【導(dǎo)讀】最近Magic Leap和HoloLens很火。它們是什么？為什么這么火？什么時(shí)候能做成？還面臨哪些挑戰(zhàn)？Botao同學(xué)在知乎上談了不少3D感知部分，我來(lái)補(bǔ)充補(bǔ)充別的。
Magic Leap 和 HoloLens 是什么？
Magic Leap 和 HoloLens 都是 Augmented Reality （AR）眼鏡的代表。
AR 和 VR 眼鏡的區(qū)別是什么？
AR 眼鏡是透明的，讓你能同時(shí)看到現(xiàn)實(shí)世界，和疊加在上面的虛擬成像。應(yīng)用例子：趕不上 Lady Gaga 的演唱會(huì)？沒(méi)關(guān)系，戴上眼鏡她就在你家里開(kāi)一個(gè)。代表產(chǎn)品原型：Magic Leap 和微軟的 HoloLens。
VR 眼鏡是不透明的，只顯示虛擬世界，把物理世界完全擋住。應(yīng)用例子：坐在家里也能去大溪地“潛水”。代表產(chǎn)品：三星的 Gear VR，谷歌 Cardboard，Oculus Rift。
Magic Leap 和 Microsoft 為什么要做 AR 眼鏡？
總的來(lái)說(shuō)，這是計(jì)算機(jī)的必然發(fā)展趨勢(shì)。2007 年蘋果推出 iPhone 以來(lái)，手機(jī)發(fā)展太迅猛，用戶隨時(shí)隨地帶著它，各項(xiàng)使用數(shù)據(jù)毫無(wú)懸念地都在超越 PC 端。所以，人機(jī)交互界面的未來(lái)主要在于移動(dòng)。但現(xiàn)在的手機(jī)局限在于：
（1）既然要便于攜帶屏幕就做得小，屏幕小了某些功能就得受限；
（2）顯示屏幕是平面也就是二維的，而真實(shí)世界是三維的。
未來(lái)的 AR 眼鏡有望實(shí)現(xiàn)大突破，就是既能讓用戶隨身攜帶，又能在他眼前顯示超大屏幕，還能把以假亂真的 3D 內(nèi)容渲染到他看到的真實(shí)世界里（想象你坐在教室里聽(tīng)課，你的老師看起來(lái)真實(shí)無(wú)比，但其實(shí)就是在你的眼鏡上虛擬出來(lái)的）。這樣的眼鏡大概不會(huì)完全取代手機(jī)，但毫無(wú)疑問(wèn)潛力無(wú)窮。
跟 VR 比較，AR 的應(yīng)用場(chǎng)景也更廣闊（你總不能帶著 VR 頭盔大街上走吧）。本質(zhì)上，AR 是 VR 的超集，鏡片前面一擋就成了 VR（前提是視角能做到差不多大）。
戴眼鏡好麻煩，為什么不直接像《星球大戰(zhàn)》一樣在空氣中顯示全息圖（Hologram）？
Holography 是人類的美好愿景，有一天也許能做成，但近期看離實(shí)用還早。現(xiàn)在有一些大學(xué)實(shí)驗(yàn)室在研究裸眼光場(chǎng)顯示器（light field display），但需要很復(fù)雜笨重昂貴的設(shè)備，還只能在安裝了的地方用。相對(duì)而言，眼鏡的可行性要大得多。如果能做成輕便的 AR 眼鏡，將是移動(dòng)人機(jī)交互界面上也是計(jì)算機(jī)發(fā)展的重大革新。
在 VR 頭盔上加個(gè)前視攝像頭不也就成 AR 了嗎？為什么非要透明的？
好問(wèn)題。說(shuō)起來(lái) AR 有兩種，一種是前面所說(shuō)的透明 AR（optical see-through）——現(xiàn)實(shí)世界是透過(guò)鏡片直接看到的。另一種就是“視頻疊加”（video see-through 或者 video overlay）——現(xiàn)實(shí)世界是通過(guò)攝像頭捕捉，然后以視頻的方式呈現(xiàn)給用戶（在上面再渲染一些東西）。事實(shí)上，現(xiàn)在手機(jī)和平板上已經(jīng)出現(xiàn)了很多 video overlay 的應(yīng)用，比如看星空，求翻譯，選家具等。
