本文系網(wǎng)易新聞?網(wǎng)易號特色內(nèi)容激勵(lì)計(jì)劃簽約賬號【智東西】原創(chuàng)內(nèi)容，未經(jīng)賬號授權(quán)，禁止隨意轉(zhuǎn)載。

(資料圖片)

作者 | 周炎編輯 | 云鵬

這半個(gè)多月以來，關(guān)于Vision Pro的消息可謂“冰火兩重天”。

先是傳出Vision Pro開發(fā)者實(shí)驗(yàn)室冷清，開發(fā)者興趣不大。后有庫克在財(cái)報(bào)電話會(huì)上為自己產(chǎn)品站臺(tái)：我每天都用Vision Pro，體驗(yàn)者用了都說好。近期，知名近眼顯示專利專家對Vision Pro功能演示中虛擬屏代替物理屏提出質(zhì)疑，稱“太荒謬”，文章還獲得很多行業(yè)人士的支持。

Vision Pro亮相之后，雖然許多數(shù)碼博主和Vision Pro開發(fā)者都搶先體驗(yàn)了它，并發(fā)表了體驗(yàn)感受，但僅憑這些還是回答不了關(guān)于產(chǎn)品的疑問，總是有點(diǎn)“隔靴搔癢”的意味。從數(shù)千項(xiàng)專利中找答案，看清蘋果的深層玩法和布局，遠(yuǎn)比激烈對線更有價(jià)值。

就在一個(gè)月以前，蘋果公司的人機(jī)界面設(shè)計(jì)副總裁艾倫·戴伊（Alan Dye）接受采訪時(shí)稱，設(shè)計(jì)團(tuán)隊(duì)為Vision Pro申請了5000項(xiàng)左右的專利，同時(shí)，在研發(fā)過程中，最難就是在專利公開的情況下設(shè)計(jì)Vision Pro。

目前每周仍許多有關(guān)于Vision Pro的專利流出，這些專利有的解答人們對于發(fā)布會(huì)上某些功能演示中存在的疑惑，還有的徹底放飛了大家的想象力，原來一款產(chǎn)品未來還可能會(huì)讓人“聞到花香等各種味道”。

這也不禁讓人思考：設(shè)計(jì)團(tuán)隊(duì)在專利中為Vision Pro埋下了哪些伏筆？Vision Pro又是否實(shí)現(xiàn)了蘋果“最初的夢想”？

智東西通過對Patently Apple網(wǎng)站中有關(guān)Vision Pro的專利深扒后發(fā)現(xiàn)：原來看著簡單兩指指尖互相觸碰實(shí)現(xiàn)的手動(dòng)控制原來需要相機(jī)對手部各個(gè)關(guān)節(jié)端的識別；實(shí)現(xiàn)人物自動(dòng)淡入、淡出的EyeSight功能使用了具有支撐結(jié)構(gòu)的紅外透明單向鏡；來實(shí)現(xiàn)3D攝像，需要先讓相機(jī)的POV模擬人眼的POV。

深扒專利為我們的解答的疑問遠(yuǎn)不及此，在對WWDC23發(fā)布會(huì)演示視頻逐幀回顧后，智東西還發(fā)現(xiàn)，蘋果“精心選擇”了Vision Pro的演示功能，這背后藏著蘋果多年布下的“一盤大棋”。

由于篇幅限制，我們選擇了手動(dòng)控制、空間窗口、眼動(dòng)交互、Optic ID、空間音頻、計(jì)算機(jī)生成現(xiàn)實(shí)體驗(yàn)、空中觀看動(dòng)作電影、AR體育賽事、沉浸式遠(yuǎn)程電話會(huì)議、虛擬鍵盤、3D攝影、影像拍攝通知、EyeSight等13項(xiàng)功能演示背后關(guān)系最為緊密的17項(xiàng)專利進(jìn)行一輪“賽博拆機(jī)”。

一、微米級分辨率識別手部運(yùn)動(dòng)，可用于導(dǎo)航菜單、控制媒體播放

在WWDC23上，最先映入觀眾眼簾的就是Vision Pro的手動(dòng)控制功能。

蘋果在過去幾年發(fā)布了多項(xiàng)關(guān)于微手勢控制Vision Pro菜單的專利，從美國專利商標(biāo)局的公開信息來看，該專利涉及具有顯示生成組件和一個(gè)或多個(gè)提供計(jì)算機(jī)生成體驗(yàn)的輸入設(shè)備的計(jì)算機(jī)系統(tǒng)。（computer systrms with a display generation component and one or more input devices that provide computer generated experciences)，簡單理解就是一種手勢控制裝置。

從目前來看，Vision Pro與手勢結(jié)合可用于玩視頻游戲、導(dǎo)航菜單、控制媒體播放等。Vision Pro的計(jì)算機(jī)系統(tǒng)（computer system）允許用戶使用微手勢來與三維環(huán)境進(jìn)行交互。

