Magic Leap和微軟為什么要做AR眼鏡：關(guān)于原理及挑戰

　　那么 Stereoscopic 3D 的問(wèn)題就來(lái)了。因為 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)相連的運動(dòng)強行分離(neurally decoupled)。

　　從另一個(gè)角度講，在自然世界里，當人眼聚焦并會(huì )聚到一個(gè)物體時(shí)，別的距離的物體應該都是模糊的(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律，因此大腦會(huì )產(chǎn)生混亂，長(cháng)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(guān)察自然世界規律的做法，因此被稱(chēng)為 true-3D。

　　可以想象要實(shí)現這樣的光場(chǎng)顯示，并不是那么簡(jiǎn)單?，F在主要是兩種方法：空間復用(space multiplexing)和時(shí)間復用(time multiplexing)。“空間復用”簡(jiǎn)單說(shuō)就是把一個(gè)像素當幾塊用來(lái)實(shí)現不同的聚焦距離。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，因為人眼能分辨的極限值一般就是 60Hz(在某些高速內容比如游戲里可能達到 90-120Hz)。這意味著(zhù)什么呢，如果利用高速顯示 360Hz，就可以實(shí)現 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(xiàn)性混合(linear blending)的渲染算法就基本能實(shí)現從約 30 厘米到無(wú)窮遠讓人眼自然對焦。

　　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)間復用的辦法。Brian 當年先試過(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)受現實(shí)系統的局限肯定不可能是連續的，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(xiàn)進(jìn)入眼睛是一個(gè)道理，因此可以實(shí)現 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

　　1、顯示

　　首先能實(shí)現近眼光場(chǎng)顯示就很難，現在的公司除了 Magic Leap 還都是用古老的 Stereoscopic 3D 的方法，用戶(hù)戴長(cháng)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，現實(shí)中也還有很多問(wèn)題要解決。比如：

　　系統大?。?Magic Leap 現在還沒(méi)有公開(kāi)過(guò)它的原型照片，據報道都還是像一個(gè)冰箱一樣大的，離可穿戴還有很長(cháng)的路要走。

　　光場(chǎng)采樣：既然是采樣就一定有損失，比如對比度清晰度上，如何才能最優(yōu)采樣?

　　聚焦和會(huì )聚(Accommodation-vergence matching)：即便聚焦距離對了，也要保證會(huì )聚距離始終與其保持一致。Magic Leap 現在的 demo 視頻還只是從單眼攝制的，還沒(méi)有證據表明他們很好地解決了雙眼問(wèn)題。

　　室外顯示：現在大家的 demo 都是室內的。當用戶(hù)在室外時(shí)，太陽(yáng)光強度比顯示光高幾個(gè)數量級。至少鏡片需要有自動(dòng)調光的技術(shù)。

　　捕捉內容：雖然現在可以用計算機圖形來(lái)做demo，但以后的應用一定會(huì )需要相機采集的內容，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。當年 Google Glass 出來(lái)的時(shí)候有人說(shuō)用著(zhù)用著(zhù)臉就像要燒起來(lái)了?，F在還沒(méi)有證據表明HoloLens 和 Magic Leap 的眼鏡能長(cháng)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?，F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(waveguide)技術(shù)讓鏡片變得很薄，可惜工藝復雜成本太高。后來(lái)也有一些便宜的光導產(chǎn)品出現，但質(zhì)量還遠不如 Lumus。所以，鏡片也還有很長(cháng)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(hù)體驗?，F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(zhù)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實(shí)物體之間的遮擋怎么實(shí)現。

　　如果是現實(shí)物體在前面，虛擬物體在后面，還相對比較好辦，就是要自動(dòng)探測現實(shí)物體的距離，再計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實(shí)物體，就沒(méi)那么直接了，因為理論上需要把現實(shí)物體的光從眼鏡上選擇性地濾掉。從 Magic Leap 最近的 demo 看，在虛擬物體明亮時(shí)，它本身的亮度會(huì )自然遮擋后面的真實(shí)物體，但當虛擬物體比較暗時(shí)，還是有所謂的“鬼影效果”(ghost effect)，不符合自然規律，又會(huì )讓大腦產(chǎn)生混亂。

　　如果想實(shí)現完全正確的遮擋效果，只能在鏡片上做實(shí)時(shí)的像素級的濾光機制(per-pixel shutter)，但現在的技術(shù)都還不成熟。

　　5、渲染黑色

　　透明 AR 眼鏡現在還沒(méi)辦法渲染黑色。因為它說(shuō)到底是虛擬光和自然光的疊加。如果畫(huà)黑色，用戶(hù)是看不到的，只會(huì )看到后面的背景真實(shí)物體的光。類(lèi)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)涉及到一系列計算：探測真實(shí)物體→計算它的空間位置和方向→計算疊加位置→渲染虛擬物體等。

　　這一切都必須在一眨眼內發(fā)生，讓用戶(hù)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(zhù)我們頭動(dòng)，我們看到的那個(gè)水杯應該在桌上原來(lái)的位置不動(dòng)才對。而如果系統延遲過(guò)大，我們看到的那個(gè)水杯的位置可能就總是不對，大腦就又混亂了。

　　這對透明 AR 挑戰尤其大，因為真實(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，因為我們看到的真實(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(zhuān)利是用激光直接打到人眼里，雖然據說(shuō)很安全，但還沒(méi)有確切的科學(xué)證據。所以用戶(hù)接受度是個(gè)問(wèn)題，很多人估計一聽(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(cháng)。因為以上列出的這些挑戰，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，路漫漫其修遠兮。但既然這是計算機發(fā)展的必然方向，拭目以待吧。