【關于作者】本文作者@胡伯濤 Botao Amber Hu，清華大學姚班本科，斯坦福計算機系研究生畢業(yè)，方向為計算攝影和人工智能，目前從事以無人機和虛擬現(xiàn)實技術實現(xiàn)的計算攝影研究。光流科技CEO，CTO，C*O。曾在Google, Microsoft Research, Pinterest, Twitter工作或實習過。

最近看到國內(nèi)網(wǎng)絡上突然Magic Leap的話題火了，并且跟著很多人無理由和根據(jù)的贊或黑Magic Leap。我在斯坦福計算機系上學的時候，對Magic Leap很好奇，正好在學校能接觸到各路和Magic Leap相關的大神，所以在這方面做了些研究，我覺得可以分享點技術性干貨，解釋一些原理，讓大家有點材料來贊或黑。

目前Magic Leap只有一個公開視頻是實際拍攝的：http://v.youku.com/v_show/id_XMTM2NjM0MjE1Ng（桌腿后的機器人和太陽系），本文只以這個視頻的例子來做闡釋。 

先說一下我關于Magic Leap的信息來源： 

1、2014年11月10日，Magic Leap在2014年9月融了5個億以后，來Stanford招人，開了一個Info Session，標題是“The World is Your New Desktop”（世界就是你的新桌面）多么霸氣！當時是Magic Leap感知研究的高級副總裁（VP of Perception）Gary Bradski和計算視覺的技術負責人（Lead of Computer Vision）Jean-Yves Bouguet來作演講。Gary是計算機視覺領域的領軍人物，在柳樹車庫（Willow Garage）創(chuàng)造了OpenCV（計算視覺工具庫），同時也是Stanford顧問教授。Jean-Yves原來在Google負責谷歌街景車（Street View Car）的制造，是計算視覺技術的大牛。他們加入Magic Leap是非常令人震驚的。我參加了這次Info Session，當時Gary來介紹Magic Leap在感知部分的技術和簡單介紹傳說中的數(shù)字光場Cinematic Reality的原理，并且在允許錄影的部分都有拍照記錄。本文大部分的干貨來自這次演講。 

2、我今年年初上了Stanford計算攝影和數(shù)字光場顯示的大牛教授Gordon Wetzstein的一門課：EE367 Computational Imaging and Display（計算影像和顯示器）：其中第四周的Computational illumination，Wearable displays和Displays Blocks（light field displays）這三節(jié)都講到Magic Leap的原理。現(xiàn)在大家也可以去這個課程網(wǎng)站上看到這些資料，EE367 / CS448I: Computational Imaging and Display

順便介紹一下Gordon所在的Stanford計算圖形組，Marc Levoy（后來跑去造Google Glass的大牛教授）一直致力于光場的研究，從Marc Levoy提出光場相機，到他的學生Ren Ng開創(chuàng)Lytro公司制造光場相機，到現(xiàn)在Gordon教授制造光場顯示器（裸眼光場3D顯示器），這個組在光場方面的研究一直是世界的領頭羊。而Magic Leap可能正在成為光場顯示器的最大應用。（相關內(nèi)容可參考：Computational Imaging Research Overview）

3、今年參加了光場影像技術的研討會Workshop on Light Field Imaging ，現(xiàn)場有很多光場技術方面的展示，我和很多光場顯示技術的大牛交流了對Magic Leap的看法。特別的是，現(xiàn)場體驗了接近Magic Leap的光場技術Demo，來自Nvidia的Douglas Lanman的Near-Eye Light Field Displays 。（相關內(nèi)容可參考：Near-Eye Light Field Displays）

4、今年年中去了微軟研究院Redmond訪問，研究院的首席研究員Richard Szeliski（計算機視覺大神，計算機視覺課本的作者，Computer Vision: Algorithms and Applications）讓我們試用了Hololens。感受了Hololens牛逼無比的定位感知技術。有保密協(xié)議，本文不提供細節(jié)，但提供與Magic Leap原理性的比較。 

下面是干貨：

首先呢，科普一下Magic Leap和Hololens這類AR眼鏡設備，都是為了讓你看到現(xiàn)實中不存在的物體和現(xiàn)實世界融合在一起的圖像并與其交互。從技術上講，可以簡單的看成兩個部分：