Vision Pro可以識別到對應(yīng)的指關(guān)節(jié)、指尖、手掌中心、連接到手腕的手端等的點(diǎn)。Vision Pro的相機(jī)安裝在遠(yuǎn)離用戶的地方。微手勢的不同運(yùn)動(dòng)和位置以及各種運(yùn)動(dòng)參數(shù)用于確定在三維環(huán)境中執(zhí)行的操作。由于微手勢不易引人注目，所以可以在公共場合中進(jìn)行該操作。

目前，Vision Pro的手動(dòng)控制還無法對實(shí)體設(shè)備進(jìn)行操作，因此蘋果還在繼續(xù)研發(fā)智能戒指系統(tǒng)（smart ring system）。

從目前蘋果的專利信息來看，該戒指具有包括滑動(dòng)、點(diǎn)擊、旋轉(zhuǎn)等在內(nèi)的16種交互方式。戒指中的傳感器可以感知到用戶的指令信息，然后根據(jù)指令控制虛擬物體和現(xiàn)實(shí)物體的交互。

同時(shí)需要明確的是，專利僅僅是技術(shù)保護(hù)的一種手段，這并不意味著蘋果會(huì)在短期內(nèi)推出智能戒指產(chǎn)品，但從該專利為未來可能的交互方式提供了新的可能性。

二、XR系統(tǒng)檢測頭部運(yùn)動(dòng)，用戶可操控跨平臺(tái)虛擬現(xiàn)實(shí)應(yīng)用

如果說，上一個(gè)專利與識別手部運(yùn)動(dòng)有關(guān)，那么這個(gè)與Vision Pro頭顯的3D“無限畫布”（infinite canvas）有關(guān)的專利就與識別頭部運(yùn)動(dòng)有關(guān)。

蘋果早在2022年12月就申請了這項(xiàng)專利，并于今年6月在歐洲發(fā)布。從蘋果的專利描述上看，Vision Pro的混合現(xiàn)實(shí)（XR）系統(tǒng)可以檢測頭部運(yùn)動(dòng)，并相應(yīng)地調(diào)整呈現(xiàn)給人的圖形內(nèi)容和聲場。

從功能的角度，該專利可以理解成“空間用戶界面自動(dòng)切換裝置”。

上圖是真實(shí)和虛擬組件的分層在Vision Pro內(nèi)呈現(xiàn)完成的增強(qiáng)現(xiàn)實(shí)（AR）視圖。根據(jù)蘋果的說法，對于每一個(gè)用戶界面（UI），頭顯都會(huì)分配一個(gè)邊界，該邊界定義了某個(gè)用戶界面應(yīng)該處于的物理環(huán)境。

從上圖來看，Vision Pro頭顯系統(tǒng)的相機(jī)（camera）和傳感器（ sensor）會(huì)將捕捉到的信息傳輸?shù)絍ision Pro中的合成引擎（ composting）和操作系統(tǒng)（application）之中。

接著應(yīng)用程序會(huì)向操作系統(tǒng)發(fā)送請求（request），然后操作系統(tǒng)接著會(huì)反饋給應(yīng)用程序哪些是受限制的信息（constrained information）。

隨后，操作系統(tǒng)會(huì)將處理好的場景信息、各個(gè)應(yīng)用程序也會(huì)將應(yīng)用數(shù)據(jù)傳送到渲染引擎（rendering engine）之中。渲染引擎將加工好的信息傳送到合成引擎之中，與最初由傳感器和攝像機(jī)捕捉到的信息進(jìn)行最終合成，最終各個(gè)應(yīng)用程序界面就會(huì)顯示在用戶面前。

三、多單元區(qū)計(jì)算用戶凝視端點(diǎn)，用戶眼動(dòng)控制空間物體

除了手動(dòng)識別、頭動(dòng)識別、Vision Pro還能針對眼部運(yùn)動(dòng)進(jìn)行識別。產(chǎn)品評論家Marques Brownlee在看到Vision Pro的產(chǎn)品稱，你一旦開始使用Vision Pro后，一定會(huì)關(guān)注它的眼動(dòng)追蹤功能（eye tracking），“我通常不會(huì)評價(jià)科技產(chǎn)品的功能為“魔法”或者“超現(xiàn)實(shí)”，但是這是我接觸過最接近魔法的事情?！?/strong>

從美國專利商標(biāo)局的公開信息來看，Vision Pro的眼動(dòng)追蹤功能和一項(xiàng)“用于注視端點(diǎn)確定的方法和裝置”的專利有關(guān)。該專利可以用于確定主體在空間中注視三維物體的端點(diǎn)。聽起來似乎很復(fù)雜，事實(shí)上就是一個(gè)“眼動(dòng)控制裝置”。

