0
| 本文作者： 劉芳平 | 2016-11-27 19:54 | 專題：雷峰網(wǎng)公開課 |
我們與現(xiàn)實世界進行交互的主要方式是手，我們與VR世界的交互同樣如此。
從最初級的手勢交互，例如英梅吉和 HoloLens 僅有固定幾個手勢，到追蹤用戶手指關(guān)節(jié)運動在虛擬空間中模擬整只手出來的Leap Motion、uSens，再到手拿手柄在虛擬空間里進行交互的 Vive 手柄和 Touch，還有加入更多交互維度的產(chǎn)品，比如Dexmo和微軟都有研發(fā)的力反饋。
關(guān)于用戶的手與 VR 世界交互這塊幾乎所有VR公司都要涉及，當下的手部交互存在哪些問題？如何讓我們與VR世界的交互更加真實、自然？
本期公開課我們邀請到了VR領(lǐng)域技術(shù)專家張夢晗為大家解讀這些問題。
張夢晗，男，VR領(lǐng)域技術(shù)專家，高級工程師。2012年至今從事VR/AR領(lǐng)域技術(shù)研發(fā)，目前聚焦在VR/AR交互領(lǐng)域進行技術(shù)探索和研究。
以下內(nèi)容整理自公開課。
在回答這個問題之前，我想先解釋下交互在AR&VR里面的意義。
現(xiàn)在的VR產(chǎn)品的產(chǎn)品形態(tài)逐漸趨同，世界上能提供合格屏幕、光學(xué)、芯片等等關(guān)鍵器件和材料的公司也就那么幾家，大廠進來以后各種參考設(shè)計也越來越多，VR頭盔未來就是一個制造顯示器的活，能產(chǎn)生差異化的點越來越少了。
Microsoft Kinect
而目前大家都在VR交互方面下大功夫，短期來說是產(chǎn)品本身的差異化需求，這不僅僅關(guān)系到用戶體驗，還有內(nèi)容生態(tài)本身的原因。以Microsoft Kinect為例，基于體感交互設(shè)計開發(fā)的游戲成為了事實上的平臺獨占游戲，并且成為很多人購買Xbox的核心理由。
長期來看，VR和AR設(shè)備在交互領(lǐng)域是相通的，而且目前的階段正是一個拓荒期：操作界面正在從二維平面轉(zhuǎn)移到三維空間，但是還沒有形成一個類似PC時代下鼠標鍵盤操作界面這樣的大家公認的交互范式，這樣的機會應(yīng)該說是所有做人機交互的專業(yè)人士一輩子難得遇到的機會。
在這樣的背景下，我傾向于將VR&AR交互的范疇劃的大一些：
一類是大家普遍關(guān)注的由人主動發(fā)起的交互動作，比如手部交互、體感交互等等，這類交互往往發(fā)出的都是確定性的指令性信息，要求準確達成某些特定的目的，也會耗費最多的精力和體力。
還有一類則是由機器主動發(fā)起的交互動作，比如眼球跟蹤、腦電肌電、頭部位置跟蹤、表情識別等等，這類交互是機器來感知使用者的狀態(tài)來進行交互，很多時候使用者自身不需要牽扯太多精力。
再有一類不能忽視的是機器對環(huán)境的感知交互，比如三維重建、情景感知、物體分割識別等等，很多時候尤其在AR中，只有先做好對外在環(huán)境的感知，人與機器之間的交互才能順暢。
這是我理解的交互范疇，帽子有點大蓋住的東西太多，但是今天我們還是集中于一個關(guān)鍵點，也就是手部交互來進行探討。
VR手部交互的重要性
手對你有多重要，手部交互就有多重要。
除了嘴之外，手應(yīng)該是人日常最經(jīng)常使用的的信息輸出器官了，傳統(tǒng)的大部分交互接口也都是圍繞人手來設(shè)計，確定性高，兼容性好。
PC時代那么多交互范式，最后落到鼠標鍵盤都是和手部相關(guān)。