• 對現(xiàn)實世界的感知（Perception）；

• 一個頭戴式顯示器以呈現(xiàn)虛擬的影像 (Display) 。 

我會分感知部分和顯示部分來分別闡釋Magic Leap的相關技術。 

一、顯示部分

先簡單回答這個問題： 

Q1. Hololens和Magic Leap有什么區(qū)別？Magic Leap的本質(zhì)原理是什么？ 

在感知部分，其實Hololens和Magic Leap從技術方向上沒有太大的差異，都是空間感知定位技術。本文之后會著重介紹。Magic Leap與Hololens最大的不同應該來自顯示部分，Magic Leap是用光纖向視網(wǎng)膜直接投射整個數(shù)字光場（Digital Lightfield）產(chǎn)生所謂的Cinematic Reality（電影級的現(xiàn)實）。Hololens采用一個半透玻璃，從側面DLP投影顯示，虛擬物體是總是實的，與市場上Espon的眼鏡顯示器或Google Glass方案類似，是個2維顯示器，視角還不大，40度左右，沉浸感會打折扣。

本質(zhì)的物理原理是：光線在自由空間中的傳播，是可以由4維光場唯一表示的。成像平面的每個像素中包含到這個像素所有方向的光的信息，對于成像平面來講，方向是二維的，所以光場是4維的。平時成像過程只是對四維光場進行了一個二維積分（每個像素上所有方向的光的信息都疊加到一個像素點上），傳統(tǒng)顯示器顯示這個2維的圖像，是有另2維方向信息損失的。而Magic Leap是向你的視網(wǎng)膜直接投射整個4維光場， 所以人們通過Magic Leap看到的物體和看真實的物體從數(shù)學上是沒有什么區(qū)別的，是沒有信息損失的。理論上，使用Magic Leap的設備，你是無法區(qū)分虛擬物體和現(xiàn)實的物體的。 

使用Magic Leap的設備，最明顯的區(qū)別于其他技術的效果是人眼可以直接選擇聚焦（主動選擇性聚焦）。比如我要看近的物體，近的物體就實，遠的就虛。注意：這不需要任何的人眼跟蹤技術，因為投射的光場還原了所有信息，所以使用者直接可以做到人眼看哪實哪，和真實物體一樣。舉個例子：在虛擬太陽系視頻的27秒左右（如下面這個gif圖），攝影機失焦了，然后又對上了，這個過程只發(fā)生在攝影機里，和Magic Leap的設備無關。換句話說，虛擬物體就在那，怎么看是觀察者自己的事。這就是Magic Leap牛逼的地方，所以Magic Leap管自己的效果叫Cinematic Reality。 

Q2. 主動選擇性聚焦有什么好處？傳統(tǒng)的虛擬顯示技術中，為什么你會頭暈？Magic Leap是怎么解決這個問題的？ 

眾所周知，人類的眼睛感知深度主要是靠兩只眼睛和被觀察物體做三角定位（雙目定位，triangulation cue）來感知被觀察物體的與觀察者的距離的。但三角定位并不是唯一的人類感知深度的線索，人腦還集成了另一個重要的深度感知線索：人眼對焦引起的物體銳度（虛實）變化（sharpness or focus cue） 。但傳統(tǒng)的雙目虛擬顯示技術（如Oculus Rift或Hololens）中的物體是沒有虛實的。舉個例子，如下圖，當你看到遠處的城堡的時候，近處的虛擬的貓就應該虛了，但傳統(tǒng)顯示技術中，貓還是實的，所以你的大腦就會引起錯亂，以為貓是很遠的很大的一個物體。但是這和你的雙目定位的結果又不一致，經(jīng)過幾百萬年進化的大腦程序一會兒以為貓在近處，一會兒以為貓在遠處，來來回回你大腦就要燒了，于是你要吐了。而Magic Leap投影了整個光場，所以你可以主動選擇性聚焦，這個虛擬的貓就放在了近處，你看它的時候就是實的，你看城堡的時候，它就是虛的，和真實情況一樣，所以你不會暈。演講中Gary調(diào)侃對于Jean-Yves這種帶10分鐘Oculus就吐的家伙來說，現(xiàn)在他一天帶16個小時Magic Leap都不會暈。

補充：有人問為什么網(wǎng)上說虛擬現(xiàn)實頭暈是因為幀率不夠原因？

幀率和延時雖然是目前的主要問題，但都不是太大的問題，也不是導致暈得決定性因素。這些問題用更快的顯卡，好的IMU和好的屏幕，還有頭部動作預測算法都能很好解決。我們要關心一些本質(zhì)的暈眩問題。