該專利將用戶頭部及其周圍環(huán)境定義為一個(gè)系統(tǒng)，并將其分為了多個(gè)單元區(qū)，其中包括眼睛跟蹤單元、頭部跟蹤單元、3D場景結(jié)構(gòu)表示單元（3D scene structure representation unit）、計(jì)算單元等。

Vision Pro會(huì)追蹤用戶的眼睛的注視方向，頭部、眼部跟蹤單元相對于整個(gè)參考坐標(biāo)系的位置和取向，接著，Vision Pro在就會(huì)在3D場景結(jié)構(gòu)表示單元中，通過參考坐標(biāo)系中的坐標(biāo)通過真實(shí)世界場景中對象的3D位置及其3D結(jié)構(gòu)來表示真實(shí)世界場景和場景中包含的對象。最后，計(jì)算單元會(huì)基于用戶眼部的凝視方向、眼動(dòng)儀的位置、3D場景結(jié)構(gòu)表示等來計(jì)算出用戶的凝視端點(diǎn)。

四、傳感器捕捉用戶虹膜信息，用戶可通過Optic ID進(jìn)行識別

8月初，Vision Pro虹膜生物識別系統(tǒng)Optic ID背后的專利也“浮出水面”。

從蘋果的描述來看，這項(xiàng)專利可以理解為“生物信息辨識算法”，Vision Pro的攝像機(jī)可以用于捕捉用戶的虹膜、眼睛、眼眶周圍區(qū)域的生物特征圖像，然后攝像機(jī)中的控制器（controller）上執(zhí)行的算法可以動(dòng)態(tài)地確定這些被捕獲的圖像中哪個(gè)可以用于生物識別認(rèn)證。

Vision Pro攝像機(jī)中控制器選擇圖像的客觀標(biāo)準(zhǔn)包括：圖像的曝光度、對比度、陰影面積、清晰度、是否有遮擋物體、是否有反射光等。

五、幾何聲學(xué)模擬現(xiàn)實(shí)聽覺刺激，觀影時(shí)空間音頻更加真實(shí)

在結(jié)束身體部位識別板塊后，想必大家在觀看WWDC23時(shí)，都會(huì)對上面動(dòng)圖中演示的“空間音頻”的功能有所印象，同時(shí)因?yàn)闆]有親身體驗(yàn)過“空間音頻”，所以并不清楚“空間音頻”會(huì)如何提高沉浸感。

傳統(tǒng)上，當(dāng)聲音沿間接路徑傳播時(shí)，耳道入口接收到的聲學(xué)信號中可能會(huì)存在偽影，通過使用空間音頻濾波器的信號處理算法，可以將用戶特定的偽影合并到雙耳的音頻中去。

為了實(shí)現(xiàn)準(zhǔn)確的空間音頻再現(xiàn)，虛擬音頻系統(tǒng)可以使用HRTF來創(chuàng)建聲音來自空間中某處的錯(cuò)覺。聲音可以使用射線進(jìn)行追蹤，這種方式被稱為幾何聲學(xué)（GA），幾何聲學(xué)的方法可用于模仿合成聲波的某些現(xiàn)實(shí)行為帶來的聽覺刺激。

目前的空間音頻合成軟件可以管理實(shí)時(shí)模擬移動(dòng)接收器周圍的移動(dòng)聲源的計(jì)算負(fù)荷，然而，這些模擬往往是基于靜態(tài)混響的，在現(xiàn)實(shí)世界的場景中，聲波和反射性/阻礙性表面之間存在著顯著的相互作用。房間的建筑或場景構(gòu)成中的每一變化都會(huì)對房間里的聲波在任何給定瞬間的實(shí)時(shí)模擬方式產(chǎn)生重大影響。

這就需要改進(jìn)虛擬三維環(huán)境中的實(shí)時(shí)物理聽覺化技術(shù)，這包括其中任何（或全部）的環(huán)境：聲源、聲音接收器和虛擬環(huán)境中的幾何/表面可能在聲源被模擬時(shí)的動(dòng)態(tài)變化。

蘋果的這項(xiàng)專利可以理解為“位置追蹤與動(dòng)態(tài)音頻調(diào)整系統(tǒng)”。

當(dāng)用戶走到虛擬空間中的哪個(gè)位置，都能聽到實(shí)時(shí)處理的遍布于空間內(nèi)擬真的聲音效果，這些聲音會(huì)根據(jù)空間內(nèi)物體位置、甚至材質(zhì)，以及實(shí)時(shí)移動(dòng)的人產(chǎn)生變化，從而更加真實(shí)。

六、生成用戶化身，支持計(jì)算機(jī)生成現(xiàn)實(shí)體驗(yàn)