那為什么不用 VR 頭盔加攝像頭實(shí)現(xiàn)這種 AR 呢？當(dāng)然可以，現(xiàn)在很多 VR 頭盔都在試探這種做法。它和透明 AR 相比各有優(yōu)劣，比如優(yōu)勢(shì)在于用視頻實(shí)現(xiàn)的虛擬和現(xiàn)實(shí)的疊加（overlay）要比透明 AR 簡(jiǎn)單得多，這也是為什么它已經(jīng)開(kāi)始在移動(dòng)端商用的原因。
但劣勢(shì)也可想而知，用戶看到的畢竟只是一個(gè) 2D 視頻，質(zhì)量跟眼睛直接看到的世界還是差很大的。而且視頻從采集到顯示總歸是有延遲的，如果跟體感信號(hào)不一致的話會(huì)造成身體不適。所以不管怎樣都還是會(huì)有公司前仆后繼地去做透明 AR 的，Magic Leap 和 Microsoft HoloLens 就是例子。
Magic Leap 為什么那么牛能融到 5.42 億？（最近的 C 輪在融 8億）
前面說(shuō)的應(yīng)用潛力無(wú)窮肯定是助力，同時(shí)還有技術(shù)，創(chuàng)始人，團(tuán)隊(duì)的原因。
Magic Leap 的核心技術(shù)是來(lái)自華盛頓大學(xué)前研究員 Brian Schowengerdt 的，他導(dǎo)師 Eric Seibel 是光纖掃描內(nèi)窺鏡（Scanning Fiber Endoscope）的專家。大家都知道內(nèi)窺鏡就是醫(yī)生們做手術(shù)時(shí)用來(lái)體內(nèi)成像的，本質(zhì)是個(gè)微小攝像頭。Brian 很聰明地逆轉(zhuǎn)光路把這個(gè)技術(shù)用到了顯示上，這樣通過(guò)極細(xì)的光纖用激光就可以打出彩色的圖像（如圖所示）。這個(gè)技術(shù)十幾年前就發(fā)表了，后來(lái)又不斷改進(jìn)，生成了一堆專利。Magic Leap 很大程度上是基于 Brian 的這些專利。
那這種技術(shù)為什么重要呢？我們后面留成一個(gè)專門的問(wèn)題講。
然而光有技術(shù)牛是不夠的，AR 眼鏡這種東西，要想做好可想而知是需要投入巨大的人力物力的，軟件硬件都得有重大突破。蘋果、微軟、谷歌這樣的公司可能有財(cái)力去做這個(gè)事，為什么會(huì)相信一個(gè)初創(chuàng)小企業(yè)能做成？我覺(jué)得猶太人創(chuàng)始人 Rony Abovitz 起的作用很大。Rony 之前是 MAKO Surgical 的聯(lián)合創(chuàng)始人。這家公司知道的人不多，但他們做的東西說(shuō)出來(lái)就嚇人了——是做機(jī)器人手術(shù)（robotic surgery）的，主要是骨科手術(shù)精準(zhǔn)定位。聽(tīng)起來(lái)科幻超前吧，可是人 2004 年創(chuàng)建，2008 年就上市了，2013 年以 16.5 億美元賣給了 Stryker Medical。這種 track record 他拉不到投資誰(shuí)能拉到。
除了創(chuàng)始人兼 CEO，團(tuán)隊(duì)也不是蓋的，計(jì)算機(jī)視覺(jué)部分拉到了 Gary Bradski 和 Jean-Yves Bouguet 這樣的大牛。合作的 Weta Workshop 是在好萊塢給電影做特效的，《指環(huán)王》就是他們做的。所以 Magic Leap 當(dāng)年用來(lái)拉投資用的概念視頻就像一個(gè)微型電影一樣。
現(xiàn)在該回到前面的問(wèn)題了，為什么 Magic Leap 的光場(chǎng)顯示技術(shù)很重要？
首先，它是基于極細(xì)的光纖的，可以讓眼鏡做得輕薄。但更重要的是因?yàn)?Brian 證明了用這種技術(shù)不僅可以投射出一個(gè) 2D 圖片，還能顯示出一個(gè)光場(chǎng)（Light Field）。