這里要說到虛擬現(xiàn)實和增強現(xiàn)實的不同。

虛擬現(xiàn)實中，使用者是看不到現(xiàn)實世界的，頭暈往往是因為人類感知重力和加速度的內(nèi)耳半規(guī)管感受到的運動和視覺看到的運動不匹配導致的。所以虛擬現(xiàn)實的游戲，往往會有暈車想吐的感覺。這個問題的解決不是靠單一設備可以搞定的，如果使用者的確坐在原定不動，如果圖像在高速移動，什么裝置能騙過你的內(nèi)耳半規(guī)管呢？一些市場上的方案，比如Omni VR，或者HTC Vive這樣的帶Tracking的VR系統(tǒng)讓你實際行走才解決這個不匹配的問題，但這類系統(tǒng)是受場地限制的。不過THE VOID的應用就很好的利用了VR的局限，不一定要跑跳，可以用很小的空間做很大的場景，讓你以為你在一個大場景里就好了?，F(xiàn)在大部分虛擬現(xiàn)實的體驗或全景電影都會以比較慢得速度移動視角，否則你就吐了。

但是Magic Leap是AR增強現(xiàn)實，因為本來就看的到現(xiàn)實世界，所以不存在這個內(nèi)耳半規(guī)管感知不匹配的問題。對于AR來講，主要挑戰(zhàn)是在解決眼前投影的物體和現(xiàn)實物體的銳度變化的問題。所以Magic Leap給出的解決方案是很好地解決這個問題的。但都是理論上的，至于實際工程能力怎么樣就靠時間來證明了。

Q3. 為什么要有頭戴式顯示器？為什么不能裸眼全息？Magic Leap是怎么實現(xiàn)的？ 

人類希望能憑空看到一個虛擬物體，已經(jīng)想了幾百年了。各種科幻電影里也出現(xiàn)了很多在空氣中的全息影像。 

但其實想想本質(zhì)就知道，這事從物理上很難實現(xiàn)：純空氣中沒有可以反射或折射光的介質(zhì)。顯示東西最重要的是介質(zhì)。很多微信上的瘋傳，以為Magic Leap不需要眼鏡，我估計是翻譯錯誤導致的，視頻中寫了Shot directly through Magic Leap tech.，很多文章錯誤的翻譯成“直接看到”或“裸眼全息"，其實視頻是相機透過Magic Leap的技術拍的。 

目前全息基本還停留在全息膠片的時代（如下圖，我在光場研討會上看到的這個全息膠片的小佛像），或者初音未來演唱會那種用投影陣列向特殊玻璃（只顯示某一特定角度的圖像，而忽略其他角度的光線）做的偽全息。 

Magic Leap想實現(xiàn)的是把整個世界變成你的桌面這樣的愿景。所以與其在世界各個地方造初音未來那樣的3D全息透明屏做介質(zhì)或弄個全息膠片，還不如直接從人眼入手，直接在眼前投入整個光場更容易。其實Nvidia也在做這種光場眼鏡。

Nvidia采用的方法是在一個二維顯示器前加上一個微鏡頭陣列Microlens array來生成4維光場。相當于把2維的像素映射成4維，自然分辨率不會高，所以這類光場顯示器或相機（Lytro）的分辨率都不會高。本人親測，效果基本就是在看馬賽克畫風的圖案。 

而Magic Leap采用完全不同的一個方法實現(xiàn)光場顯示，它采用光纖投影。不過，Magic Leap用的光纖投影的方式也不是什么新東西。在Magic Leap做光纖投影顯示（Fiber optic projector）的人是Brian Schowengerdt，他的導師是來自華盛頓大學的教授Eric Seibel，致力于做超高分辨率光纖內(nèi)窺鏡8年了。簡單原理就是光纖束在一個1mm直徑管道內(nèi)高速旋轉，改變旋轉的方向，然后就可以掃描一個較大的范圍。Magic Leap的創(chuàng)始人比較聰明的地方，是找到這些做高分辨率光纖掃描儀的，由于光的可逆性，倒過來就能做一個高分辨率投影儀。如圖，他們6年前的論文，1mm寬9mm長的光纖就能投射幾寸大的高清蝴蝶圖像?，F(xiàn)在的技術估計早就超過那個時候了。