在觀影的過程中，除了空間音頻帶來的沉浸感，Vision Pro可為用戶帶來計(jì)算機(jī)生成現(xiàn)實(shí)（CGR）體驗(yàn)，在提供CGR體驗(yàn)之前，需要了解用戶的姿勢。一些CGR體驗(yàn)呈現(xiàn)模仿用戶行為的用戶化身，如果用戶移動(dòng)身體的一部分，化身就會(huì)移動(dòng)相應(yīng)的部分。

這項(xiàng)技術(shù)是通過蘋果去年收購以色列公司Camerai引入蘋果的。

七、識別用戶內(nèi)耳前庭感知到的運(yùn)動(dòng)，減小飛機(jī)場景觀影眩暈感

WWDC23上，蘋果的視頻預(yù)告片中展示了用戶如何在飛機(jī)上佩戴Vision Pro觀看電影。

要知道，一般情況下，當(dāng)身體運(yùn)動(dòng)和視野所觀測到的運(yùn)動(dòng)不匹配或者頭部運(yùn)動(dòng)和視覺觀測的頭部運(yùn)動(dòng)不匹配時(shí)，人很容易產(chǎn)生暈動(dòng)癥。而當(dāng)用戶在空中佩戴VR/AR頭顯時(shí)，由于飛機(jī)顛簸，以及VR/AR頭顯顯示的視野太窄或各種追蹤功能緩慢/不準(zhǔn)確，身體運(yùn)動(dòng)、頭部運(yùn)動(dòng)與VR/AR頭顯觀測到的事物容易產(chǎn)生不匹配的情況，從而導(dǎo)致定向障礙和惡心。

近眼顯示專家Karl Guttag在其創(chuàng)辦的科技網(wǎng)站KGOn Tech給出了更加細(xì)致的分析，Karl Guttag稱，人眼視場角內(nèi)分辨率最高的區(qū)域（視網(wǎng)膜中央凹）其覆蓋范圍僅為2度，使用者眼前看到的圖像是眼球通過掃視、跳動(dòng)等微動(dòng)作捕捉并拼湊在一起的結(jié)果。

在Karl Guttag的分析中可以看到，在通常情況下，人體主要通過三種感官來保持平衡，其中內(nèi)耳器官的前庭感知（VOR）可識別頭部的方向，以及哪個(gè)方向是上下方，如果人眼前看到的運(yùn)動(dòng)與前庭系統(tǒng)感知到的運(yùn)動(dòng)不相符，那么就容易引起惡心、眩暈等癥狀。

由于AR/VR頭顯主要根據(jù)用戶眼球和頭部運(yùn)動(dòng)來動(dòng)態(tài)渲染圖像，顯示的內(nèi)容可能會(huì)導(dǎo)致內(nèi)耳、眼球檢測到的數(shù)據(jù)不一致，從而眩暈。R1芯片宣稱可以大幅消除傳感器和顯示器之間的延遲。

Karl Guttag稱，在飛機(jī)等長途移動(dòng)場景中，與前庭相關(guān)的暈動(dòng)問題可能還會(huì)加重，因此，Karl Guttag得出結(jié)論，Vision Pro還需要識別用戶內(nèi)耳前庭感知到的運(yùn)動(dòng)，才能很好地減少運(yùn)動(dòng)癥狀。

巧合的是，蘋果今年6月公布的一項(xiàng)專利顯示，蘋果的確走了一條和Karl Guttag的猜測相同的路。這兩項(xiàng)專利分別可以理解為“運(yùn)動(dòng)感知增強(qiáng)系統(tǒng)”和“相對慣性測量系統(tǒng)”。

首先，第一項(xiàng)專利中，Vision Pro通過調(diào)整中心凹視區(qū)域（foveated gaze zone）外部的內(nèi)容對比度或空間頻率（spatial frequency）可以減少暈動(dòng)病，這種方式也不會(huì)像黑掉內(nèi)容那樣有損與用戶體驗(yàn)。

具體到實(shí)施方式上，蘋果增加了與用戶物理環(huán)境的3D空間相關(guān)聯(lián)的內(nèi)容到凹注視區(qū)域外部。這樣的目前是為了使用戶可以相對于計(jì)算機(jī)生成現(xiàn)實(shí)（GCR）環(huán)境中移動(dòng)，并且使用戶感知到的運(yùn)動(dòng)與前庭系統(tǒng)（vestibular system）感知的信息相匹配。

同時(shí)，Vision Pro還會(huì)在通過傳感器獲得用戶的生理數(shù)據(jù)和運(yùn)動(dòng)數(shù)據(jù)等的基礎(chǔ)上，向用戶提供相關(guān)聯(lián)的視覺和聽覺體驗(yàn)。

