式保持一致。

本实验让10名参与者分别使用三种交互系统。为了防止疲劳累积，参与者使用一种交互系统完成任务后便休息至少5 min并将目前应用比较广泛的CI交互模式作为第一组实验以降低学习效应带来的影响。实验完成后让用户进行对比并分别填写问卷调查。需要说明的是实验中晕动主要产生于在虚拟空间中漫游，而交互之前的漫游均采用文献［15］中的重定向行走算法，且相关增益均限制在合理阈值中，故未开展SSQ（Simulator Sickness Questionnaire）沉浸感问卷调查［21］，本实验问卷主要是针对交互阶段，调查三种不同的交互方式的优劣。问卷主要包含以下陈述：

S1：使用该交互方式，我可以很快理解并且进行交互操作。

S2：使用该交互方式让我体验到高度的沉浸感。

S3：使用该交互方式可以满足我的交互需求。

S4：使用该交互方式让我感到很疲劳。

对于以上陈述，参与者从1～5五个分段中给出自己的评分，1分代表完全不同意，5分代表完全同意，各交互方式的平均得分结果如图12所示。

图12　调查问卷结果

由图12统计结果可以发现：1）易学习度方面，HRI与NHI通过虚拟手交互更符合用户日常的习惯，容易操作；对于未接触过VR的人来说，CI模式需要先进行学习适应才能正常操作，导致其易学习度稍低。2）疲劳感方面，NHI和HRI基本一致，比CI稍高，这是因为通过CI的方式，用户不需要移动手臂，NHI和HRI在进行交互时，如果虚拟方盒与真实方盒距离较远时，触觉重定向算法偏移会让人稍有不适。3）沉浸感方面，HRI由于提供了较为精确的被动触觉，沉浸感最高；NHI由于没有触觉，用户摸空的失望感导致沉浸感最差；CI由于是通过凝视的方式直接移动虚拟手，沉浸感比NHI稍高。4）交互能力方面，参与者普遍认为CI最好，这是因为其通过凝视的方式直接移动虚拟手，交互的速度和精确率都是最高的，NHI和HRI通过虚拟手交互，在施加触觉重定向，交互速度稍慢，但也能满足正常交互需求。

6 结语

目前VR大空间中重定向行走算法的研究已经逐渐成熟，但将其与交互结合的研究较少。目前的方法都没有很好地解决虚拟交互区与物理交互区之间的对齐问题，虚拟交互区与物理交互区之间的位置误差过大会直接影响到交互实验的存在感体验。本文通过基于人工势场的重定向行走算法将用户引导至物理交互区附近，通过对虚拟交互区位置和朝向角度的设计促进虚实交互区对齐。仿真实验结果表明，本文方法可以有效提高对齐的准确性，用户交互实验结果表明，在交互阶段引入触觉重定向技术后，交互成功率明显提高。与无被动触觉以及指令交互模式交互方式进行对比实验的结果显示，通过本文中的方案为VR大空间中的虚拟目标提供触觉将明显提升用户的沉浸感且仍具有不错的交互质量。

[1] BOWMAN D A， DAVIS E T， HODGES L F， et al. Maintaining spatial orientation during travel in an immersive virtual environment［J］. PRESENCE： Virtual and Augmented Reality， 1999， 8（6）：618-631.

[2] RAZZAQUE S， KOHN Z， WHITTON M C. Redirected walking［C/OL］// Proceedings of the 2001 Eurographics Conference ［2021-09-21］.https：//diglib.eg.org/bitstream/handle/10.2312/egs20011036/rdw‑eg2001‑final‑colour‑electronic.pdf？sequence=1&isAllowed=y.

[3] SRA M， GARRIDO‑JURADO S， SCHMANDT C， et al. Procedurally generated virtual reality from 3D reconstructed physical space［C］// Proceedings of the 22nd ACM Conference on Virtual Reality Software and Technology. New York： ACM， 2016： 191-200.

[4] SUN Q，WEI L Y， KAUFMAN A. Mapping virtual and physical reality［J］. ACM Transactions on Graphics， 2016， 35（4）： No.64.

[5] HINCKLEY K， PAUSCH R， GOBLE J C， et al. Passive real‑world interface props for neurosurgical visualization［C］// Proceedings of the 1994 SIGCHI Conference on Human Factors in Computing Systems. New York： ACM， 1994：452-458.

[6] BROOKS F P， Jr.， OUH‑YOUNG M， BATTER J J， et al. Project GROPE - haptic displays for scientific visualization［J］. ACM SIGGRAPH Computer Graphics， 1990， 24（4）：177-185.

[7] NILSSON N C， PECK T，BRUDER G， et al. 15 years of research on redirected walking in immersive virtual environments［J］. IEEE Computer Graphics and Applications， 2018， 38（2）：44-56.

[8] HODGSON E， BACHMANN E. Comparing four approaches to generalized redirected walking： simulation and live user data［J］. IEEE Transactions on Visualization and Computer Graphics， 2013， 19（4）：634-643.

[9] THOMAS J， ROSENBERG E S. A general reactive algorithm for redirected walking using artificial potential functions［C］// Proceedings of the 2019 IEEE Conference on Virtual Reality and 3D User Interfaces. Piscataway： IEEE， 2019：56-62.

[10] BACHMANN E R， HODGSON E， HOFFBAUER C， et al. Multi‑ user redirected walking and resetting using artificial potential fields［J］. IEEE Transactions on Visualization and Computer Graphics， 2019， 25（5）：2022-2031.

