本篇文章将从技术角度出发，并以最近推出的苹果MR为例，分析AR世界里所需要依托的三个关键技术点：眼动追踪、手动识别和空间计算。让我们一起看看作者对这三个技术点的分析吧~

用眼睛看，用手操作，是我们在物理世界里再自然不过的交互方式了。但要在AR世界里延续这种自然交互，却需要依托的三个关键技术点。

Apple Vision Pro的发布没有让我们失望，在里面，我看到了这三个技术带给自然交互的力量。

一、眼动追踪技术

我们在现实中如果需要与哪个物体有进一步的交互，都会自然地将视线集中在它的身上，当我们耗费注意力让视线聚焦在它身上的时候，就已经代表了我们的选择。

这个过程涵盖了目前界面领域上的两个状态：激活态（聚焦）和点击态（选择）。眼动追踪技术，实现的是看到聚焦这个过程。

这个技术当然并不是首创。AR眼镜的先驱，Microsoft Holoens第2代的交互就主打了Eye-gaze，就是用眼睛来聚焦的功能。

而在之前，Microsoft Holoens第1代的头动（Head-gaze）交互其实也已经有用眼睛来看和激活的概念了。但Head-gaze里使用头部微微移动来控制屏幕中心的一个点（Gaze）来激活内容，和我们本来的自然交互始终是有差距的，因为实际上我们聚焦一个物体，并不需要每次都靠头动，靠眼睛动就行了。

不过，虽然眼动追踪技术更解决自然交互的标准，但头动交互并不是没有可取之处，比如我团队目前自研的眼镜还只能支持Head-gaze交互。这种交互手段的成本和技术难度更低，比起用手/鼠标/遥控器等去聚焦激活的方式，它更加贴近我们用眼睛看这个自然交互理念。

另外，眼动追踪技术实现了激活态，却还没真正实现选择，也就是那个点击态。作用是告诉机器我确认是它了。

严格来说，对于不需要操作的东西，省去手这个确认操作是很有必要的。比如，我一边吃零食一边追剧的时候，就很希望不用每次操作前都要擦一擦我的脏手……在制造领域，类似这种解放双手的需求也经常被客户提出。

为了更自然的交互，也许这也可以成为我们畅想的一部分。之前我写过一个专利，就是靠脑电波技术来进行简单的确认。

二、手势识别技术

眼动追踪满足用眼睛看这部分的交互，用手操作，则需要手势识别技术。

这也不是什么新技术了，之前很多ARVR的设备上都有搭载，当然实现程度还要实际体验再确认。

Vision Pro的宣传视频里，手势识别看上去很自然，手甚至都不需要抬起来，这应该是依靠4组下视角相机（这大概也是需要12个摄像头配置的原因之一吧）。

相比Hololens2的宣传视频，可以看出手势是在头顶摄像头涵盖范围的。

因为手势识别是需要依托摄像头的（计算机需要输入才能知晓你的手在怎么动），那么同样的手势从不同角度拍摄的结果就不一样，识别的结果也会受到影响。

另外，2D手势识别和3D手势识别技术的体验感也不太一样。

三、空间计算

要让眼睛看得更爽，用手操作得更自然，设备需要有对空间的理解能力。空间计算，也是Vision Pro想主推的，对于这个能力的注重，让他们认为这块能力可以划分一个时代。

“空间计算时代”。

没有空间计算能力，也就是如果机器不能理解空间的话，很多交互都自然不起来。我们现在所听到的Nerf、SLAM、3DOF、6DOF，都属于空间计算技术的一员。

从体验角度来说，空间深度所带来的物体之间、物体与用户之间的距离感知； 用户在不同位置和姿态下的视角朝向所带来的物体形状变化；真实环境中因时间和天气等光线不同所导致的色彩感知变化；甚至不同空间位置所传来的声音等，空间计算能给予设计师更多自然交互的空间。

可以说，空间计算，是能让AR在未来，成为不同于普通屏幕界面的、我们真正所期待的“凡所看之处，皆可成为界面”的关键技术。