總的來說，該專利的創(chuàng)新之處在于，在具有處理器的電子設(shè)備上，首先確定了顯示器的第一區(qū)和第二區(qū)，然后根據(jù)第一區(qū)和第二區(qū)生成3D環(huán)境的圖像，識別對應(yīng)于顯示器第二區(qū)的每個(gè)圖像的內(nèi)容，以及對應(yīng)于顯示器第二區(qū)的每個(gè)圖像的圖像內(nèi)容的對比度或空間頻率中的至少一個(gè)。

上圖列出了用戶瞳孔和瞳孔的視野圖，其中展現(xiàn)了眼窩，即視網(wǎng)膜中心凹下的部分、副眼窩(parafoved)和周邊視覺區(qū)域（peripheral）。

Karl Guttag對于Vision Pro也有疑惑的問題：在長時(shí)間空氣不流通的場景下，如果讓人一直佩戴有一定重量、貼臉、且會(huì)散發(fā)熱量的頭顯來看電影，體驗(yàn)感可能并不理想。飛機(jī)上的空乘人員、乘客可能會(huì)來回走動(dòng)，每當(dāng)有人靠近的時(shí)候，都可能觸發(fā)Vision Pro的透視模型，打破觀影的沉浸感。

除了調(diào)整中心凹視區(qū)域外部的內(nèi)容對比度，蘋果在今年7月發(fā)布的一項(xiàng)有關(guān)相對慣性測量系統(tǒng)（relative inertial measurment system）也對乘坐交通工具時(shí)產(chǎn)生的暈動(dòng)癥的解決有所幫助。

從蘋果的介紹來看，傳統(tǒng)的VR和AR設(shè)備無法將用戶身體部分的運(yùn)動(dòng)與用戶所處的參照系（reference frame）分離開來。

舉例來說，佩戴傳統(tǒng)VR和AR設(shè)備的用戶在乘坐交通工具時(shí)，在交通工具從停止?fàn)顟B(tài)加速直到高速的過程中，用戶并不會(huì)在交通工具內(nèi)進(jìn)行運(yùn)動(dòng)。這樣VR和AR設(shè)備顯示的圖像，在用戶看來就像是他正在以相同的速度和方向通過車輛行駛的場景。由于眼前庭不匹配，用戶因此出現(xiàn)惡心等癥狀。

蘋果的相對慣性測量技術(shù)可以確定用戶設(shè)備相對于非固定參考系（用戶乘坐的交通工具）相對的運(yùn)動(dòng)，從而將用戶身體部分的運(yùn)動(dòng)與所處的參照系分離。

八、實(shí)時(shí)跟蹤用戶視覺方向，增加賽事比分信息，帶來現(xiàn)場觀賽體驗(yàn)

除了提升觀影體驗(yàn)，蘋果還通過增強(qiáng)現(xiàn)實(shí)技術(shù)提升觀看體育賽事的體驗(yàn)。

從蘋果的專利信息來看，沉浸式視頻內(nèi)容可以通過三維的方式呈現(xiàn)給用戶。根據(jù)使用者觀看現(xiàn)場活動(dòng)的方向和觀看位置的視覺數(shù)據(jù)，Vision Pro選擇為用戶呈現(xiàn)特定視野或觀察視角的沉浸式視頻內(nèi)容。同時(shí)，Vision Pro中呈現(xiàn)的內(nèi)容還會(huì)根據(jù)用戶的移動(dòng)而不斷更新。

從功能上來看，該專利可以理解為“第一人稱視角沉浸式觀賽系統(tǒng)”。

從上圖來看，體育賽事的視頻內(nèi)容會(huì)通過網(wǎng)絡(luò)傳輸?shù)絍ision Pro上，經(jīng)由Vision Pro的通信模塊，一部分信息就會(huì)進(jìn)入數(shù)據(jù)緩沖區(qū)，然后在顯示在目鏡上。另一部分信息會(huì)經(jīng)由處理模塊、以及傳感器顯示在目鏡上。

如果說第一個(gè)專利強(qiáng)調(diào)增強(qiáng)了用戶對體育視頻內(nèi)容的沉浸感受，那么第二個(gè)專利則為用戶實(shí)時(shí)提供體育賽事現(xiàn)場情況信息，可以理解為“體育賽事視覺增強(qiáng)系統(tǒng)”。

將時(shí)間倒回2022年6月，蘋果和美國職業(yè)足球大聯(lián)盟（MLS）宣布，Apple TV應(yīng)用程序?qū)ⅹ?dú)家播放2023以后的每場MLS比賽直播。為了進(jìn)軍視頻業(yè)，蘋果正希望將拓展MLS的呈現(xiàn)方式，使用戶可以在Vision Pro中觀看MLS比賽直播，同時(shí)感受到現(xiàn)場比賽的氛圍。

蘋果在專利背景信息中指出，目前用戶已經(jīng)習(xí)慣在電視中觀看體育賽事中隊(duì)伍名稱、得分等補(bǔ)充信息，例如，在足球比賽轉(zhuǎn)播期間，在球場上顯示黃色的先下線，籃球比賽中，比分一般顯示在右下角。