[11] MESSINGER J， HODGSON E， BACHMANN E R. Effects of tracking area shape and size on artificial potential field redirected walking［C］// Proceedings of the 2019 IEEE Conference on Virtual Reality and 3D User Interfaces. Piscataway： IEEE， 2019：72-80.

[12] KOHLI L. Redirected touching： warping space to remap passive haptics［C］// Proceedings of the 2010 IEEE Symposium on 3D User Interfaces. Piscataway： IEEE， 2010： 129-130.

[13] AZMANDIAN M， HANCOCK M， BENKO H， et al. Haptic retargeting： dynamic repurposing of passive haptics for enhanced virtual reality experiences［C］// Proceedings of the 2016 CHI Conference on Human Factors in Computing Systems. New York： ACM， 2016：1968-1976.

[14] KOHLI L， BURNS E， MILLER D， et al. Combining passive haptics with redirected walking［C］// Proceedings of the 2005 International Conference on Augmented Tele‑Existence. New York： ACM， 2005：253-254.

[15] THOMAS J， HUTTON POSPICK C， SUMA ROSENBERG E. Towards physically interactive virtual environments： reactive alignment with redirected walking［C］// Proceedings of the 26th ACM Symposium on Virtual Reality Software and Technology. New York： ACM， 2020： No.10.

[16] WILLIAMS B， NARASIMHAM G， RUMP B， et al. Exploring large virtual environments with an HMD when physical space is limited［C］// Proceedings of the 4th Symposium on Applied Perception in Graphics and Visualization. New York： ACM， 2007：41-48.

[17] 姚寿文，栗丽辉，王瑀，等. 双Kinect自适应加权数据融合的全身运动捕捉方法［J］. 重庆理工大学学报（自然科学）， 2019， 33（9）：109-117.（YAO S W， LI L H， WANG Y， et al. Full‑body motion capture method based on dual Kinect adaptive weighted data fusion［J］. Journal of Chongqing University of Technology （Natural Science）， 2019， 33（9）： 109-117.）

[18] 曹力，吴小威，李琳. HMD‑VR环境下基于平面辅助物的人机交互系统［J］. 北京理工大学学报， 2021， 41（5）：548-557.（CAO L， WU X W， LI L. Human‑computer interaction system based on Planar‑aid for head‑mounted virtual reality environment［J］. Transactions of Beijing Institute of Technology， 2021， 41（5）： 548-557）

[19] AZMANDIAN M， GRECHKIN T， BOLAS M， et al. The redirected walking toolkit： a unified development platform for exploring large virtual environments［C］// Proceedings of the IEEE 2nd Workshop on Everyday Virtual Reality. Piscataway： IEEE， 2016：9-14.

[20] STEINICKE F， BRUDER G， JERALD J， et al. Estimation of detection thresholds for redirected walking techniques［J］. IEEE Transactions on Visualization and Computer Graphics， 2010， 16（1）： 17-27.

[21] KENNEDY R S， LANE N E， BERBAUM K S， et al. Simulator sickness questionnaire： an enhanced method for quantifying simulator sickness［J］. The International Journal of Aviation Psychology， 1993， 3（3）：203-220.

Passive haptic interaction method for multiple virtual targets in vast virtual reality space

WANG Jieke1， LI Lin1，2*， ZHANG Hailong1， ZHENG Liping2

（1，，230601，；2，（），230009，）

Focused on the issue that real interaction targets cannot be matched with the virtual interaction targets one by one when providing passive haptics for redirected walking users in a vast Virtual Reality （VR） space， a method with two physical proxies acting as haptic proxies to provide haptic feedback for multiple virtual targets was proposed， in order to meet the user’s passive haptic needs alternately during the redirected walking process based on Artificial Potential Field （APF）. Aiming at the misalignment of virtual and real targets caused by the redirected walking algorithm itself and inaccurate calibration， the position and orientation of the virtual target were designed and haptic retargeting was introduced in the interaction stage. Simulation experimental results show that the design of the virtual target position and orientation can reduce the alignment error greatly. User experiments prove that haptic retargeting further improves the interaction accuracy and can bring users a richer and more immersive experience.

vast Virtual Reality (VR) space; redirected walking; multi‑virtual target; passive haptics; haptic retargeting

This work is partially supported by National Key Research and Development Program of China （2020YFC1523100）， National Natural Science Foundation of China （61972128）.

WANG Jieke， born in 1994， M. S. candidate. His research interests include virtual reality， human‑computer interaction.

LI Lin， born in 1977， Ph. D.， associate professor. Her research interests include virtual reality， human‑computer interaction.

ZHANG Hailong， born in 1998， M. S. candidate. His research interests include virtual reality， human‑computer interaction.

ZHENG Liping， born in 1978， Ph. D.， professor. His research interests include computer graphics and simulation.

TP391.9

A

1001-9081（2022）11-3544-07

10.11772/j.issn.1001-9081.2021122123

2021⁃12⁃17；

2022⁃03⁃01；

2022⁃03⁃07。

国家重点研发计划项目（2020YFC1523100）；国家自然科学基金资助项目（61972128）。

王杰科（1994—），男，河南许昌人人，硕士研究生，主要研究方向：虚拟现实、人机交互；李琳（1977—），女，安徽合肥人，副教授，博士，CCF会员，主要研究方向：虚拟现实、人机交互；张海龙（1998—），男，安徽阜阳人，硕士研究生，主要研究方向：虚拟现实、人机交互；郑利平（1978—），男，湖北麻城人，教授，博士，CCF会员，主要研究方向：计算机图形学与仿真。