當然我們不能因此就說只有手部交互才是VR&AR的未來，做好交互永遠是一個綜合治理的過程。
而且隨著AI的發(fā)展，由機器發(fā)起的交互逐漸也可以實現(xiàn)確定性的指令判決了，那么手部交互的重要性可能會變?nèi)酢?/p>
游戲“光暈”圖，里面的士官長可以直接和寄宿在腦中芯片的AI交互，這是比較理想化的情況
但是從現(xiàn)在開始的相當長一段時間里，手部交互依然是最成熟的控制類人機交互方式，并且體驗也遠遠沒到完美，值得投入完善。
VR手部輸入方式的種類
按我的區(qū)分方式就是裸手和非裸手兩類，根據(jù)產(chǎn)品形態(tài)和技術(shù)原理的不同又可以細分。
Google Project Soil 裸手交互
裸手就是不需要任何介質(zhì)的手部交互，比如Leap Motion基于計算機視覺的，Google Soli基于毫米波雷達的，還有一些基于超聲、紅外的解決方案，總的來說基于視覺圖像處理的發(fā)展的最成熟，效果目前來說也最好。
Oculus Touch
非裸手就是需要某種介質(zhì)的手部交互，常見的就是Daydream Controller、Oculus Touch這種3DoF或者6DoF手柄，還有比較多的就是各種各樣的數(shù)據(jù)手套，基于視覺、慣性、彎曲傳感器等等，總的來說手柄還是接受程度最高的，但是現(xiàn)在的趨勢是手柄和手套會逐漸融合成一體，形成一個新形態(tài)的人機交互媒介。
諾亦騰全身動捕套裝
在VR里，實際上裸手還是非裸手都有比較廣泛的應(yīng)用，而且相對來說非裸手還有一定的優(yōu)勢：在VR下人主要和虛擬物體和環(huán)境交互，通過某個媒介能提高交互的真實感。
在AR里，因為人不僅僅要與虛擬物體交互同時也能看到現(xiàn)實場景和物體，所以裸手情況在AR中更多。
評價某項技術(shù)優(yōu)劣勢有多種維度的考量，從產(chǎn)品角度成本和功耗就能干死絕大部分的交互方案，當然目前我們還是希望能從體驗的角度來進行分析。
裸手的優(yōu)劣
按我之間的分類方法，我們先談?wù)劼闶值膬?yōu)劣：
方便，你不用每天帶一個手套在手上，或者帶上頭盔四處亂摸找手柄；
如果不是要購買獨立模組（用手機上的攝像頭）或者付高昂的授權(quán)費用，裸手也會更便宜；
至于很多人所說的裸手交互更自然更符合人的習(xí)慣，在VR下我不贊同，但是在AR或者MR下大部分情況是對的。
劣勢就是：準確性還不達標，在VR環(huán)境下使用缺乏很多要素，這個我后面再細講。
非裸手的優(yōu)劣
準確性好，你按一下就是一下，兩下就兩下，大部分時間不用擔心輸入錯誤；
靠媒介可以提供反饋，這個在VR下很關(guān)鍵；
劣勢：不方便，走哪你都要想著帶；有學(xué)習(xí)成本，當然也看UX設(shè)計的好壞；在AR和MR環(huán)境下會阻礙人與現(xiàn)實的交互，這個最致命。
總體來說，裸手和非裸手的優(yōu)缺點是能夠互補的，所以在VR環(huán)境下這兩種手部交互會同時存在，而長期來看，AR/MR的時代裸手會逐漸成為主流，或者我們能找到一個融合方案，我個人覺得這個是一個值得大家一起努力的方向。
為什么祼手交互沒有成為主流？
拋開成本和功耗不談（其實這兩個是最要命的），就體驗來說根據(jù)上面我說的優(yōu)劣勢來判斷你也能知道問題所在的癥結(jié)了。
應(yīng)用于PC上的Leap Motion
