Von verschiedenen Autoren wird immer wieder betont, daß Direktmanipluation die geeignetste Art der Mensch-Computer-Interaktion darstellt, weil hierbei Analogien zu bereits bestehenden Verhaltensmustern des Benutzers (Zeigen, Ergreifen und Bewegen von Objekten) genutzt werden können und daher nicht neu erlernt werden müssen. Jacob (1995) stellt in diesem Zusammenhang dar, wie sich solche Augenbewegungen zur Steuerung von Computern einsetzen lassen, die Computerbenutzer natürlicherweise beim Betrachten des Bildschirms ausführen; es sollen also keine neuen Blickbewegungen trainiert werden. Wann und Mon-Williams (1996) betonen, daß zunehmend komplexe und mehrdimensionale Datenstrukturen am besten mehrdimensional präsentiert werden sollen. Dazu können neben den drei räumlichen Achsen auch Farbe, Bewegungen und Töne weitere Dimensionen codieren.
Ziel der Entwicklung von Mensch-Maschine-Schnittstellen ist, von den Eigenschaften der menschlichen Kommunikationskanäle und Fertigkeiten auszugehen und dann Geräte, Interaktionstechniken und Schnittstellen zu entwickeln, die eine effektive wechselseitige Kommunikation mittels dieser Kanäle zulassen. Hierzu sind virtuelle Realitäten besonders geeignet: Bei der Navigation durch virtuelle Umgebungen kann der Benutzer die für ihn natürliche Art der Steuerung einsetzen, beispielsweise entsprechende Arm- oder Beinbewegungen, Positionieren des Kopfes und der Augen, Drehen des Körpers oder auf ein Objekt Zulaufen. Durch den Einsatz bereits vorhandener Fertigkeiten zur Steuerung wird die kognitive Belastung während der Interaktion mit dem Computer reduziert. Dadurch erhöht sich die Bandbreite der Kommunikation zwischen Mensch und Computer und sie wird zudem natürlicher.
Bei den ``traditionellen'' Formen der Mensch-Computer-Interaktion erfolgt die Steuerung der Maschine kommandoorientiert. Bei der Direktmanipulation virtueller Umgebungen müssen dagegen keine spezifischen Kommandos eingesetzt werden: Der Computer beobachtet den Benutzer passiv und reagiert aufgrund von dessen Augen-, Kopf- oder Handbewegungen angemessen. Die Betonung liegt bei diesen Interaktionsformen auf kontinuierlichen, parallelen Inputströmen und Constraints, die sich aus der Bearbeitung in Echtzeit ergeben (cf. Jacob, 1995).