世上最强VR一体机Oculus Quest

作者：发布时间：2021-12-14 10:27:57来源：

经过数月的等待，52VR终于等来了期待已久的Oculus Quest，对于这款设备的强大国内玩家和官方及海外媒体和高玩的体验分享表明：

“截止目前最好的VR游戏机！”

Facebook在收购VR头戴设备制造商Oculus后开始发力占领VR设备市场。新款VR一体式头盔Oculus Quest的发布，意味着实现精准的实时位置追踪功能，将成为VR设备战场的决定性因素。
那么Quest头盔究竟是如何实现位置追踪的呢？未来VR头盔设备将会怎样发展呢？会遇到什么挑战呢？

原文来自TechCrunch，作者Devin Coldewey
VR一体机Oculus Quest的设计目标是让VR体验变得简单轻便，它也确实做到了这一点。
但实际上，从原本的由室内物品来跟踪头盔，发展为由头盔来追踪室内物品，是一个非常复杂的过程。于是我和Facebook首席技术官麦克·斯科洛普夫（Mike Schroepfer）讨论了头盔由“外向内（outside-in）”到“内向外（inside-out）”的追踪方案转变。
当玩家佩戴上VR头盔和控制器，移动头和手时，VR系统中的某些部分必须时刻确保能准确追踪到用户头和手的位置。
通常可采用两种方法：一种是“外向内”追踪——将传感器安装在房间内的不同位置，从外部识别头盔及其内部嵌入式LED屏幕的相对位置；另一种是“内向外”追踪——将设备本身集成为传感器，头盔从内部追踪房间里的基准点，以时刻调整移动时的位置坐标。

两者都有各自的优缺点。但如果你想设计一个无线系统，那么最好选择“内向外”追踪方法，这样就无需在头盔和计算机之间传输无线信号以追踪实时位置，也就能避免出现信号延迟、影响用户VR体验。
Facebook和它旗下的VR头戴设备制造商Oculus几年前设定了一个目标——不仅要采取“内向外”追踪，还要使其准确度比肩（甚至超越）必须与高端计算机相连接的“外向内”追踪系统。

不仅如此，他们还希望这个设备在任何地方都能运行，而不仅仅受限于由无线电信标或其他信标限制好边界的场景中；而且在戴上VR头盔几秒内就可开始运行。
最终的成果就是令人印象深刻的Quest头盔，它成功达到了上述要求（尽管它在其他方面并没有实现较大的飞跃）。
让人印象深刻的是，Quest头盔不但能够追踪周围物体的位置，转换生成头盔自身的准确3D位置，而且实时转换所需的功耗，仅为普通计算机转换所需功耗的一小部分。

“尽管之前还有很多质疑声，”斯科洛普夫说道，“但我目前还没有看到过，性能可与之媲美的系统。”
Quest头盔采用的技术叫同步定位与建图。它大体上可概括为，在构建周边环境的3D地图的同时进行自身定位。
当然，机器人在这方面操作上已经驾轻就熟了，但它们通常使用雷达之类的专业硬件来进行定位，它们的处理器也更为强大。而Quest头盔使用的不过是普通摄像机。

“如果身处在一间仓库中，我需要确保我的照明正常，这样一旦遇到问题，我就可以靠标记在墙上的基准点来重置定位原点——这就相当于大幅度地简化了问题。”斯科洛普夫说。
“当然我并不是让你在墙上标记有形的基准点。我们也不会让你在房子周围标记二维码，或是能精准定位的GPS坐标。”
“就算Quest头盔在此之前从未见过你的客厅，它也必须要在这个新环境中开始工作。