Leap Motion這類手部跟蹤方案出現(xiàn)于PC時代的末期，目標是替代鼠標和鍵盤，結(jié)果大家也都看到了，因為PC下的鼠標鍵盤實際上已經(jīng)是公認的范式，大家在使用過程中并沒有感覺有太多不便，就算不方便也習(xí)慣了，這就導(dǎo)致絕大部分人沒有接受一種新的PC交互方式的需求，做產(chǎn)品的都知道沒有需求意味著啥。
應(yīng)用于VR交互的Leap Motion
而VR興起了之后，裸手交互總算迎來了一個機遇，因為在VR下鼠標鍵盤都不好用了，這下裸手交互總算是有需求了吧？事實上還是高興的有些早，因為這個時候和裸手競爭的還有非裸手的手柄和觸摸板（參考EPSON BT200）。
EPSON BT200
華為VR頭盔的觸摸版
而和這些交互設(shè)備相比，裸手交互的優(yōu)勢也并不明顯：裸手交互在正確輸入前提下的確認度低這個老大難問題實際上一直沒有解決，就算有95%的確認率，玩游戲的時候也是20次開槍有一次啞火，而手柄在正確輸入下的確認率毫無疑問是接近100%的。
僅僅這一項就導(dǎo)致裸手還無法取代手柄這類交互設(shè)備，這就帶來了另一個更為關(guān)鍵的問題：裸手交互的必要充分場景在哪里？這也是我一直在和很多做手勢交互的朋友們探討的問題。
一項還不夠成熟的、不便宜的技術(shù)，如果想被廣泛的接受就必須有一個前提，我們要為它找到一個充分必要的場景，在這個場景下，它具有不可替代性，除了裸手沒有別的交互能做的更好，而如果這個場景是一個剛性場景，那么就算再不成熟也可以忍耐。
但是在VR下裸手交互還沒有找到那個場景，國內(nèi)有很多廠家用裸手交互來操作進度條、暫停播放等等，這樣的操作我用手柄或者頭盔上的觸摸板可以更容易解決；還有描述車載家庭等場景下的裸手交互也是有問題，在這些場景下語音可能更有優(yōu)勢（尤其是開車，手不能離開方向盤的）。
所以從手機時代直到VR，我覺得裸手交互都是很痛苦的，因為沒有實實在在的剛性需求，用戶和開發(fā)者往往會被Leap Motion的酷炫所吸引，但這種沖動式的熱情會很快被裸手的很多問題所磨滅，所以我個人認為最緊急的事情是找到裸手交互存在的充分必要場景，這樣大家就都能活下去。
而從VR到AR/MR，裸手交互的必要性才會越來越大，（當然也要強調(diào)交互設(shè)計，Hololens的那種手勢就過于生硬，明顯是硬塞進去的），我個人覺得這種充分必要的場景會在這個時間段出現(xiàn)，現(xiàn)在還是有些早。
為什么很多VR里的手顯得很假？
首先假不等于差，但是當一個人覺得某件事物假，那么一定不是說某一點出了問題。
首先要說在VR手部交互方面借助手柄在某些場景下反而更真實，很多第一人稱設(shè)計類游戲角色本身是一直手中有槍的，這種場景下拿一個手柄會比裸手更真實，目前也有一些依靠剪切力來模擬揮動以及開槍后坐力的方案，通過手柄媒介能做很多事情，更容易提升體驗。
而如果我們希望在VR交互環(huán)境中是裸手操作，那么就會遇到更多顯得假的情況。首先強調(diào)的就是VR中需要的不是手勢識別（Gesture Recognition），而是手部跟蹤（Hand Tracking）。手勢識別和手部跟蹤估計是兩碼事，我們在日常生活中用到手勢的唯一場景就是打手語，所以你在VR環(huán)境中也用手勢來進行操作是假的不能再假的事情，肯定會讓人別扭，這也是最容易出現(xiàn)的誤區(qū)。
而Hand Tracking雖然更符合人日常的交互習(xí)慣，我能看到整個手部模型并且能實時跟蹤（不管是有Bone還是僅僅是Tips和Palm），依然有很多顯得假的情況：估計的不準容易抖動，雙手交疊容易丟失，如果基于視覺做的話超出視距范圍也會丟失等等。