Vision Pro的傳感器可以捕捉物理環(huán)境中的視頻或者圖像，而此時(shí)，Vision Pro的顯示器處于透明或半透明狀態(tài)，圖像或視頻的光線會(huì)通過這層透明或半透明的介質(zhì)導(dǎo)入眼睛之中。此外，關(guān)于體育賽事的補(bǔ)充信息還會(huì)顯示在體育賽事的視圖之中。從下圖可以看到，例如“玩家A進(jìn)球”、“47:46”這樣的場上比分、“射擊速度66千米/小時(shí)”等“‘增強(qiáng)現(xiàn)實(shí)”內(nèi)容的信息都會(huì)以黃色來突出顯示。

Vision Pro仍然會(huì)面臨一些問題。在續(xù)航方面，戶外比賽需要處理大量的實(shí)時(shí)圖像和數(shù)據(jù)，對電池續(xù)航和節(jié)能的要求會(huì)增加。

在技術(shù)方面，如果實(shí)現(xiàn)對體育賽事的AR呈現(xiàn)，Vision Pro需要高效處理大量的圖像和數(shù)據(jù)，以提供給流暢的增強(qiáng)現(xiàn)實(shí)體驗(yàn)。同時(shí)，系統(tǒng)的實(shí)時(shí)跟蹤和定位性能也需要高精度和穩(wěn)定性，以確保在真實(shí)世界中的精準(zhǔn)重疊。

九、提供沉浸式遠(yuǎn)程電話會(huì)議功能，支持與多人分享同一主題內(nèi)容

Vision Pro不僅可以通過“空間音頻”、“增強(qiáng)現(xiàn)實(shí)”、“用戶化身”等方式為用戶提供娛樂方面的沉浸感，在工作層面，還可以為用戶帶來沉浸式的電話會(huì)議體驗(yàn)。

該專利可以理解為沉浸式電話會(huì)議和遠(yuǎn)程呈現(xiàn)系統(tǒng)（immersive teleconferencing &telepresence system）。從美國專利局的信息來看，該專利申請涉及了基于會(huì)話描述協(xié)議（session description）和實(shí)時(shí)傳輸協(xié)議的程序。

下圖描述了沉浸式電話會(huì)議和遠(yuǎn)程呈現(xiàn)系統(tǒng)的簡化結(jié)構(gòu)，圖中可以看到，一群同時(shí)正在會(huì)議室中開會(huì)，房間中含有會(huì)議桌，以供實(shí)際出席的參與者使用。

此外，Vision Pro的相機(jī)能夠以相對于相機(jī)不同的角度或視場捕獲視頻的多個(gè)單獨(dú)的相機(jī)或鏡頭。當(dāng)有人并未出現(xiàn)在會(huì)議室中，但還是希望加入電話會(huì)議。那么會(huì)議室中的參與者可以使用屏幕顯示來自個(gè)人的共享演示文檔或者視頻流。未佩戴Vision Pro的參與者可以使用iPad和iPhone在遠(yuǎn)程來加入會(huì)議。

從上圖的105b可以看到，遠(yuǎn)程參與會(huì)議的人可以使用ipad和iPhone等設(shè)備觀看會(huì)議室的360度全景視圖，還可以使用ipad或iPhone的手機(jī)攝像頭拍攝視頻。

十、虛擬鍵盤“隔空打字”，支持多設(shè)備協(xié)同完成文檔內(nèi)容

與工作場景密切相關(guān)的還有Vision Pro虛擬鍵盤帶來的“隔空打字”功能。

查閱蘋果的專利，在過去幾年中，有多個(gè)專利涉及到虛擬鍵盤的“隔空打字”功能。蘋果今年3月發(fā)布了一項(xiàng)關(guān)于“用戶擴(kuò)展現(xiàn)實(shí)（XR）系統(tǒng)的多設(shè)備連續(xù)性”的專利，也就是一種“多設(shè)備協(xié)同輸入裝置”。

該專利允許使用iPhone、iPad、Mac的用戶將正在操作的文檔傳輸?shù)絍ision Pro之中，允許用戶在擴(kuò)展現(xiàn)實(shí)中完成該文檔。接著Vision Pro可以通過檢測用戶手指運(yùn)動(dòng)來進(jìn)行輸入。

從FIG2中可以看到，iPhone設(shè)備將其內(nèi)容傳輸?shù)絍ision Pro上，用戶佩戴Vision Pro后，前方會(huì)出現(xiàn)應(yīng)用程序窗口，其中包括文件管理應(yīng)用程序（file mgr app）、瀏覽器窗口（browser window）、內(nèi)容編輯器窗口（content editor window)、媒體播放器窗口（media player app window），iPhone原本輸入的內(nèi)容可以在內(nèi)容編輯器窗口查看到。