而這樣的光纖高分辨率投影儀還不能還原光場，需要在光纖的另一端放上一個微鏡頭陣列microlens array，來生成4維光場。你會疑問這不就和Nvidia的方法一樣了么？不，因為光纖束是掃描性的旋轉，這個microlens array不用做得很密很大，只要顯示掃描到的區(qū)域就好了。相當與把大量數(shù)據(jù)在時間軸上分布開了，和通訊中的分時一樣，因為人眼很難分辨100幀上的變化，只要掃描幀率夠高，人眼就分辨不出顯示器是否旋轉顯示的。所以Magic Leap的設備可以很小，分辨率可以很高。

他本人也來Stanford給過一個Talk，Near-to-Eye Volumetric 3D Displays using Scanned Light。這個Talk講的應該就是Magic Leap早期的原型。（相關內(nèi)容可參考: Fiber Scanned Displays）

二、感知部分

Q4. 首先為什么增強現(xiàn)實要有感知部分？ 

是因為設備需要知道自己在現(xiàn)實世界的位置（定位），和現(xiàn)實世界的三維結構（地圖構建），才能夠在顯示器中的正確位置擺放上虛擬物體。舉個最近的Magic Leap Demo視頻的例子，比如桌子上有一個虛擬的太陽系，設備佩戴者的頭移動得時候，太陽系還呆在原地，這就需要設備實時的知道觀看者視角的精確位置和方向，才能反算出應該在什么位置顯示圖像。同時，可以看到桌面上還有太陽的反光，這就要做到設備知道桌子的三維結構和表面信息，才能正確的投射一個疊加影像在桌子的影像層上。難點是如何做到整個感知部分的實時計算，才能讓設備穿戴者感覺不到延時。如果定位有延時，佩戴者會產(chǎn)生暈眩，并且虛擬物體在屏幕上漂移會顯得非常的虛假，所謂Magic Leap宣稱的電影級的真實（Cinematic Reality）就沒有意義了。 

三維感知部分并不是什么新東西，計算機視覺或機器人學中的SLAM（Simultaneous Localization And Mapping，即時定位與地圖構建）就是做這個的，已經(jīng)有30年的歷史了。設備通過各種傳感器（激光雷達，光學攝像頭，深度攝像頭，慣性傳感器）的融合將得出設備自己在三位空間中的精確位置，同時又能將周圍的三位空間實時重建。 

最近SLAM技術尤其火爆，去年到今年兩年時間內(nèi)巨頭們和風投收購和布局了超級多做空間定位技術的公司。因為目前最牛逼的3大科技技術趨勢：無人車，虛擬現(xiàn)實，無人機，他們都離不開空間定位。SLAM是完成這些偉大項目基礎中的基礎。我也研究SLAM技術，所以接觸的比較多，為了方便大家了解這個領域，這里簡單提幾個SLAM界最近的大事件和人物：

1、（無人車）Stanford的機器人教授Sebastian Thrun是現(xiàn)代SLAM技術的開創(chuàng)者，自從贏了DARPA Grand Challenge的無人車大賽后，去了Google造無人車了。SLAM學術圈的大部分研究派系都是Sebastian徒子徒孫。 

2、（無人車）Uber在今年拿下了卡耐基梅隆CMU的NREC（國家機器人工程研發(fā)中心），合作成立高等技術研發(fā)中心ATC。這些原來做火星車的定位技術的研究人員都去Uber ATC做無人車了。 

3、（虛擬現(xiàn)實）最近Surreal Vision被Oculus Rift收購，其中創(chuàng)始人Richard Newcombe是大名鼎鼎的DTAM，KinectFusion（HoloLens的核心技術）的發(fā)明人。Oculus Rift還在去年收購了13th Labs（在手機上做SLAM的公司）。 

4、（虛擬現(xiàn)實）Google Project Tango 今年發(fā)布世界上第一臺到手就用的商業(yè)化SLAM功能的平板。Apple五月收購Metaio AR，Metaio AR 的 SLAM 很早就用在了AR的app上了。Intel 發(fā)布Real Sense，一個可以做SLAM的深度攝像頭，在CES上Demo了無人機自動壁障功能和自動巡線功能。 

5、（無人機）由原來做Google X Project Wing 無人機的創(chuàng)始人MIT機器人大牛Nicholas Roy 的學生Adam Bry創(chuàng)辦的Skydio，得到A16z的兩千萬估值的投資，挖來了Georgia Tech的SLAM大牛教授Frank Dellaert 做他們的首席科學家。（相關內(nèi)容：http://www.cc.gatech.edu/~dellaert/FrankDellaert/Frank_Dellaert/Frank_Dellaert.html）

