除了3D手勢識(shí)別，VR交互技術(shù)還有哪些？

自人類發(fā)明了工具以來，與工具之間就需要通過一種方式建立起聯(lián)系，用手握住工具的把手就是聯(lián)系的一種。進(jìn)入電子科技時(shí)代，交互的重要性愈加凸顯，就好像遙控器之于空調(diào)、鍵盤鼠標(biāo)之于電腦、游戲手柄之于電視游戲等等，缺少了一個(gè)簡單有效的交互，工具對于人類也就失去了意義。

隨著虛擬現(xiàn)實(shí)的崛起，如何尋找到合適的交互技術(shù)也成為了從業(yè)者們研究的重中之重。

一、我們?yōu)槭裁葱枰獮?a href="http://srfitnesspt.com/v/tag/3668/" target="_blank">VR需要找一個(gè)新的交互形式?

與其他科技產(chǎn)品不同，VR體驗(yàn)強(qiáng)調(diào)的是沉浸感，而沉浸感的來源又是與外界的隔絕而造就的，尤其是視覺和聽覺的隔絕，使得大腦被欺騙，產(chǎn)生脫離于現(xiàn)實(shí)世界的虛擬沉浸感。這就產(chǎn)生了新的問題：看不見自己的身體，尤其是人類交互感知最重要的手和運(yùn)動(dòng)最重要的腳，無法與虛擬環(huán)境產(chǎn)生交互，在虛擬的世界里變成了一個(gè)看客。

在虛擬現(xiàn)實(shí)興起之初，用戶在新鮮感爆棚的情況下，追求的重點(diǎn)在VR是否能夠營造出沉浸感十足的情境，對于交互的需求相對并沒有那么強(qiáng)烈。人類的主觀能動(dòng)性作祟，于是希望去操縱、控制虛擬世界，以尋找到更多的存在感。隨著行業(yè)的不斷發(fā)展，VR對于用戶新鮮感的下降，用戶開始將尋找虛擬世界存在感的需求放在了首位，開始追求更深層次的沉浸，希望與虛擬現(xiàn)實(shí)世界產(chǎn)生互動(dòng)。

非常不湊巧的是，大廠優(yōu)先追求的是輸出設(shè)備的高技術(shù)含量，在頭顯這一塊投入的技術(shù)與精力更多。在交互這一塊的研發(fā)相對滯后，就導(dǎo)致了交互手段缺失情況的出現(xiàn)，比如Oculus Rift只能選擇XBox手柄湊數(shù)。

通過傳統(tǒng)電子設(shè)備的交互方式，比如手柄一類的產(chǎn)品，暫時(shí)解決交互了的問題，卻又使得用戶從虛擬世界中被帶出，沉浸感大打折扣。舉個(gè)例子，成熟度相對較高的三星Gear VR頭顯在視覺方面的體驗(yàn)不錯(cuò)，但操控方式是配置于頭顯右側(cè)的觸摸板，這意味著用戶需要時(shí)刻舉起右手來操作，這無形中就破壞了沉浸感受。

在二維屏幕交互中，幾乎所有控制命令都可以抽象為按鍵動(dòng)作。但在虛擬現(xiàn)實(shí)中，用戶希望自然交互，也就是人類在現(xiàn)實(shí)世界里怎么跟外界交互，在虛擬世界里我們也希望按照同樣的方式交互，沉浸感更高，效率高，學(xué)習(xí)成本低。

于是，尋找一種全新的、合適的虛擬現(xiàn)實(shí)交互形式就成為了一件非常有必要的事情。

二、為什么手部動(dòng)作識(shí)別在已知的交互形式中最受歡迎?

到目前為止，VR領(lǐng)域目前還沒有一個(gè)成熟的具有普適性的操控交互手段。VR日報(bào)大概列舉了目前業(yè)界理論上比較主張的幾種交互形式：用“眼球追蹤”實(shí)現(xiàn)交互、用“動(dòng)作捕捉”實(shí)現(xiàn)交互、用“肌電模擬”實(shí)現(xiàn)交互、用“觸覺反饋”實(shí)現(xiàn)交互、用“語音”實(shí)現(xiàn)交互、用“手勢跟蹤”實(shí)現(xiàn)交互、用“傳感器”實(shí)現(xiàn)交互等等。