從FIG5中可以看到，Vision Pro上的攝像頭和傳感器可以捕捉到iPhone的用戶界面，然后Vision Pro中的處理器會(huì)將捕捉到的用戶界面生成副本，然后會(huì)為用戶重新創(chuàng)建一個(gè)文檔，使其可以在Vision Pro所提供的顯示界面中繼續(xù)編輯該文檔。

當(dāng)Vision Pro接管了該文檔的控制權(quán)之后，iPhone的顯示屏可能會(huì)關(guān)閉或更改為低功耗狀態(tài)。同時(shí)Vision Pro還可以在XR環(huán)境中打開多個(gè)應(yīng)用窗口。

蘋果在2020年被授予了一項(xiàng)名為“自適應(yīng)輸入表面”（Adaptive Input Surface ）的專利，該專利與觸敏輸入（touch-sensitive）有關(guān)，可以代替具有觸覺反饋的虛擬鍵盤。觸覺反饋可以通過靜電電極的可控陣列提供給用戶，這可以使用戶感知到表面上不同水平的摩擦力。就可以有針對性地進(jìn)行輸入。同時(shí)輸入表面移動(dòng)感的致動(dòng)器還會(huì)進(jìn)一步為用戶提供附加的觸覺反饋。

一般而言，這個(gè)輸入表面會(huì)接近于Vision Pro的傳感器，該傳感器會(huì)捕捉用戶手指的位置。

十一、模擬人眼POV，單視場或立體場視圖實(shí)時(shí)渲染到Vision Pro

最后要講的三部分與Vision的攝像功能和相關(guān)的透鏡鏡片有關(guān)，其中不得不提的就是Vision Pro的3D攝像功能。

在傳統(tǒng)的VR/AR頭顯中，場景攝像機(jī)（scene cameras）安裝在頭顯的前面。但通常情況下，場景攝像機(jī)的入瞳以及視點(diǎn)（POV）與用戶眼睛的POV存在很大的偏移，因此，攝像機(jī)的POV并不能代表人眼的POV。

因此，為了更好模擬人眼的POV，Vision Pro通過將相機(jī)的入射光瞳向用戶的眼睛處移動(dòng)來校正相機(jī)的POV，以更好匹配用戶的POV，從功能的角度，該專利可以理解為“相機(jī)POV校正裝置”。

Vision Pro的相機(jī)的二維陣列（two-dimensional arrays）可以捕獲眼前真實(shí)世界場景的各個(gè)部分的圖像，攝像機(jī)沿球面曲線或曲面定位（spherical curve or surface），以使攝像機(jī)具有不重疊的相鄰視場（FOV）。同時(shí)，為了準(zhǔn)確表示用戶的視角，Vision Pro相機(jī)中的光學(xué)器件被配置為使陣列中相機(jī)的入射光瞳位于圖像傳感器處所形成相機(jī)圖像平面的后面。同時(shí)，Vision Pro的相機(jī)也在傳感器上形成優(yōu)化的圖像。因此，每個(gè)相機(jī)陣列都能從與用戶眼睛基本相同的視角捕捉場景的視圖。

在蘋果發(fā)布會(huì)的展示中，使用者可以與圖片中場景進(jìn)行交互一直讓人好奇，從蘋果發(fā)布的專利中可以看到，虛擬現(xiàn)實(shí)系統(tǒng)可以向用戶顯示立體場景以創(chuàng)建深度錯(cuò)覺，并且計(jì)算機(jī)可以實(shí)時(shí)調(diào)整場景內(nèi)容。

每個(gè)相機(jī)按照從物側(cè)到像側(cè)的順序包括：第一透鏡組，其中包括一個(gè)或多個(gè)透鏡元件；孔徑光闌（apertue stop）其中包括針孔（pinhole）；第二透鏡組，其中包括一個(gè)或多個(gè)透鏡元件、多個(gè)鏡頭元件和傳感器，同時(shí)，第一組透鏡組中的透鏡之間的間隙最小或者沒有間隙。

這樣安排的原因是希望使一個(gè)場景的光被反射到兩個(gè)或多個(gè)攝像機(jī)上，這些攝像機(jī)分別為捕捉場景的各個(gè)部分的圖像，鏡子的作用是使攝像機(jī)的光圈更接近被攝者的眼睛。所捕獲的圖像經(jīng)過處理后生成圖像。用戶在由自己的左右眼來查看所顯示的圖像。

而且真正實(shí)現(xiàn)3D攝影，這或許還只是入門級的要求。蘋果在2021年4月公布一項(xiàng)關(guān)于360攝影和后期制作相關(guān)的專利，或許可以更好地解釋Vision Pro如何實(shí)現(xiàn)了體驗(yàn)者們所言的“3D立體景觀”。