“在客厅这种相对受限的环境中，我们会设置一个移动处理器，它主要也是负责处理环境内的内容信息。机器人可不需要在巡视仓库的同时，还玩Beat Saber（一款VR音乐游戏）。”
因此从各个方面来看，转换追踪方式都是一个难题，团队多年来也一直在努力解决这个问题。
最终，问题的解决有赖于几大要素的实现。其中之一就是移动芯片已经足够强劲，可以投入实际使用。
但这一点并非最重要的因素。起到更关键作用的，是Facebook人工智能部门在扬·勒丘恩（Yann LeCun）和其他员工的努力下，正在进行的计算机视觉（computer vision）研究。
机器学习模型会预先加载，在解决计算机视觉问题时所需的大量步骤，并且，如果对计算机理解和推理的要求不高的话，可以选择更加轻量化的计算机引擎。将高效的、基于边缘定向（edge-oriented）的机器学习应用到工作中，会离可行的解决方案更近一步。
然而，大部分工作还需要在多个系统中进行复杂的实时交互，从而完成SLAM操作。
斯科洛普夫表示：“我想说，机器学习的应用只是说起来容易，实际上，想要让它发挥作用还需要做出很多努力。”
“比方说，假设你的系统中有一个惯性测量单元（inertial measurement unit，IMU）（译注：一种精度更高的定位技术），它的运行频率非常高，可能高达1000赫兹，总之就是远高于系统中其他部分（比如传感器等，但不包括处理器）的频率。但是它自身也会产生很多错误。
“再假设，我们有能力在各个独立线程上，分别运行追踪器和映射器。但事实上，我们只会在多个线程上运行一个公共映射器，因为映射器是系统中成本最高的部分。
“多线程编程在一开始运行时会比较艰难，但如果你可以合理运作这三者（IMU装置、追踪器和映射器），那么它们就能以很有意思的方式共享数据，并且快速完成计算。”
说到这儿，斯科洛普夫突然发觉：“恐怕我得花三个小时才能向你解释清楚这些复杂繁琐的工作。”
在全新跟踪技术Oculus Insight的开发过程中，开发人员也进行了广泛的测试。
他们利用商用动态追踪装置，追踪戴着头盔和控制器的测试者，并使用OptiTrack设备（一种高端光学动作捕捉设备）来精准捕捉用户动作，以此生成标准参考结果。

他们正在用OptiTrack设备对用户进行测试
为了研究算法和传感系统如何运作，他们会整理测试数据，并还原成模拟场景：数据包括摄像机录制的视频，从IMU中采集到的数据，以及其他相关指标。
如果模拟结果接近标准参考结果，那么就判定系统的执行情况为良好。如果不接近，那么工程师就会调整系统的参数，然后再次进行测试和模拟。
在一次次模拟、对比结果、调整参数后，系统能在生成标准结果的前提下，变得更小巧、更高效。
最终它的性能需要达到与标准Oculus Rift头盔一样，甚至更高的水平。因为不管有多便宜，都没有人会去购买比旧版本性能更低的头盔。
“先不提与标准参考结果相比，我们的实验错误率如何。让我们来探讨一下，在完整的使用过程中，它的实际表现如何，”斯科洛普夫说：“我们团队中有些Beat Saber的忠实玩家。当我们进入研发的最后阶段时，他们会同时测试Rift和Quest两种头盔。
“我们的目标是，同一个人使用Quest后得到的游戏分数，应该与用Rift时得的分数一样，甚至更高。这是衡量微观指标的一种好方法，也正是我们为了满足用户想要的最终体验，所需要达成的目标。”
Quest头盔虽然便宜，但它的性能并不低
激光雷达的价格十分昂贵，因此即便是汽车制造商选择安装时都会非常谨慎。而用激光时差测距或像Kinect（微软的一款运用结构光的体感设备）这样的结构光采集方法也会使得成本上升。尽管后来，业内逐渐采用3D感应工具，从而大规模解决了成本问题。
他说：“因为从长期发展来说，我们还是想控制产品成本，所以我们当时考虑的是，如果不采用那些昂贵的工具，我们是否能得到同样准确的结果。”
“当和计算机视觉团队交谈后我们发现，他们非常看好背靠强大算法的摄像机，认为可以用它们来解决问题。因此从长远来看，从大多数用户的使用情况来看，我们希望能够采取‘内向外’追踪方法。”
我也提出了我的担忧，目前，并非所有人都认可VR是一个成熟产业，而技术上的解决方案，可能无法消除“心理上的偏见”等多方面的问题。
斯科洛普夫回答说，VR的运用尚存三个基本问题：成本、磨合和内容。
成本问题不言而喻，近几年的设备价格也没有下降的趋势。Sony旗下的VR头盔PlayStation VR很早就建立了低价市场，但是“实际上”VR设备仍然很昂贵。
磨合问题是指用户从“开箱”到“开始游戏”，需要设置和适应，这一直都是VR在实际使用中的一个难题。

Oculus Quest能够同时解决这两个问题。这款头盔不仅价格仅为400美元，而且，正如我们在评论中说的那样，它非常容易上手和使用。所以计算机视觉研究还是有所成效的。
然而目前，内容问题依然很明显。尽管有几款小火的游戏（Superhot和Beat Saber等），但要吸引主流玩家投入VR游戏中，仍需要开发出更多的热门游戏。

斯科洛普夫承认：“我相信当我们把这些头盔交给游戏开发者后，他们就会产生各种游戏灵感。所以我认为我们现在仍处于早期阶段，这些游戏平台仍需要一些时间来充实平台内容。”
“我认为每个人都应该耐心等待，这需要一点时间。但这是我们抵达成功的必经之路。我们将继续坚持不懈，尽可能快地制作出更好、更多的游戏，为消费者带来更好的VR体验，做出更好的VR头盔。”
​