現(xiàn)代的近視眼鏡為了實(shí)現(xiàn) 3D 有兩種主要的技術(shù)：Stereoscopic（中文翻譯成“立體”，但其實(shí)不夠準(zhǔn)確），和 Light Field（光場(chǎng)）。Stereoscopic 眼鏡早已商化（比如所有 3D 影院里用的，還有市面上幾乎所有 AR 和 VR 眼鏡/原型——包括 Microsoft HoloLens，Epson Moverio，Lumus DK-40， Facebook Oculus——都是 Stereoscopic）。而 Light Field 還只在實(shí)驗(yàn)室里有雛形（Magic Leap 大概是做得最好的一個(gè))。什么是 Stereoscopic 3D 呢？為什么它不夠好還要做 Light Field 呢？什么又是Light Field 呢？
Stereoscopic 3D 是假 3D
3D 圖像比 2D 圖片多了一個(gè)維度，這個(gè)維度就是景深（depth），看過(guò) 3D 電影和 2D 電影的同學(xué)知道感官上有明顯的區(qū)別（只有少數(shù)人有雙盲癥不能看到）。大家知道人眼感知景深有很多機(jī)制，包括單眼（monocular）和雙眼（binocular）的。
單眼能感知的景深信號(hào)很多，比如：一個(gè)東西遮擋了另一個(gè)（occlusion），熟悉的物體的大?。╮elative size/height），物體移動(dòng)的變化（遠(yuǎn)的物體變化慢近的物體變化快，即 motion parallax）。在此基礎(chǔ)上，雙眼的景深信號(hào)也非常強(qiáng)烈（所以遠(yuǎn)古的我們能更好地判斷對(duì)面的老虎或者鹿到底離多遠(yuǎn)）。兩只眼睛看到同一個(gè)場(chǎng)景會(huì)有細(xì)微差別，這讓大腦能通過(guò)三角計(jì)算（triangulation）來(lái)得到物體景深。
Stereoscopic 3D 就是利用這個(gè)原理給雙眼分別顯示不同的圖片（如下圖），它們很相似，只在水平方向上有細(xì)微差別。而這兩張圖片拍攝的時(shí)候，就是用兩個(gè)并排的相機(jī)模擬人眼的位置拍的，現(xiàn)在的 3D 電影都是基于這個(gè)原理。
但這樣的 Stereoscopic 3D 有什么問(wèn)題呢？簡(jiǎn)單講它會(huì)引起用戶身體不適如頭暈、惡心等。為什么呢？這又涉及到人眼的一個(gè)有意思的機(jī)制。當(dāng)我們?cè)诳匆粋€(gè)現(xiàn)實(shí)世界中的物體時(shí)，眼睛其實(shí)有兩種自然反應(yīng)：
（1）聚焦（Accommodation／Focus）。眼睛的晶狀體就像一個(gè)凸透鏡，它會(huì)調(diào)節(jié)凸度來(lái)讓那個(gè)物體在咱們視網(wǎng)膜上清楚成像。
（2）“會(huì)聚”（Convergence）。在每只眼睛聚焦的同時(shí)，兩只眼球還會(huì)有旋轉(zhuǎn)運(yùn)動(dòng)來(lái)一起指向那個(gè)物體。
很自然地，這兩種反射運(yùn)動(dòng)在神經(jīng)上是聯(lián)接的（neurally coupled），也就是說(shuō)任意一種運(yùn)動(dòng)會(huì)自動(dòng)引發(fā)另一種運(yùn)動(dòng)。這也意味著，在人眼看真實(shí)物體的時(shí)候，聚焦和會(huì)聚的距離總是相等的（vergence distance = accommodation distance，參見(jiàn)下圖A）。
