未来最先可能接入 XR 系统的新外设是「手表/手环」类产品，业界各大厂商已经在此领域深耕多年，也展示过许多使用 demo。目前，技术方案主要分为两大流派：一是以苹果和 Double Point 为代表的 IMU 派，另一是以 Meta 为代表的 EMG派。手表的优势在于不仅可以用于手势识别，同时也具备日常生活中的实用功能，如健康监测、消息提醒等。

△ Apple watch（左），META EMG 手环（右另一个被受瞩目的形态是「戒指/指环」。戒指可以更精准细致地识别用户手指末端的微手势，使用方式可以更省力，也能有效避免误触。

△ US20230350503A1

相比苹果目前的方案，手表和戒指这两类外设不用依赖摄像头。可以识别更多更细致的微手势，从而减少疲劳，提高输入效率和准确度。

但是在全天候的佩戴使用环境下，还是免不了会有误触的发生。比如在另一台电脑上打字时可能不小心触发手表的点击功能，或者在吃水果时误触戒指，造成不必要的干扰。此外，仅凭单一外设，还无法彻底解决文字输入的效率问题。

也有些人会期待更加激进的方式，比如通过脑机接口实现的意念输入。这种输入方式虽然能够实现低疲劳和低延迟，但这类设备能在多大程度上读取我们的思想，这点始终存疑。

△ 迈向眼-脑-计算机接口：将凝视与刺激前的消极性相结合，以实现 XR 中的目标选择，doi.org/10.1145/3613904.3641925

考虑到电池续航、重量、体积等综合因素，目前还没有出现一种能够完美解决输入问题的理想外设。

现在让我们回到第一性原理。

人机交互的核心是让计算机快速准确的识别用户意图并提供反馈。

我们在操作设备时会面对两个心理鸿沟：一个是执行的鸿沟，我们首先需要清楚如何操作；另一个是评估的鸿沟，我们需要清楚操作的结果。

△ 执行和评估的鸿沟

要弥合这两个鸿沟，关键在于建立双向的理解和一致性。就像专业的骑手与他的马能够心意相通，能够理解，甚至预测对方的每一个动作。

然而，我们普通人并不想深入了解计算机和系统的工作原理，也不愿意学习如何使用复杂的外设。所以压力就给到计算机这边，它需要更准确的识别用户意图，或者说更「智能」。

在缺乏用户明确输入指令的情况下，计算机只能尝试通过「排除法」来猜测用户的意图。但由于信息不足，计算机往往难以做出正确的判断，「误触」就这样发生了。

那么，如果给计算机提供更多的信息，是否就能增强其理解能力，从而更准确地识别用户意图呢？

香农将信息定义为「不确定性的减少」。在信息论中，信息熵表示系统的初始不确定性。通过提供更多的用户数据，计算机能够减少对用户意图的条件熵，增加互信息，从而更准确地识别用户意图，提升系统的理解能力。更多的信息能够显著降低系统的不确定性，使得计算机对用户行为的预测更加精确。

但这也要求计算机系统具备强大的数据处理能力和先进的算法，以应对复杂的信息。