小米手势库

小米手势库是一套面向智能家居、车内、办公等多场景的结构化手势数据体系，收录 1,000 个手势，覆盖单双手、静动态、多指形态与多执行部位的完整组合。其核心设计理念是将手势从模糊的动作描述转化为可计算、可复现、可调度的结构化数据，并通过三层架构——描述层、语义层、交互层——分别回答手势是什么手势表达什么手势如何被使用三个核心问题。

三层架构总览

描述层（What）——手势是什么

描述层聚焦手势的客观可观测事实，是整个体系的输入基础。它通过标准化字段将原本模糊、不一致的手势动作转化为结构化、可计算、可复现的数据表达。

A. 手势编号

采用「前缀 + 三位数字」固定格式：前缀统一使用大写字母「G」（Gesture 缩写），数字部分三位固定位数、不足补前导零，从 G001 递增至 G1000，形成完整基础编码体系。

B. 手势描述

统一以一句话完成手势描述，核心包含 6 个必备要素：动作主体（左/右手）、形态基准（基础手形 + 手指特化）、空间特征（手掌朝向 + 运动轨迹）、动态特征（驱动单元 + 运动模式）、关键约束（必要满足条件）、核心效果（可感知的动作结果）。整体语言遵循交互行业规范，简洁、精准、无口语化表达。

目前采用飞书多维表格的自定义 AI 自动填充，对原有不规范手势描述进行转录。开启自动更新功能后，当原始描述修改时，标准化描述列自动触发 AI 重新计算，实现批量高效的标准化更新。

C. 动图 / 手势动画（时空数据）

通过连续帧动画完整还原手势的全程执行过程，精准呈现姿势变化、位置移动的节奏、顺序与同步关系。针对每条手势数据拍摄单人执行视频（正面视角、35mm 焦距、至少半身），并使用 QuickMagic 工具将视频转换为 FBX 格式，实现手势描述、动态演示及模型文件的一体化管理。

D–E. 手势形式：单双手 / 静动态

单双手以手部参与数量为核心判定依据，仅分为单手手势（单只手独立完成所有核心动作）和双手手势（两只手同时参与，无论协同配合还是独立分工）。判定聚焦「手部参与数量」，而非动作复杂度或是否接触对象。

静动态中，静态手势指手势完全抬起后始终保持固定姿势且无任何位置挪动、需维持一定持续时间的手势，数量较少；动态手势涵盖执行过程中存在姿势调整或位置移动的所有其余手势，占比极高。

F. 手指数量

按关键操作指的数量从少到多划分为单指、双指、三指、四指、五指操作，双手手势需分别统计单手关键指数量后求和标注（如双手各 5 根关键指，标注为 10 指操作）。

G–H. 主要手势部位 / 执行部位

主要手势部位以承载手势核心动作的手部/肢体区域为判定依据，仅划分手指、手掌、上臂、小臂四类。执行部位以手势发生时手部/肢体所在的人体相对空间区域为判定依据，采用「XX 前方 / XX 侧方 / XX 上方」固定句式，优先使用胸口前方、嘴巴前方、面前、身体两侧等通用描述。

语义层（Why）——手势表达什么

语义层负责建立动作→语义之间的映射关系，通过语义聚类、手势性质与隐喻机制，将原本纯物理的动作转化为人能够理解的语义单位，使手势具备可解释性与可学习性。

I. 隐喻

隐喻以简洁、稳定的表述传递手势的语义意图，不与具体实现方式直接绑定，同时隐含语义的目标效果及与相邻语义的区分。属于解释性字段，面向设计、研发与研究人员，不参与系统判定。

J. 语义聚类

依据手势所表达的功能含义、操作对象与使用场景，将具有相似语义指向的手势归为同一类别。手势库共定义 9 类隐喻机制：

K. 手势性质

手势性质描述动作与其所表达语义之间的映射关系类型，共分五类。映射越自然，学习成本越低、记忆负担越小、歧义风险越低；映射越抽象，系统自由度越高。

交互层（How）——手势如何被使用

交互层是最终的系统决策层，通过对情境、地域、设备对象及执行方式等要素的综合映射，确定手势在不同场景中的适用边界与层级关系，使整体手势体系具备可调度性、一致性与可落地性。

L. 地域

涵盖多类差异化手势地域类别，包括不同国家的特色手势（体现文化差异）、模拟动物类手势、太空场景手势、交通场景手势等，丰富手势库的多样性与实用性。

M. 所属情境

以手势实际执行时的物理空间/使用场景为唯一判定依据，划定为厨房、客厅、餐厅、卧室、办公、车内等核心场景。情境不仅是发生在哪里，更是对手势输入条件的限制集合——不同场景下，约束维度涵盖空间尺度、用户姿态、环境干扰、设备密度与交互距离五个方面。

N. 语音描述（选填）

选择性填写字段，可根据手势的实际应用场景补充对应语音内容，用于配合手势执行、强化语义表达。如演讲场景下手势对应的演讲文字，或操作设备时需同步发出的语音指令。

O. 手势流程

指示指令是在动作过程中还是在动作结束时执行。离散手势在手势结束后才执行任务（如画圆圈打开电视）；连续手势在手势过程中持续执行任务（如上下移动双手实时调节音量）。

P. 关联设备

以手势操作所指向、控制的具体智能硬件设备为判定依据，覆盖居家、办公、车内主流智能硬件。一个手势可对应多个核心关联设备，标注直接操控的设备，不标注间接联动的设备。

关键洞察：不同设备之间的核心差异不在于设备名称，而在于其被操控时呈现的交互属性与控制行为模式。将设备从物理类别抽象为控制对象类型，能够建立更具可迁移性的手势设计依据，使手势能够跨设备复用，提高交互体系的可扩展性。

Q. 手势能级（生理负荷）

手势能级（Physical Load Index, PLI）是衡量用户交互成本的核心量化指标。基于手势库内置的 FBX 高精度动画数据，通过自动化脚本逐帧解析手臂与手指各关节的角度变化与位移信息，计算原始动作能量值。引入人因工程学加权评估模型（手臂赋予 5.0 倍杠杆系数，手指为 1.0 倍权重），生成最终 PLI 值，将手势划分为微、低、中、高四个能级区间，刻画动作所对应的疲劳强度与使用成本。

R. 优先级

优先级（Priority Index）用于定义手势在交互体系中的层级位置与功能角色，通过对功能语义、使用情境、关联设备及动作特征的综合映射，确定手势在系统中的分配顺序与使用边界。该维度使不同手势在同一体系中形成清晰的层级结构，从核心控制到辅助调节逐级展开，保障整体交互的有序性、一致性与可执行性。