那么 Stereoscopic 3D 的問(wèn)題就來(lái)了。因?yàn)?Stereoscopic 的投射距離總是固定的（也就是 accommodation distance 不變），而圖片的 disparity 會(huì)讓眼睛會(huì)聚在不同的距離（vergence distance）以產(chǎn)生景深 3D 效果（見(jiàn)下圖B）。所以，這兩種距離經(jīng)常是不一致的（vergence distance ≠ accommodation distance），會(huì)造成這兩種神經(jīng)相連的運(yùn)動(dòng)強(qiáng)行分離（neurally decoupled）。
從另一個(gè)角度講，在自然世界里，當(dāng)人眼聚焦并會(huì)聚到一個(gè)物體時(shí)，別的距離的物體應(yīng)該都是模糊的（下圖C）。而在Stereoscopic 3D 里，不管人眼聚焦到哪兒，別的距離的物體成像都是清楚的（下圖D）。
這些都不符合自然界人眼的規(guī)律，因此大腦會(huì)產(chǎn)生混亂，長(zhǎng)時(shí)間就會(huì)引起惡心暈眩等癥狀。所以 Stereoscopic 其實(shí)是用了一個(gè)小伎倆讓人能看到 3D 效果，但它并不是真 3D。
光場(chǎng)（light field）是真3D
光場(chǎng)顯示跟 Stereoscopic 3D 比的一個(gè)很大不同就是它有本事能讓人眼聚焦到不同的距離，從而和會(huì)聚的距離保持一致。這是最符合人眼觀察自然世界規(guī)律的做法，因此被稱為 true-3D。
可以想象要實(shí)現(xiàn)這樣的光場(chǎng)顯示，并不是那么簡(jiǎn)單?，F(xiàn)在主要是兩種方法：空間復(fù)用（space multiplexing）和時(shí)間復(fù)用（time multiplexing）。“空間復(fù)用”簡(jiǎn)單說(shuō)就是把一個(gè)像素當(dāng)幾塊用來(lái)實(shí)現(xiàn)不同的聚焦距離。Nvidia 在 SIGGRAPH 上展示的那個(gè)原型就屬于這種。這個(gè)方法最大的問(wèn)題就是分辨率大打折扣。我曾經(jīng)試戴過(guò)，基本就是霧里看花。
“時(shí)間復(fù)用”呢，就是用高速原件來(lái)快速產(chǎn)生不同的聚焦距離，讓人眼以為它們是同時(shí)產(chǎn)生的。這樣的好處就是分辨率不損失。大家知道人眼的速度感知是有限的，很多顯示器都是 60Hz 的，因?yàn)槿搜勰芊直娴臉O限值一般就是 60Hz（在某些高速內(nèi)容比如游戲里可能達(dá)到 90-120Hz）。這意味著什么呢，如果利用高速顯示 360Hz，就可以實(shí)現(xiàn) 6 個(gè)不同的聚焦距離。而有研究表明用6 個(gè)聚焦距離加上一種線性混合（linear blending）的渲染算法就基本能實(shí)現(xiàn)從約 30 厘米到無(wú)窮遠(yuǎn)讓人眼自然對(duì)焦。
Magic Leap 的技術(shù)是哪種呢？它最近 demo 用的哪種技術(shù)沒(méi)有公開(kāi)，但很有可能還是基于 Brian 的高速激光光纖掃描（scanning fiber）技術(shù)，也是一種時(shí)間復(fù)用的辦法。Brian 當(dāng)年先試過(guò)只用一根光纖掃描不同聚焦距離，這樣做明顯對(duì)速度要求太高，后來(lái)用一個(gè)光纖束（fiber bundle/array），比如 16 根，每個(gè)光纖有一點(diǎn)位置差，然后同時(shí)掃描得到不同聚焦距離。
這樣的光場(chǎng)受現(xiàn)實(shí)系統(tǒng)的局限肯定不可能是連續(xù)的，都是被采樣的（downsampled）。但是，即使是這樣的光場(chǎng)投射到眼睛里也在理論上是跟真實(shí)世界物體光線進(jìn)入眼睛是一個(gè)道理，因此可以實(shí)現(xiàn) true-3D?；氐阶畛醯膯?wèn)題，這也是為什么 Magic Leap 的技術(shù)重要的原因?，F(xiàn)在你也理解了為什么 Rony 說(shuō)“ HoloLens 會(huì)讓人惡心”了吧？
透明 AR 眼鏡面臨哪些挑戰(zhàn)
