Karl Guttag评Vision Pro(二)：这些硬件问题不容忽视

上周，AR/VR光学专家Karl Guttag从价格、VST透视、应用、交互等方面，将Vision Pro与Quest Pro进行对比，发现Vision Pro在设计上做出更多正确决策。尽管如此，Guttag认为该头显本身在硬件部分，依然存在一些不易发现的问题，比如人体工学和视觉体验等等。

值得注意的是，他还更正了上一篇对苹果光学模组的猜测，并表示：网络报道大部分都指出Vision Pro采用Pancake透镜，之前我说非球面镜是不准确的。因为苹果官方新闻稿中明确提到“定制的折反射透镜”字样，而Pancake也属于折返射透镜的其中一类。另外，苹果已收购的光学公司Limbak就以折反射方案闻名，此前还推出了某种“超级Pancake”透镜设计。

除此之外，我们接下来就一起看看Guttag对Vision Pro的硬件还有哪些评价吧。注：由于人眼视觉敏感性不同，对显示技术的感官体验也有差异，因此在实际体验Vision Pro时出现的问题可能不同，也许部分用户可以适应某种不良影响，而其他人则不可以。

30分钟的体验太短

在WWDC 2023上，苹果曾允许现场媒体上手体验Vision Pro的部分功能，体验时长大约30多分钟。Guttag指出，现场演示基于精心挑选的最好的体验，自然会绕开明显的问题，而且30分钟太短，很难察觉长时间使用可能会出现的人体工学和视觉问题。

从此前的3D电影、3D骑乘项目来看，部分人在体验超几分钟后，可能会有眩晕恶心等不适感。同样，AR/VR的舒适性也可能存在问题，具体需要对大量人群进行长时间研究观测。Guttag表示：也许苹果已经进行了一些用户研究，不过从现有的体验资料、硬件配置来看，Vision Pro还是做了一些错误/考虑不周的决定，而这具体对用户有哪些影响，后续将值得关注。

低延迟、高刷新率不足以解决视觉问题

Vision Pro搭载了PC级别的SoC：M2，加上定制的R1视觉处理器，可实现强悍的动态注视点渲染效果，而且可大幅降低传感器到显示器之间的延迟。

苹果在WWDC 2023发布会上有这样的描述：传感器到显示器之间的延迟容易导致不适感，而R1处理器几乎消除了延迟，只需12毫秒就能将新图像传输到显示屏，速度比眨眼还快8倍。

Guttag认为，低延迟处理、高刷新率虽然是优化XR视觉问题的必要条件，但这只是其中一个已知问题。另一方面，尽管Vision Pro的处理速度可能比其他同类头显更快，但还不够快，因为传感器到显示器延迟只是运动到光子延迟的一部分，其他未公布的数据还包括：相机和显示延迟。

假设摄像头、显示器以90Hz刷新率运行，每次只处理一帧图像，那么总延迟大约会翻三倍。除此之外，还可能出现缓冲延迟、追踪延迟，或是任何形式的错误。因此Guttag认为，“传感器到显示器之间的延迟比眨眼更快”不过是营销话术，并不能说明头显本身速度快不快。

理论上，一些低延迟系统的运动光子延迟接近为零，但实际上当涉及3D虚拟内容渲染、特殊相机和显示器同步运行时，系统延迟还是不够低。

就拿军事领域的夜视镜技术来讲，目前更常用的还是基于单色光电倍增管的ENVG夜视镜，而不是半导体相机，最大的原因就是延迟。因为军队在测试时发现，即使有轻微的图像延迟，也会让人迷失方向。

关于摄像头阵列

就像Lynx R1等VST头显那样，正常情况下主透视相机与左右眼同轴，差不多位于用户眼前。而Vision Pro由于前盖内包含了一块Eyesight屏幕，透视相机则只能和其他传感器一起放置在头显下方。Guttag认为，这并不是最佳的选择，尤其是在图像校正上，可能比Meta Quest Pro更难。

为什么这么说呢？VST头显倡导者Steve Mann在IEEE Spectrum 2013会议中强调，VST摄像头位于用户视觉中心，是实现长期视觉舒适性的关键，即使摄像头位置有轻微偏差，后续也可能造成明显的不适。比如，当用户已经适应VST头显的透视视角，摘下头显后，还需要一段时间才能适应双眼正常视觉。

而对于Vision Pro来讲，由于透视摄像头位于用户视线下方，苹果将需要使用某种复杂的校正算法，才能将透视视角与人眼自然视角匹配。

另外，由于透视摄像头位置问题，Vision Pro的视觉深度感测、协调也更加困难、更加不准确。尤其是近距离透视时，问题更加明显。Guttag表示：透视相机校正算法出现任何误差，都可能导致协调问题，但这种问题在简短的演示中不明显，后续还需要长时间观察。