這還僅僅是手假，你在VR環(huán)境中所有的物體和場景也是假的，這會導(dǎo)致很著名的“幽靈手”現(xiàn)象。你的手想抓住一個虛擬的物體，摸到一個虛擬的墻壁或桌子，你會發(fā)現(xiàn)抓不到，摸不著，而視覺方面又不好做反饋，只好將手設(shè)計成可以穿過任何物體，你在這樣的場景下就是一個幽靈一般的存在，當然要多假有多假。
Jobs Simulator里手的設(shè)計
所以大家可以看到實際上導(dǎo)致“假"的原因是比較綜合的，短期內(nèi)想完全解決比較難，做好視覺的反饋包括UI的設(shè)計實際上是類似Leap Motion這樣的解決方案目前所關(guān)注的，也有了不小的成效。用戶雖然覺得假，但也不會覺得有更多的不適應(yīng)，而且有的時候如果你真的沒有辦法做的完全真實，假一點反而有好處，任何仿真都是有恐怖谷的問題。
一張Leap Motion的圖，可以看到里面不僅有手部，還有前臂部分的跟蹤
另外還要強調(diào)下，除了Hand部分的真假，很多開發(fā)者其實還忽視了Arm部分的重要性，如果只是懸空顯示一雙手的話，也是會顯的很假，Leap Motion考慮到了這一點將Arm也包括進來，實際上不僅對算法魯棒性，對改善交互者的體驗也是有很大幫助。
剛才說在VR的手部交互方面借助手柄反而會更真實，因為手中有一個實時在在的反饋。而你（主持人）所說的虛擬用戶手的行為應(yīng)該就是指Oculus Touch，因為別的手柄暫時都沒有這個能力來模擬一個真實的手。我們很多人都體驗過Oculus Touch，原理也都知道的差不多，它依靠幾個點的接近光傳感器，確實能夠模擬出手部的一些細微動作變化，設(shè)計的很巧妙。
但是你所說的自然我覺得在VR中是不存在的，這個其實也是我一直想強調(diào)的事情，自然不見得是VR場景下必須追求的事情，因為物體是虛擬的，你的手也是仿真估計出來的，這個毫無自然可言，我們更多的是追求流暢、快速、用最小的能耗省時省力的完成交互，而這些有的時候和自然會有矛盾。
比如現(xiàn)在很多交互設(shè)計，刻意做成和現(xiàn)實場景完全一致，比如抓取一些細微的零件、走老遠拉出一個抽屜，看上去蠻酷的，但是時間長了沒人會受得了，就像是在演啞劇，明明哪里沒有東西，我們還要按有東西來操作，這種不協(xié)調(diào)感會加劇人的疲勞和不適。
所以很多時候我們既然沒有辦法在VR中把交互做的那么真實，那還不如就多思考如何讓交互更方便，比如把交互控件做的大一些、引入raycast等方式操作遠距離的物體，不真實，但是簡單有效省時省力，反而是目前消費者更為需要的。
若是就是不惜一切代價的追求真實，除非是一些垂直行業(yè)的仿真場景，這種對成本不敏感，就完全是另外一種思路，而且我不覺得VR需要走到那一步。
基于視覺的裸手交互的問題歸納起來有如下幾點：正確輸入下的確認率差，魯棒性也差，缺乏反饋，交互范圍相對窄（脫離視距范圍會丟失），易疲勞（更像真實交互所帶來的副作用，恐怖谷效應(yīng)）。這些問題每一個都是挺要命的，需要綜合的治理和解決。
前面的幾條的改善就是比算法硬功夫，你模型估計的越準確，實時性好，就會有所收益，但是即使做的再完美，后面的反饋問題和交互疲勞性問題也沒有辦法解決，所以兩部分要同時進行。
有一些設(shè)計將人的手作為操作界面，用另一只手點擊虛擬出的菜單來完成交互，雖然會遇到交疊跟蹤丟失等問題，但可以提供反饋，依然是一個很好的思路。