1.顯示
首先能實(shí)現(xiàn)近眼光場(chǎng)顯示就很難，現(xiàn)在的公司除了 Magic Leap 還都是用古老的 Stereoscopic 3D 的方法，用戶戴長(zhǎng)了就會(huì)眼困頭暈惡心。而 Magic Leap 所用的近眼顯示技術(shù)理論上成立，現(xiàn)實(shí)中也還有很多問(wèn)題要解決。比如：
系統(tǒng)大?。?Magic Leap 現(xiàn)在還沒(méi)有公開(kāi)過(guò)它的原型照片，據(jù)報(bào)道都還是像一個(gè)冰箱一樣大的，離可穿戴還有很長(zhǎng)的路要走。
光場(chǎng)采樣：既然是采樣就一定有損失，比如對(duì)比度清晰度上，如何才能最優(yōu)采樣？
聚焦和會(huì)聚（Accommodation-vergence matching）：即便聚焦距離對(duì)了，也要保證會(huì)聚距離始終與其保持一致。Magic Leap 現(xiàn)在的 demo 視頻還只是從單眼攝制的，還沒(méi)有證據(jù)表明他們很好地解決了雙眼問(wèn)題。
室外顯示：現(xiàn)在大家的 demo 都是室內(nèi)的。當(dāng)用戶在室外時(shí)，太陽(yáng)光強(qiáng)度比顯示光高幾個(gè)數(shù)量級(jí)。至少鏡片需要有自動(dòng)調(diào)光的技術(shù)。
捕捉內(nèi)容：雖然現(xiàn)在可以用計(jì)算機(jī)圖形來(lái)做demo，但以后的應(yīng)用一定會(huì)需要相機(jī)采集的內(nèi)容，而光場(chǎng)的拍攝本身還有很多問(wèn)題要解決。
散熱：是一個(gè)容易被忽視的問(wèn)題。當(dāng)年 Google Glass 出來(lái)的時(shí)候有人說(shuō)用著用著臉就像要燒起來(lái)了?，F(xiàn)在還沒(méi)有證據(jù)表明HoloLens 和 Magic Leap 的眼鏡能長(zhǎng)時(shí)間保持涼爽。
2.鏡片
近眼顯示有兩個(gè)關(guān)鍵部件：顯示器和鏡片。現(xiàn)在大部分的 AR 眼鏡鏡片都是基于分光鏡（beamsplitter prism）的，比如 Google Glass，HoloLens，Epson Moverio。如圖左，簡(jiǎn)單的分光鏡就是 45 度角，把顯示器產(chǎn)生的光從眼鏡框反射進(jìn)人眼，也同時(shí)讓現(xiàn)實(shí)世界的光透進(jìn)來(lái)。這樣做簡(jiǎn)單便宜，但是鏡片厚。
一個(gè)以色列公司 Lumus 做出了一個(gè)光導(dǎo)（waveguide）技術(shù)讓鏡片變得很薄，可惜工藝復(fù)雜成本太高。后來(lái)也有一些便宜的光導(dǎo)產(chǎn)品出現(xiàn)，但質(zhì)量還遠(yuǎn)不如 Lumus。所以，鏡片也還有很長(zhǎng)的路要走，不僅要做到視角（Field-of-View）大，還要輕薄，透光性好，在折射/反射顯示光的時(shí)候也要盡量保持光的屬性并做到盡量小的光損失。
3.視角（FoV）和分辨率（Resolution）
視角直接決定了用戶體驗(yàn)?，F(xiàn)在的很多 AR 眼鏡視角還在 20°－40°之間，不少試戴了 HoloLens 的記者都對(duì)它的視角表示失望。而人眼的橫向視角雙眼差不多有 200°，縱向有 130°。視角大意味著總的分辨率也要很大才能覆蓋，8K*8K 才會(huì)比較理想。
4.遮擋（Occlusion）
前面說(shuō)到過(guò)單眼的景深感知有一個(gè)很重要的信號(hào)就是物體之間的遮擋。在用透明 AR 眼鏡時(shí)，一個(gè)關(guān)鍵問(wèn)題就是虛擬物體和現(xiàn)實(shí)物體之間的遮擋怎么實(shí)現(xiàn)。