整体来讲，VST相机的位置决策似乎主要与Eyesight屏幕有关。苹果为了Eyesight屏幕，还牺牲了其他多项设计，比如为其加入透光性好的玻璃保护壳，好处是外形高端，坏处是很重、不利于散热、质量存在差异、造成相机和传感器校准问题等等。

关于VAC问题

使用XR头显产生眩晕的一个原因，是VAC问题，也就是视觉辐辏调节冲突，即图像的焦距与人眼自然焦距不匹配，从而引起重影等不适。

现阶段，关于解决VAC问题的论文很多，但还没有真正有效的产品问世。Guttag指出，这通常意味着VAC还没有一个好的解决方案。比如，此前ML1通过叠加多层波导来实现变焦，缺点是牺牲了图像质量和成本。而Meta则是通过机械调焦、液晶透镜来解决，不过目前还在研究阶段，未用于正式的VR头显。另一方面，还有光场显示、计算全息图，以及基于眼球追踪的方案，但依赖大量计算，硬件复杂性和绝对图像质量也不理想。

从WWDC 2023现场开发者体验反馈来看，Vision Pro很可能将视觉焦点固定在2米左右的位置，通过将虚拟界面/内容放在较远的位置，来避免在手臂距离或1米距离内，观看图像可能产生的VAC问题。据开发者透露，苹果似乎希望开发者将应用内的物体、界面设计的更大，距离用户更远。

如果说Vision Pro未来替代电脑显示屏、电视，那么针对不同的应用场景，UI界面的距离也有讲究。举个例子，如果在头显中将虚拟屏幕放在2米远距离，那么其特性则更接近电视，而不是电脑显示屏，因为通常显示屏与用户的距离大约为半米。

虚拟屏幕位置远，意味着文字大小应该和XR屏幕等比例放大，但在体验交互上仍然与电脑显示器有差异。比如用户靠近虚拟界面时，文字清晰度变化不如现实中那么明显，而且用户不能轻易的伸手触摸界面上的内容（超出一臂距离）。但如果将XR虚拟界面设置成常见显示屏的大小和距离，就很容易产生VAC问题。

使用行为与电脑屏幕的差异，也是VR办公面临的一个难题。即使有一些人曾挑战一个月持续使用VR办公，但似乎没人认为VR能够完全替代电脑显示器。

的确，Vision Pro头显可能比现有的主流VR头显分辨率更高、运动感应追踪更好，但这些提升还不够，在效率上还不能够很好的替代电脑多屏幕工作的场景。

Guttag还指出，实际上在过去30年前，索尼Glasstron等穿戴显示器/近眼显示器已经出现，但几乎很少有人在飞机、火车或办公室使用。那么为什么人们不去选择高分辨率的穿戴大屏方案，而是更倾向于分辨率更低、尺寸更小的手机呢？相信成本并不是最主要的原因，一定还有其他原因，比如效率。

关于注视点渲染

从WWDC 2023现场体验反馈来看，Vision Pro的眼球追踪相当灵敏、准确，效果超越市面上其他XR设备。然而Guttag指出，现有的眼球追踪并不能捕捉到人眼的每一次“微动作”，比如saccade/眼跳现象。更重要的是，即使眼球追踪系统能捕捉到注视点确切的位置，也很难了解人眼都看到了什么，也就是人眼捕捉到的“图像快照”。因此，基于眼球追踪的注视点渲染系统，并不能像现实场景那样呈现自然的变化。

长期来讲，用户可能会察觉出动态变焦、渲染中的不自然，从而引起头疼等风险。

关于安全性

相比于OST头显，VST头显始终具有VR头显的问题，比如对周边环境感知力差（即使在透视模式），不适合戴着自由行走。的确，VR的边界系统可一定程度上限制用户运动范围，并在靠近障碍物时发出提示，但这并不能有效的避免用户撞上障碍物。

最深色为视线遮挡部位

VR头显的根本问题，是遮挡了人眼的余光视觉（上下左右）。而人眼余光视觉恰恰是保护用户在环境中行走的关键工具（对运动和闪烁敏感），人眼向下看的能力更重要，因为通常地面上的危险比天上更多。

另外，Vision Pro虽然接近一体机设计，但依然像PC VR那样采用有线式供电。由于Vision Pro采用MegSafe磁吸式接口，连接线比较容易被拉掉。苹果并未透露Vision Pro是否内置小容量的缓冲电池，如果没有这种电池，意味着供电一断，用户眼前的透视画面可能会消失，而这在特殊情形下可能会引发进一步危险。