SLAM作為一種基礎技術，其實全世界做SLAM或傳感器融合做得好的大牛可能不會多于100人，并且大都互相認識。這么多大公司搶這么點人，競爭激烈程度可想而知，所以Magic Leap作為一個創(chuàng)業(yè)公司一定要融個大資，才能和大公司搶人才資源。 

Q5. Magic Leap的感知部分的技術是怎么樣的？ 

這張照片是Gary教授在Magic Leap Stanford 招聘會中展示了Magic Leap在感知部分的技術架構和技術路線?？梢钥吹揭訡alibration為中心，展開成了4支不同的計算機視覺技術棧。 

1、從圖上看，整個Magic Leap感知部分的核心步驟是Calibration（圖像或傳感器校準），因為像Magic Leap或Hololens這類主動定位的設備，在設備上有各種用于定位的攝像頭和傳感器， 攝像頭的參數(shù)和攝像頭之間關系參數(shù)的校準是開始一切工作的第一步。這步如果攝像頭和傳感器參數(shù)都不準，后面的定位都是無稽之談。從事過計算機視覺技術的都知道，傳統(tǒng)的校驗部分相當花時間，需要用攝像頭拍攝Chess Board，一遍一遍的收集校驗用的數(shù)據(jù)。但Magic Leap的Gary，他們發(fā)明了一種新的Calibration方法，直接用一個形狀奇特的結構體做校正器，攝像頭看一遍就完成了校正，極為迅速。這個部分現(xiàn)場不讓拍照。

2、有了Calibration部分后，開始最重要的三維感知與定位部分（左下角的技術棧），分為4步。 

2.1 首先是Planar Surface Tracking（平面表面跟蹤）。大家可以在虛擬太陽系的Demo中看到虛擬太陽在桌子上有反光，且這個反光會隨著設備佩戴者的移動而改變位置，就像是太陽真的懸在空中發(fā)出光源，在桌子表面反射產(chǎn)生的。這就要求設備實時地知道桌子的表面在哪里，并且算出虛擬太陽與平面的關系，才能將太陽的反光的位置算出來，疊在設備佩戴者眼鏡相應的位子上，并且深度信息也是正確的。難點在平面檢測的實時性和給出平面位置的平滑性（否則反光會有跳變）從Demo中可以看出Magic Leap在這步上完成得很好。 

2.2 然后是Sparse SLAM（稀疏SLAM）；Gary在Info Session上展示了他們實時的三維重構與定位算法。為了算法的實時性，他們先實現(xiàn)了高速的稀疏或半稀疏的三維定位算法。從效果上看，和目前開源的LSD算法差不了太多。 

2.3 接著是Sensors; Vision and IMU（視覺和慣性傳感器融合）。 

導彈一般是用純慣性傳感器做主動定位，但同樣的方法不能用于民用級的低精度慣性傳感器，二次積分后一定會漂移。而光靠視覺做主動定位，視覺部分的處理速度不高，且容易被遮檔，定位魯棒性不高。將視覺和慣性傳感器融合是最近幾年非常流行的做法。 

舉例： 

Google Tango在這方面就是做IMU和深度攝像頭的融合，做的很好；大疆的無人機Phantom 3或Inspire 1將光流單目相機和無人機內(nèi)的慣性傳感器融合，在無GPS的情況下，就能達到非常驚人的穩(wěn)定懸停；Hololens可以說在SLAM方面是做得相當好，專門定制了一個芯片做SLAM，算法據(jù)說一脈相承了KinectFusion的核心，親自測試感覺定位效果很贊（我可以面對白色無特征的墻壁站和跳，但回到場中心后定位還是很準確的，一點都不飄。）

2.4 最后是3D Mapping and Dense SLAM（3D地圖重建）。下圖展示了Magic Leap山景城辦公室的3D地圖重建：僅僅是帶著設備走了一圈，就還原了整個辦公室的3D地圖，并且有很精致的貼圖。書架上的書都能重建的不變形。