如果是現(xiàn)實(shí)物體在前面，虛擬物體在后面，還相對(duì)比較好辦，就是要自動(dòng)探測(cè)現(xiàn)實(shí)物體的距離，再計(jì)算出虛擬物體哪些部位需要遮擋從而不渲染。但是如果反過(guò)來(lái)，虛擬物體需要遮擋現(xiàn)實(shí)物體，就沒(méi)那么直接了，因?yàn)槔碚撋闲枰熏F(xiàn)實(shí)物體的光從眼鏡上選擇性地濾掉。從 Magic Leap 最近的 demo 看，在虛擬物體明亮?xí)r，它本身的亮度會(huì)自然遮擋后面的真實(shí)物體，但當(dāng)虛擬物體比較暗時(shí)，還是有所謂的“鬼影效果”（ghost effect），不符合自然規(guī)律，又會(huì)讓大腦產(chǎn)生混亂。
如果想實(shí)現(xiàn)完全正確的遮擋效果，只能在鏡片上做實(shí)時(shí)的像素級(jí)的濾光機(jī)制（per-pixel shutter），但現(xiàn)在的技術(shù)都還不成熟。
5.渲染黑色
透明 AR 眼鏡現(xiàn)在還沒(méi)辦法渲染黑色。因?yàn)樗f(shuō)到底是虛擬光和自然光的疊加。如果畫(huà)黑色，用戶是看不到的，只會(huì)看到后面的背景真實(shí)物體的光。類似的暗色都有這個(gè)問(wèn)題。
6.延遲
透明 AR 眼鏡還有一個(gè)很大的挑戰(zhàn)就是延遲。把虛擬物體疊加到真實(shí)物體上（比如放一個(gè)虛擬水杯到一個(gè)真實(shí)桌子上）涉及到一系列計(jì)算：探測(cè)真實(shí)物體→計(jì)算它的空間位置和方向→計(jì)算疊加位置→渲染虛擬物體等。
這一切都必須在一眨眼內(nèi)發(fā)生，讓用戶感覺(jué)不到延遲。比如在那個(gè)水杯例子里，我們的頭可能是一直在動(dòng)的，隨著我們頭動(dòng)，我們看到的那個(gè)水杯應(yīng)該在桌上原來(lái)的位置不動(dòng)才對(duì)。而如果系統(tǒng)延遲過(guò)大，我們看到的那個(gè)水杯的位置可能就總是不對(duì)，大腦就又混亂了。
這對(duì)透明 AR 挑戰(zhàn)尤其大，因?yàn)檎鎸?shí)世界我們是直接看到的，幾乎沒(méi)有任何延遲，而虛擬物體的渲染得能跟上這個(gè)速度才顯得自然。在 video overlay 里，就沒(méi)有這個(gè)問(wèn)題，因?yàn)槲覀兛吹降恼鎸?shí)世界的視頻已經(jīng)是延遲的了，這樣在上面的物體疊加就比較容易跟它保持同步。
7.激光
Magic Leap 以前的技術(shù)專利是用激光直接打到人眼里，雖然據(jù)說(shuō)很安全，但還沒(méi)有確切的科學(xué)證據(jù)。所以用戶接受度是個(gè)問(wèn)題，很多人估計(jì)一聽(tīng)到這個(gè)就望而卻步了。
說(shuō)了這么多，下一代移動(dòng)人機(jī)交互界面到底什么時(shí)候能做成呢？我個(gè)人感覺(jué)要做成人民群眾喜聞樂(lè)見(jiàn)的版本至少要 5 年時(shí)間，也許更長(zhǎng)。因?yàn)橐陨狭谐龅倪@些挑戰(zhàn)，每一個(gè)都還需要很多努力才能解決。目前它們很多都還不到量變（只是需要優(yōu)化）的階段，而是需要大的質(zhì)的飛躍。所以，路漫漫其修遠(yuǎn)兮。但既然這是計(jì)算機(jī)發(fā)展的必然方向，拭目以待吧。
關(guān)于作者：吳萬(wàn)敏，浙江大學(xué)計(jì)算機(jī)專業(yè)本科，伊利諾伊大學(xué)香檳分校博士。科研成果曾獲雅虎重要科技挑戰(zhàn)獎(jiǎng)、ACM多媒體會(huì)議2011最佳學(xué)生論文獎(jiǎng)、ACM計(jì)算機(jī)領(lǐng)域2012最佳論文獎(jiǎng)，SIGMM最佳博士論文獎(jiǎng)（全球每年一篇）。畢業(yè)后到硅谷工作，曾任理光創(chuàng)新實(shí)驗(yàn)室顧問(wèn)研究科學(xué)家，現(xiàn)在谷歌工作。