交互范圍窄的問題在Inside-Out的場景下更為嚴重，Leap Motion使用雙魚眼鏡頭（Dual Fisheye Camera）的主要原因就是希望能盡可能的擴大交互范圍，而結(jié)構(gòu)光和ToF的FoV與分辨率的矛盾是硬傷，這需要器件本身的規(guī)格提升。
至于如何設(shè)計能讓用戶和開發(fā)者更受歡迎，我還是強調(diào)幾點：忘掉所謂的自然，強調(diào)流暢快速省時省力。最最最最重要的是：找到一個只有裸手交互才能做的最好最舒服的充分必要場景，這個場景應(yīng)該成為所有裸手交互研發(fā)人員共同最求的圣杯，找到了它大家才都能活的好。
力反饋手套解決的問題和存在的局限
關(guān)于反饋的重要性我前面也提到，解決幽靈手的問題，加入反饋機制是必不可少的。但是拋開成本和造價不談，力反饋手套還是有很多的問題。
首先所有的數(shù)據(jù)手套都沒有解決好的一點就是佩戴的舒適性和方便性，這個是制約其進入消費級別市場的最大因素。很多數(shù)據(jù)手套通過多IMU融合來做手部位置跟蹤捕捉，但是要想做的精確需要每個傳感器精確放置在骨節(jié)上，并且還免不了要做初始化校準，這都不是一個消費級別產(chǎn)品能夠接受的。
另外加入反饋的方式也有很多問題，反饋分為力反饋／震動反饋／觸覺反饋，綜合形成一個比較好的HAPICS體驗，但是目前在力反饋領(lǐng)域還很難用一個小的機械結(jié)構(gòu)提供足夠大的阻尼力，而且機械結(jié)構(gòu)本身就有飛車的風(fēng)險，容易造成人的肌肉損傷。
其他的反饋機制則也有很多硬傷，比如非侵入式的觸覺反饋，本身受環(huán)境影響很大，手一出汗沾水反饋效果就受到影響，而電極植入這種浸入式方案也明顯不會被消費者接受。
反饋方面的話題可以展開說很多，對于數(shù)據(jù)手套來說，目前大家做的都還是比較早期，也只有對精度要求較高的工業(yè)場景，醫(yī)療場景和設(shè)計場景中會有明確的需求，距離消費級市場比較遠。我們也看到很多公司在嘗試簡化系統(tǒng)，用比較低廉的價格嘗試進入消費領(lǐng)域，不過我還是希望他們能解決好佩戴和使用便利性的問題，另外就是要想好如何使用它。
手部交互的未來
分開來看，手柄手套這種非裸手的交互會在相當長一段時間里一直存在下去，并且大家都在圍繞這個東西來做改良，從Oculus Touch到下一代的Vive手柄，我們都能清楚的看到這個趨勢，更多的功能被添加，更加貼合手型，可以做6DoF跟蹤，震動和力反饋等等，這都是基于介質(zhì)來做手部交互的優(yōu)勢，毫無疑問要想辦法發(fā)揚光大。
而裸手交互可能在短期內(nèi)依然會比較艱難，當然好在大家都看的比較清楚裸手交互在AR／MR時代的必要性，所以還是會不斷的向前演進，除了提升算法本身的穩(wěn)定性，一些能夠改善體驗的UX設(shè)計也能改善體驗，撐著大家能夠活到AR興起的時期。另外還是要強調(diào)一點，尋找到那個圣杯：裸手交互的必要場景才是最主要的，別的我覺得都好說。
1、如何評價HoloLens的手勢交互，這種程序的手勢交互是否可以用作日常使用的產(chǎn)品？
張夢晗：首先應(yīng)該有不少朋友都體驗過Hololens了，大家相信對它的體驗都有感覺。
它是一種“手勢識別”，而不是一種“手部跟蹤”，視覺上并沒有一個反饋給到你，你甚至都很難判斷我當前的狀態(tài)到底是不是處在有效的交互范圍內(nèi)。
這樣的情況下，交互的效率自然就大打折扣，并且還有一個問題，既然我的系統(tǒng)整體是使用頭瞄來選擇交互目標，我用一個簡單的觸摸板（Touchpad）觸碰會不會比那個不靠譜的雙指掐擊更方便確認。
