Visualizing Placement Proposals for Window Arrangement in Mixed Reality: A Comparative User Study

Stel je voor dat je een rommelige kamer probeert op te ruimen, maar in plaats van een vloer en muren zweef je in een enorme, onzichtbare 3D-ruimte. Dit is de wereld van Mixed Reality (MR), waar computers digitale vensters, menu's en hulpmiddelen rechtstreeks in je gezichtsveld projecteren, zwevend in de lucht. Het klinkt als magie, maar het brengt een lastig probleem met zich mee: waar zet je al die zwevende vensters? Als je het simpelweg aan een computer laat beslissen, plaatst hij ze misschien op plekken die moeilijk te bereiken zijn of die je zicht op de echte wereld blokkeren. Als je ze allemaal zelf met je handen probeert te verplaatsen, kunnen je armen moe worden en ben je misschien te veel tijd kwijt aan het ordenen van de dingen in plaats van aan je werk te doen. Dit artikel duikt in de "Goldilocks-zone" van dit probleem: een manier vinden waarop de computer goede plekken voor je vensters kan voorstellen, maar waarbij je nog steeds de ene kunt kiezen die jij het beste vindt. Het is als een behulpzame vriend die je boeken op een plank zet en zegt: "Hier zijn vier geweldige plekken voor dit nieuwe boek," in plaats van het boek ergens zomaar in te duwen of jou een ladder te laten beklimmen om zelf een plekje te zoeken.

De onderzoekers van de Universiteit van Konstanz wilden zien welke manier van het tonen van deze "voorgestelde plekken" het beste werkt. Ze testten vier verschillende methoden in een virtuele reality-game waarin deelnemers een reis moesten plannen. Het doel was om zeven verschillende vensters (voor vluchten, hotels en schema's) zo snel en comfortabel mogelijk te ordenen.

De eerste methode was de Manual Positioning baseline. Dit is de "doe-het-zelf"-aanpak. Wanneer er een nieuw venster verscheen, moest de gebruiker het met de hand pakken en naar waar hij wilde slepen. Het is als het verplaatsen van meubels in een kamer met je blote handen—totale vrijheid, maar het kost tijd en inspanning.

De andere drie methoden waren de "suggestie"-technieken, waarbij de computer vier specifieke plekken aanbood om uit te kiezen, maar deze op verschillende manieren toonde:

1. Situated Icon Preview: De computer plaatste een klein, zwevend kubusje met een icoon op elke van de vier voorgestelde plekken. Het was alsof je vier kleine briefjes op de muur zag die zeiden: "Je zou dit venster hier kunnen plaatsen." Het was snel te spotten, maar liet niet zien hoe het venster er daadwerkelijk uitziet.
2. Situated Window Preview: Dit leek op de vorige methode, maar in plaats van een klein icoontje toonde de computer een volledige, lege omlijsting van het venster op elke plek. Het was alsof je de spookachtige contouren van de meubels al in de kamer zag staan, zodat je kon zien of het zou passen of een lamp zou blokkeren.
3. 3D Preview: Dit was de meest unieke methode. In plaats van naar de plekken in de kamer te kijken, keek de gebruiker naar een klein, miniatuurmodel van de hele kamer (een "world-in-miniature") die in hun hand zweefde. De voorgestelde plekken waren gemarkeerd op deze kleine kaart. Het was alsof je naar een poppenhuisversie van je kamer keek om te zien waar de meubels het beste passen voordat je de echte dingen plaatst.

De studie leverde enkele verrassende resultaten op. Wat betreft snelheid waren de suggestiemethoden veel sneller dan het alles handmatig doen. De "Situated Window Preview" (de spookachtige contouren) was de snelste van allemaal en nam ongeveer 54 seconden om de vensters te ordenen, terwijl de "Manual Positioning" meer dan 120 seconden duurde—meer dan het dubbele! De "3D Preview" was langzamer dan de andere suggesties en duurde ongeveer 79 seconden, waarschijnlijk omdat gebruikers moesten wennen aan het kijken naar de kleine kaart.

Echter, hier komt de wending: ook al waren de suggesties sneller, de deelnemers gaven de voorkeur aan de Manual Positioning methode. Wanneer ze gevraagd werd welke ze het beste vonden, gaven ze de "doe-het-zelf"-aanpak de hoogste score (een gemiddelde van 4,46 op 5), terwijl de suggestiemethoden veel lager scoorden.

Waarom zouden mensen de tragere, vermoeiende optie kiezen? De onderzoekers ontdekten dat mensen het gevoel hadden dat ze meer controle hadden wanneer ze de vensters zelf konden slepen. Ze vonden ook dat de suggesties soms niet genoeg informatie gaven over waarom een plek werd gekozen, of dat ze gewoon niet gewend waren aan de nieuwe manier van doen. Het blijkt dat zelfs al waren de suggesties van de computer efficiënt, gebruikers ze niet genoeg vertrouwden om de controle aan hen af te staan. De studie suggereert dat de beste oplossing een "hybride" aanpak kan zijn: laat de computer een paar geweldige startplekken aanbieden om tijd te besparen, maar maak het de gebruiker supergemakkelijk om ze precies aan te passen en te verplaatsen, waardoor de snelheid van automatisering wordt gecombineerd met het comfort van menselijke controle.