面向情境感知XR界面的基准测试框架
A Benchmarking Framework for Context-aware XR Interfaces
- Carnegie Mellon University（卡内基梅隆大学）
- Reality Labs Research, Meta（Meta现实实验室研究部）
机构由 AI 辅助整理，请以论文原文为准。
AI总结：
提出ContextXR基准框架，通过功能面图表示XR应用，构建MineXR++数据集并定义三个情境感知建议任务，实现系统化、可重复的XR界面评估。
AI中文摘要：
日常扩展现实（XR）系统旨在提供情境感知的访问，使用户在切换情境时能以最少的手动重新配置，在正确的时间和地点获得正确的功能。然而，这些界面难以评估：当前的原型设计和用户研究工作流程无法提供系统化、可重复的方法来跨用户和场景比较自适应方法。我们提出了ContextXR，一个面向情境感知XR界面的新型基准测试框架。ContextXR将XR应用表示为功能面（functional facets）的连通图，每个功能面是一组语义连贯的相关能力，共同支持一个共享的用户意图。在此表示基础上，我们构建了MineXR++，一个通过功能面级标注增强先前XR界面数据的数据集，并制定了情境感知建议的三个典型任务：情境因素分析、初始功能面建议和下一功能面建议。我们的评估协议通过模拟交互指标——到达目标功能的导航和搜索成本——对建议方法进行评分。通过对比全局流行度、关系检索和基于LLM的方法的实验，我们证明了ContextXR能够实现对情境感知XR界面的系统化、可重复评估。
英文摘要：
Everyday Extended Reality (XR) systems aim to provide context-aware access to the right functionalities at the right time and place, with minimal manual reconfiguration as users switch context. Yet these interfaces are hard to evaluate: current prototyping and user-study workflows offer no systematic, repeatable way to compare adaptation methods across users and scenarios. We present ContextXR, a novel benchmarking framework for context-aware XR interfaces. ContextXR represents an XR application as a connected graph of functional facets, each a semantically coherent group of related capabilities that together support a shared user intent. On this representation, we build MineXR++, a dataset augmenting prior XR interface data with facet-level annotations, and formulate three canonical tasks of context-aware suggestion: context factor analysis, initial facet suggestion, and next facet suggestion. Our evaluation protocol scores suggestion methods by a simulated interaction metric, the navigation and search cost of reaching the desired functionality. Through experiments benchmarking global popularity, relational retrieval, and LLM-based methods, we demonstrate that ContextXR enables the systematic, reproducible evaluation of context-aware XR interfaces.
