科技日报记者 荆晓青
近日，在2026 Inclusion·外滩大会上，清华大学计算机科学与技术系副教授喻纯，戴上一枚不到3克的戒指，展示了更自然、更轻量的人机交互方式——没有复杂的操作界面，只需指尖轻触，就能操控智能眼镜、完成支付等日常应用。“我们正在打造以人为中心的伴身智能自然交互体验。”喻纯说，通过搭载的十余种传感器，智能戒指可以理解使用者的情景状态，实现手势命令、空间控制和文本输入等功能。
这枚智能戒指所展示的人机交互技术，正是普适计算教育部重点实验室科研的一个切面。该实验室依托清华大学计算机科学与技术系成立，二十多年来，积极探索搭建人机交互学科体系，以创新交互技术破解产业一线痛点，不仅扩大科研影响力，还使国产人机交互产品实现创新突破。该实验室主任、清华大学计算机科学与技术系教授史元春表示：“未来的机器会越来越‘聪明’，但我们的目标不仅仅是造出‘聪明’的机器，而是要让机器更好地服务人的工作生活。人机交互，正是让智能服务于人最关键的手段。”
形成独特的人机交互科研范式
在手机狭小的虚拟键盘上飞快打字，即便指尖落点偏移、触点模糊，输入法依旧能够“读懂”人的本意，自动修正文字；使用无边框手机时，无论以何种姿势抓握，机器仿佛“看懂”了你的触碰动作，只在你真的点击时做出精准流畅响应；只需凑近手机或手表，无需说出唤醒词，手机或手表就能马上唤醒语音智能助手……这些日常流畅“无感”的数字体验背后，正是自然人机交互在发挥作用。
“人机交互的本质，是实现人与机器自然、高效的信息交换。”喻纯说。
上世纪80年代后期，人机交互已是美国学术和产业创新的热点，而彼时国内图像语音识别等研究虽已比较活跃，但人机交互还仅出现在一些学术展望中，既没有体系化的理论，也没有成熟的用户研究平台。依托“211工程”“985工程”学科建设发展机遇，清华大学计算机科学与技术系前瞻布局这一前沿方向。1999年，人机交互与媒体集成研究所成立。这是国内第一个名字中带有“人机交互”的实体研究机构，也是2003年成立的普适计算教育部重点实验室的实体依托单位。
史元春回忆，进入新世纪，用户终端产业兴起，但产业界对人机交互的认知还仅限于最表层的界面设计。“界面背后，技术对人的行为、认知习惯的深层理解，才是形态各异的交互技术的创新基础。好的交互技术是‘无感’的，真正的智能是让人做得更少，因为技术适应了人的行为和认知。”史元春说。
实验室早期标志性探索是面向未来的智能教室系统，攻关多模态自然人机交互，希望让远端学习者通过网络获得和线下同等的课堂体验。史元春介绍，团队研发的多播技术已经突破音视频硬件传输瓶颈，但实验发现，真正的挑战在于教师如何能通过手势、语音等自然行为操控大屏幕上的教学内容，而不必中断授课频繁操作鼠标键盘。对此，科研团队拆解需求，实现了手势、姿态、人脸、语音识别等多项交互功能。
在此过程中，实验室完成了人机交互教学体系建设并逐渐形成自己的科研范式。史元春说：“依靠清华大学计算机领域深厚的学科优势，以追求‘硬核’技术为底色，将以主观体验为优化目标的人机交互研究做成以原理、数据、系统为研究对象的定量研究，创立和不断更新研发平台，注重与蓬勃发展的产业协同创新，这就是我们实验室的科研范式。”
最近十年，作为实验室研究成果的代表，史元春的论文成果稳居计算机学科排名CSRankings人机交互领域全球首位。实验室副主任陶品介绍，实验室如今形成了人机交互、普适计算和媒体计算三大研究方向，各有侧重，但落脚点都是以人为中心，成果彼此支撑赋能，共同推动国内学科向前发展。
使机器理解人的行为与习惯
实验室坚持学术探索与产业实践双线并行。早在移动互联网兴起之前，团队就超前研究大屏多点触控，探索多人协同、并行操作的新型交互模式，为后续移动端上的交互创新积累了重要经验。
2016年，国产手机产业迎来拐点，从跟随海外走向自主定义产品、冲击高端市场。全面屏手机带来无边框的视觉效果，却也抛出一道棘手的行业难题：人握持手机时，手掌侧面无意贴靠屏幕边缘，引发大量误触。海外厂商只能无奈地屏蔽边缘传感器，牺牲部分交互区域换取稳定。