這些交互形式到目前為止，雖然各自有各自的優(yōu)點(diǎn)，但也都存在一定的缺陷。比如眼球追蹤，盡管眾多公司都在研究眼球追蹤技術(shù)，但幾乎沒有一家的解決方案令人滿意，都無法提供精準(zhǔn)和實(shí)時(shí)的反饋?；蛉鐒?dòng)作捕捉，市面上的動(dòng)作捕捉設(shè)備只會(huì)在特定超重度的場景中使用，而且需要用戶花費(fèi)比較長的時(shí)間穿戴和校準(zhǔn)才能夠使用，而且這種方式的一大痛點(diǎn)是沒有反饋，用戶很難感覺到自己的操作是有效的。

又如觸覺反饋，它無法適應(yīng)更加廣泛的應(yīng)用場景，雖然目前三大VR頭顯廠商Oculus、索尼、HTC Vive都不約而同的采用了虛擬現(xiàn)實(shí)手柄作為標(biāo)準(zhǔn)的交互模式，但這只是針對一些高度特化的游戲類應(yīng)用或輕度的消費(fèi)應(yīng)用，不過是商家退而求其次的一種妥協(xié)策略，因?yàn)閂R頭顯的早期消費(fèi)者基本是游戲玩家。再比如語音交互，首先機(jī)器對于人類語言的理解就是一大問題，簡單的語音還好，復(fù)雜的就不行了，而理解之后機(jī)器對指令能否準(zhǔn)確執(zhí)行又是一大問題。

對于人類來說，最自然最有效的的交互方式有兩個(gè)當(dāng)屬動(dòng)作莫屬了，因?yàn)榧幢阏Z言不通，你仍然可以通過動(dòng)作的比劃與他人進(jìn)行溝通。放在VR里面來說，肢體和手勢動(dòng)作可以用于大部分交互場景，尤其是輕度交互的固定場景還是對于重度交互的移動(dòng)場景，手勢的優(yōu)勢都非常突出。

于是，手部動(dòng)作識(shí)別在已知的交互形式中成為最受歡迎形式。

三、手部動(dòng)作識(shí)別是不是只有3D手勢識(shí)別嗎?

說起手部動(dòng)作識(shí)別，大家耳熟能詳?shù)膽?yīng)該就是Leap Motion這家公司了。但實(shí)際上，手部動(dòng)作識(shí)別的解決方案并不是只有Leap Motion一家公司有，技術(shù)原理上也并不是只有這一個(gè)方向。只不過因?yàn)镺culus的對Leap Motion的大力支持，伴隨著Oculus Rift的高曝光率，使得Leap Motion的3D手勢識(shí)別被公眾所熟知。

3D手勢識(shí)別并不是VR交互領(lǐng)域手部動(dòng)作識(shí)別方案的唯一，其實(shí)可以分為二維手型識(shí)別、二維手勢識(shí)別、三維手勢識(shí)別三種。

二維手型識(shí)別

二維手型識(shí)別，也可稱為靜態(tài)二維手勢識(shí)別，識(shí)別的是手勢中最簡單的一類。這種技術(shù)在獲取二維信息輸入之后，可以識(shí)別幾個(gè)靜態(tài)的手勢，比如握拳或者五指張開。其代表公司是一年前被Google收購的Flutter。在使用了他家的軟件之后，用戶可以用幾個(gè)手型來控制播放器。

“靜態(tài)”是這種二維手勢識(shí)別技術(shù)的重要特征，這種技術(shù)只能識(shí)別手勢的“狀態(tài)”，而不能感知手勢的“持續(xù)變化”。舉個(gè)例子來說，如果將這種技術(shù)用在猜拳上的話，它可以識(shí)別出石頭、剪刀和布的手勢狀態(tài)。但是對除此之外的手勢，它就一無所知了。所以這種技術(shù)說到底是一種模式匹配技術(shù)，通過計(jì)算機(jī)視覺算法分析圖像，和預(yù)設(shè)的圖像模式進(jìn)行比對，從而理解這種手勢的含義。

這種技術(shù)的不足之處顯而易見：只可以識(shí)別預(yù)設(shè)好的狀態(tài)，拓展性差，控制感很弱，用戶只能實(shí)現(xiàn)最基礎(chǔ)的人機(jī)交互功能。

