用户在用户界面中的表现受其运动和认知功能的影响，这使得通过交互系统评估人体功能的可行性。新兴交互系统的普及性和普遍性使其使得我们有可能在日常生活中就对认知功能进行评估。已有研究表明，笔迹不协调可能是中枢神经系统疾病的临床特征，且研究人员已经对基于笔式交互技术的帕金森病，痴呆，以及阿尔茨海默氏症等疾病的识别方法。但这些方法主要受限于必须进行指定的绘图任务，无法再日常生活场景中进行。 为此，课题团队针对这个问题展开研究，探讨利用通用的绘图任务对神经系统疾病进行诊断。我们的方法利用了绘图中简单笔画所反映出来的人体生物特征，反映了人体的运动功能和认知功能，并且与绘图内容和类型无关。我们使用自主采集的人群数据对该方法进行了评估，在五个不同自由度的绘图任务中观察到了较高的识别准确率。该项目为研究过程中使用的数据采集软件。

对于大幅面高分辨触控设备而言，目标选择不确定性是人机交互的一个基本研究问题，已有研究已经对静态目标做出建模，但针对移动目标落点分布并未做出合理解释，制约了触控设备上涉及动态内容的交互系统的发展和应用。为此，课题团队针对这个问题展开研究，提出了一个2D Ternary-Gaussian模型，能够通过目标的大小和移动速度准确地预测二维移动目标获取的落点分布，具有准确、鲁棒、实用性强等特点,在人机交互基础理论研究中具有重要的开创性意义，实现了跨设备、多场景下的二维目标获取的不确定性建模。课题组人员基于该模型构建了一种移动目标选择辅助技术——2D-BayesPointer，使用户选择移动目标的速度提高了4%，精度提高了41%。该项目为2D-BayesPointer的测试程序源码。 相关论文：Huang, J., Tian, F., Li, N., & Fan, X. (2019, October). Modeling the Uncertainty in 2D Moving Target Selection. In Proceedings of the 32nd Annual ACM Sym