因為AR的交互是全新的領域，為了讓人能夠順利地和虛擬世界交互，基于機器視覺的識別和跟蹤算法成了重中之重。全新人機交互體驗部分需要大量的技術儲備做支持。 

接下來的三個分支，Gary沒有細講，但是可以看出他們的布局。我就隨便加點注解，幫助大家理解。 

3.1 Crowdsourcing眾包。用于收集數(shù)據(jù)，用于之后的機器學習工作，要構建一個合理的反饋學習機制，動態(tài)的增量式的收集數(shù)據(jù)。 

3.2 Machine Learning & Deep Learning機器學習與深度學習。需要搭建機器學習算法架構，用于之后的識別算法的生產(chǎn)。 

3.3 Scenic Object Recognition場景物體識別。識別場景中的物體，分辨物體的種類，和特征，用于做出更好的交互。比如你看到一個小狗的時候，會識別出來，然后系統(tǒng)可以把狗狗p成個狗型怪獸，你就可以直接打怪了。 

3.4 Behavior Recognition行為識別 。識別場景中的人或物的行為，比如跑還是跳，走還是坐，可能用于更加動態(tài)的游戲交互。順便提一下，國內(nèi)有家Stanford校友辦的叫格林深瞳的公司也在做這個方面的研究。 

跟蹤方面 

4.1 Gesture Recognition手勢識別。用于交互，其實每個AR/VR公司都在做這方面的技術儲備。 

4.2 Object Tracking物體追蹤。這個技術非常重要，比如Magic Leap的手捧大象的Demo，至少你要知道你的手的三維位置信息，實時Tracking，才能把大象放到正確的位子。 

4.3 3D Scanning三維掃描。能夠將現(xiàn)實物體，虛擬化。比如你拿起一個藝術品，通過三維掃描，遠處的用戶就能夠在虛擬世界分享把玩同樣的物體。 

4.4 Human Tracking人體追蹤。比如：可以將現(xiàn)實中的每個人物，頭上可以加個血條，能力點之類。 

5.1 Eye Tracking眼動跟蹤。Gary解釋說，雖然Magic Leap的呈像不需要眼動跟蹤，但因為要計算4維光場，Magic Leap的渲染計算量巨大。如果做了眼動跟蹤后，就可以減少3D引擎的物體渲染和場景渲染的壓力，是一個優(yōu)化的絕佳策略。 

5.2 Emotion Recognition情感識別。如果Magic Leap要做一個Her電影中描繪的人工智能操作系統(tǒng)，識別主人得情感，可以做出貼心的情感陪護效果。 

5.3 Biometrics生物識別。比如要識別現(xiàn)實場景中的人，在每個人頭上顯示個名字啥的。人臉識別是其中一種，國內(nèi)有家清華姚班師兄弟們開得公司Face++就是干這個干的最好的。 

總結：簡單來講感知這個部分Magic Leap其實和很多其他的公司大同小異，雖然有了Gary的加盟，野心非常的寬廣，但這部分競爭非常激烈。 

Q6: 就算Magic Leap已經(jīng)搞定了感知和顯示，那么接下來的困難是什么？ 

1、計算設備與計算量

Magic Leap要計算4維光場，計算量驚人。不知道Magic Leap現(xiàn)在是怎么解決的。如果Nvidia不給造牛逼的移動顯卡怎么辦？難道自己造專用電路？背著4塊泰坦X上路可不是鬧著玩的。 

下圖是，今年我參加SIGGraph 2015里，其中一個VR演示，每個人背著個大電腦包玩VR。10年后的人類看今天的人類追求VR會不會覺得很好笑，哈哈。 

2、電池！電池！電池！所有電子設備的痛

3、一個操作系統(tǒng)

說實話，如果說“世界就是你的新桌面”是他們的愿景，現(xiàn)在的確沒有什么操作系統(tǒng)可以支持Magic Leap愿景下的交互。他們必須自己發(fā)明輪子。 

4、為虛擬物體交互體驗增加物理感受

為了能有觸感，現(xiàn)在交互手套，交互手柄都是 VR 界大熱的話題。從目前的專利上看，并沒有看出Magic Leap會有更高的見地。說不定某個Kickstarter最后能夠獨領風騷，Magic Leap再把他收了。

【版權聲明】本文經(jīng)作者本人同意，并以CC協(xié)議：BY-NC-ND 4.0進行授權（點擊可查詢協(xié)議文本），原文發(fā)布于知乎（點擊可查詢原文）；另外作者也在招聘能人志士，簡歷可發(fā)me@botao.hu。 

雷峰網(wǎng)版權文章，未經(jīng)授權禁止轉載。詳情見轉載須知。