至少目前來說，我個人認為Hololens的主要精力并沒有放在手勢上，只是捎帶塞了一個交互方式進來。我甚至覺得這個交互方式有可能是硬件定型后才發(fā)現(xiàn)沒有交互方式，所以才利用視覺系統(tǒng)做了個手勢，其實我覺得側(cè)面加個觸摸板也許更好用。
拋開Hololens本身的設(shè)計不談，我覺得裸手交互在AR設(shè)備上是絕對必要的。但也要有對應(yīng)的交互設(shè)計配合才行。比如AR下很多時候我的目標交互物就是定位在某個現(xiàn)實物體之上的，甚至虛擬物體的運動會與現(xiàn)實物體發(fā)生交互，這個時候用裸手交互顯然是不二的選擇。
而回到Hololens，從它的交互界面來看我確實沒有看到必須要使用手勢的必要性，也就是說他們并沒有找到我提到的圣杯。
2、三維手勢交互上面，目前技術(shù)上的問題更多還是設(shè)計上的問題更多？技術(shù)上解決三維交互比較好的方向是什么？離成熟還有多遠？
張夢晗：技術(shù)上和設(shè)計上的問題都很多，而最大的問題是那個必要充分的場景沒有找到，這個我強調(diào)無數(shù)次了。
技術(shù)上我覺得單純的提升準確率和精度已經(jīng)無法完全解決深度手部跟蹤的應(yīng)用問題了，當然裸手交互方案提供商們還是會持續(xù)提升客觀指標，但是我們會漸漸發(fā)現(xiàn)很多客觀指標的提升已經(jīng)很難在體驗上表現(xiàn)出來。
尤其是Inside-out場景下，再高的準確率也無法解決疲勞感和交互范圍狹小的問題，而解決后兩者就不僅僅是技術(shù)問題，而是設(shè)計問題，所以我之前說過，要綜合治理。
而在沒有找到手勢交互的必要場景之前，想留住用戶讓用戶想用愿意用深度手勢，我覺得關(guān)鍵在于利用視覺聲學(xué)等綜合反饋，給用戶盡量提供明確的確認信息，盡可能讓用戶像使用手柄一樣知道自己什么時候選中了。
只有這種確認性接近達到手柄的水平，裸手手勢的方便性才能充分體現(xiàn)，如果不貴的話，也許我還愿意用一下。至于別的我覺得等這個小目標達到了再慢慢看吧。
或者我們直接搞定圣杯，找到一個只有裸手才能搞定的業(yè)務(wù)場景，那么問題再多我也愿意將就著用，慢慢等你改良。讓用戶沒有選擇，你才能立于不敗之地。
3、手勢識別或是手勢跟蹤，主要基于機器視覺，或者是一些傳感器融合，目前用的比較多，比較魯棒的技術(shù)有哪些呢？
張夢晗：魯棒性的問題實際上和設(shè)計也有關(guān)系，相同的精度下操作小器件和大按鈕的發(fā)生錯誤的概率肯定不同?；诙鄠鞲衅魅诤希梢院芎玫慕鉀Q超視距下的交互問題，手揣兜里也能跟蹤，這是基于視覺的手部跟蹤所沒有辦法解決的問題。
但是這種情況也會有陀螺儀長期累積漂移，需要初始化等問題，從這個角度來說，可以一直檢測校準的視覺方案又有優(yōu)勢了。而最近有很多的解決方案強調(diào)自己在魯棒性上有好處，比如說很多基于60GHz的毫米波雷達定位，主打的就是相對視覺方案來說更能抗干擾，尤其在室外環(huán)境下。
即使是基于視覺原理，不同的器件方案也有影響，RGB Dual Camera會比結(jié)構(gòu)光在室外抗紅外干擾能力強，但在暗光環(huán)境下又反過來。
沒有缺點的方案還沒有出現(xiàn)，目前采用Dual Camera比較多也是因為FoV可以做的比較大，交互范圍的大小要比魯棒性重要一些。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
專題