二維手勢識(shí)別

二維手勢識(shí)別，比起二維手型識(shí)別來說稍難一些，但仍然基本不含深度信息，停留在二維的層面上。這種技術(shù)不僅可以識(shí)別手型，還可以識(shí)別一些簡單的二維手勢動(dòng)作，比如對著攝像頭揮揮手。其代表公司是來自以色列的PointGrab，EyeSight和ExtremeReality。

二維手勢識(shí)別擁有了動(dòng)態(tài)的特征，可以追蹤手勢的運(yùn)動(dòng)，進(jìn)而識(shí)別將手勢和手部運(yùn)動(dòng)結(jié)合在一起的復(fù)雜動(dòng)作。這樣一來，我們就把手勢識(shí)別的范圍真正拓展到二維平面了。我們不僅可以通過手勢來控制計(jì)算機(jī)播放/暫停，我們還可以實(shí)現(xiàn)前進(jìn)/后退/向上翻頁/向下滾動(dòng)這些需求二維坐標(biāo)變更信息的復(fù)雜操作了。

這種技術(shù)雖然在硬件要求上和二維手型識(shí)別并無區(qū)別，但是得益于更加先進(jìn)的計(jì)算機(jī)視覺算法，可以獲得更加豐富的人機(jī)交互內(nèi)容。在使用體驗(yàn)上也提高了一個(gè)檔次，從純粹的狀態(tài)控制，變成了比較豐富的平面控制。

三維手勢識(shí)別

三維手勢識(shí)別需要的輸入是包含有深度的信息，可以識(shí)別各種手型、手勢和動(dòng)作。相比于前兩種二維手勢識(shí)別技術(shù)，三維手勢識(shí)別不能再只使用單個(gè)普通攝像頭，因?yàn)閱蝹€(gè)普通攝像頭無法提供深度信息。要得到深度信息需要特別的硬件，目前世界上主要有3種硬件實(shí)現(xiàn)方式，加上新的先進(jìn)的計(jì)算機(jī)視覺軟件算法就可以實(shí)現(xiàn)三維手勢識(shí)別了。

四、殺雞不用牛刀，VR中的交互到底應(yīng)該如何抉擇？

輕度交互

移動(dòng)端VR設(shè)備一般無法運(yùn)行重度體驗(yàn)的VR內(nèi)容，對于交互的需求基本保留在輕量級別。3D的手勢識(shí)別用在輕度VR交互上實(shí)際有點(diǎn)殺雞用牛刀的感覺，絕大部分人日常接觸最多的就是2D觸摸屏，而大部分UI也是2D設(shè)計(jì)，3D手勢識(shí)別加入的深度信息對于大部分人來說太超前，而且大部分人臂展不超過1米，深度信息在這里沒法體現(xiàn)出相對2D平面的不同。

所以，一個(gè)普通單攝像頭通過邊緣識(shí)別的簡單手勢交互系統(tǒng)能滿足目前大部分VR場景的交互需求，降低手勢交互的門檻，從而快速普及手勢交互概念，如果還能夠配合語音交互功能，就能快速滿足短期內(nèi)VR應(yīng)用的交互需求。

重度交互

PC端VR設(shè)備，成本高技術(shù)含量高，能夠運(yùn)行重度體驗(yàn)的VR內(nèi)容，因而對于交互的需求也是重量級別。3D的手勢識(shí)別用在重度VR交互上才是真正的好鋼用到了刀刃上，能夠滿足用戶的重度交互需求，還能夠提供較好的反饋和沉浸感。用戶置身的三維場景中，要跟三維場景里面的物品進(jìn)行交互，沒有深度信息是不可能做到的。

現(xiàn)在Oculus和HTC Vive其實(shí)都采用的是手柄的解決方案，但是3D的手勢交互其實(shí)是一種更自然、更舒服的方式。對于復(fù)雜的3D場景，3D的手勢交互是不可缺少的，而且更加真實(shí)和沉浸式的3D場景體驗(yàn)，才是VR內(nèi)容的未來。而在重度VR體驗(yàn)內(nèi)容中，空間的深度信息更為復(fù)雜，應(yīng)用場景的變化也更加多樣化，只有3D的手勢識(shí)別能夠較好的滿足精度、延遲和沉浸的要求。

至于未來如何發(fā)展，歷史總是由人民書寫的，消費(fèi)者的選擇才是技術(shù)方向的選擇。