就在产业陷入困局之际，史元春的办公室响起敲门声，一名华为工程师攥着实验室刚刚发表的“手表触屏极小键盘高准确度输入法”论文上门寻求合作。“公司内部尝试了多种方案，始终跨不过误触这道坎。产品上市时间很紧，希望我们论文的技术能帮助他们解决难题。”史元春回忆，“普通人不会为机器改变自身行为习惯，现实世界的约束不断向科研抛出棘手难题。”
面对全面屏误触这个产业痛点，实验室团队经过分析发现，该问题早已沉淀在早期的“胖手指”难题研究中。所谓“胖手指”难题是指，成年人指尖直径8—10毫米，手机虚拟按键却仅有几毫米，手指触控面积远大于按键，再加上视觉遮挡，极易错触。当时行业通行的思路是要么放大按键挤占屏幕空间，要么要求用户刻意精准点击，本质都是让人去适配机器固化的按键边界。
“机器的设计是精确的，每个按键有明确的边界。但人的行为是模糊的，手指与屏幕的接触面积、按压角度都充满不确定性。用精确逻辑处理人的模糊行为，当然会出问题。”喻纯说。
研究团队将交互意图的推理方法应用到该问题上：引入贝叶斯推理，不再孤立看待单次触点信息，结合握持姿态、历史操作综合反推人触摸屏幕的真实意图。
无论是屏蔽误触还是识别点触对象，准确率均为行业最高。这套技术落地屏蔽误触和软键盘输入法，服务十亿用户日常应用。解决误触难题过程中，团队迭代并压缩算法，作为操作系统核心组件实现毫秒级响应，在保留屏幕全域交互前提下，数十倍压低误触率，支撑了国内第一代全面屏手机的问世。后续，该技术也嵌入折叠屏产品，推动国产智能终端交互体验跨越式升级。
此后，团队进一步深化“交互意图”研究，从显式触控操作延伸至生理行为信号，布局可穿戴交互与生理计算。实验室副研究员王运涛介绍，人的意图并不总是通过显性的点击、手势或语言表达，注视、肢体动作、生理变化等都可能成为解读用户状态与需求的线索。“人本身就是复杂的多模态系统。真正自然的人机交互，不只是等待人的明确指令，更要让机器从人的行为、生理状态中读懂他想做什么、需要什么。这也是‘以人为中心’科研理念的必然延伸。”王运涛说。
走向“人为主语”的伴身智能
当前，主流大模型擅长处理海量文本信息，聚焦认知推理；世界模型重点建模客观的物理环境，服务机器人行动规划。在此基础之上，实验室团队提出HWM——用户世界模型（Human World Model），将完整的“人”作为建模核心，开辟以人为本的新路径。
HWM围绕用户生理参数、心理状态、身体行为、场景环境、任务目标五大维度，实现对人的全维度、因果化动态表征。它不是简单存储静态用户档案，更关注人的主观感受，捕捉环境—行为—生理—心理之间的关联，和面向具身智能的世界模型既有联系，又有明确区分。“现有世界模型大多面向客观物理世界，而我们的HWM建模的是‘人为主语’的世界，包括人的目标、决策、行为和心理感受等。传感器捕捉行为，算法通过HWM理解人的意图，系统主动适应人的需求。”喻纯这样解释这套模型的内核。
实验室过往的工作，包括上面描述的早期智能教室系统、攻克“胖手指”难题等，为这套科学框架的形成奠定了长期基础。如今，实验室科研人员希望HWM更进一步：AI不只是读懂人一瞬间发出的指令，而是理解人做决策时完整的上下文。通过连续行为感知，实时理解用户所处的物理环境、正在执行的任务、外显的行为姿态，乃至内在的生理与认知状态，实现需求预判并提供服务，减少重复交互操作，实现对人类能力的增强。史元春说：“现实中大量工作本质是机械的信息搬运以及重复性的事务。大模型时代下的人机交互就是把人从这些繁琐的工作中解放出来，让人专注创造、共情等人类最擅长的事情。”
谈及长远愿景，喻纯说，人的价值在于带着兴趣体验、探索世界，拓展人类文明边界。未来，每个人都将有一个伴身智能体，依托HWM与多源软硬件感知，它能理解人的所见所感，适时提供服务支持，助力个体释放潜能。
网友评论