蘋果在專利中稱，傳統(tǒng)的180度和360度視頻和圖像都以平面存儲(chǔ)格式（in flat storge formats）進(jìn)行存儲(chǔ)，同時(shí)使用等距柱狀投影（equirectangular projections）或立方投影（cubic projections）來表示球面空間（sphrical space）。如果這些視頻或圖像在傳統(tǒng)的編輯或圖形應(yīng)用程序中進(jìn)行編輯，同時(shí)當(dāng)這些視頻或圖像以圓頂投影、立方體或球面映射的方式分布和呈現(xiàn)時(shí)，容易出現(xiàn)大量問題。

此外，在對用球面合成或編輯的圖像或視頻進(jìn)行處理后，容易出現(xiàn)后續(xù)鏡頭未對準(zhǔn)或立體視覺不匹配等情況。然而蘋果的專利彌補(bǔ)了這一遺憾。

目前Vision Pro獲得專利會(huì)將單視場（monoscopic）或立體180度或360度的靜態(tài)圖像或視頻圖像從主機(jī)編輯或視覺效果軟件作為等距柱狀投影或其他球面投影傳輸同時(shí)運(yùn)行的輸入的方法和系統(tǒng)。同一設(shè)備上的軟件程序，可以從有線或無線鏈接的頭戴式頭顯的方向和位置數(shù)據(jù)，并同時(shí)將該方向代表的代表性單視場或立體場視圖實(shí)時(shí)渲染到Vision Pro中。

說到這或許就可以解答如何形成3D立體景觀了，但蘋果并未止步與此，蘋果在專利中還進(jìn)一步想到了關(guān)于Vision Pro拍到的照片和視頻如何進(jìn)行后期制作，雖然蘋果沒有在WWDC23的預(yù)告中展示這方面的功能。

簡單來講，Vision Pro使用GPU緩沖區(qū)來接收圖像數(shù)據(jù)，同時(shí)這個(gè)GPU緩沖區(qū)還與媒體操作的應(yīng)用程序相關(guān)聯(lián)，可以獲取到顯示設(shè)備的方向數(shù)據(jù)（orientation data），這樣利用獲得的圖像數(shù)據(jù)和方向數(shù)據(jù)，Vision Pro的屏幕上就可以顯示出預(yù)覽圖像。需要指出的是，當(dāng)媒體操作應(yīng)用程序并修改圖像數(shù)據(jù)時(shí)，所述的預(yù)覽圖像會(huì)被動(dòng)態(tài)修改。

十二、增加集成板塊，安裝多種傳感器，告知外界頭顯正在拍攝

此前谷歌眼鏡由于會(huì)在對方不知情的情況下對其進(jìn)行拍攝而受到外界的詬病，蘋果在下面這項(xiàng)專利中為Vision Pro增加了集成板塊（integrated part），該集成板塊可以讓外界知道頭顯正在拍攝，簡單來講，就是“傳感器捕捉與指示裝置”。

從專利信息來看，蘋果在Vision Pro安裝上許多傳感器，首先是，三維傳感器，三維傳感器下面又分為多個(gè)類別，例如三維圖像傳感器（three-dimensional sensors）、結(jié)構(gòu)光傳感器(structured light sensors)，當(dāng)目標(biāo)被光束照射產(chǎn)生的光點(diǎn)的三維圖像數(shù)據(jù)被三維圖像傳感器捕捉到，這時(shí)Vision Pro中的相機(jī)就會(huì)對圖像進(jìn)行拍攝。

其次，Vision Pro中還有三維激光雷達(dá)傳感器（the-dimensional lidar sensor)，可以理解為一種光檢測和測距的傳感器（light detection and ranging sensors）；三維射頻傳感器（three -dimensional radio-frequency sensors）或者收集三維圖像數(shù)據(jù)的其他傳感器。

最后還有實(shí)現(xiàn)跟蹤傳感器（gaze tracking sensors），其中就包括基于圖像傳感器的視線跟蹤系統(tǒng)。（gaze tracking system based on an image sensor）。

講完了Vision Pro中的傳感器，Vision Pro中的發(fā)光組件（light-emitting component）可以用來指示相機(jī)的當(dāng)前操作模式。

從上圖來看，Vision Pro采用了兩種設(shè)計(jì)分別是圓形指示器設(shè)計(jì)、八角形指示器設(shè)計(jì)（Octagonal Indicator Design）。當(dāng)相機(jī)在捕捉運(yùn)動(dòng)圖像的時(shí)候，指示器變?yōu)榧t色，當(dāng)相機(jī)沒有捕捉視頻時(shí)，指示器就可以為綠色或者黑色。

十三、雙向鏡和單向鏡間自由切換，EyeSight可實(shí)現(xiàn)自動(dòng)自動(dòng)淡入、淡出功能

壓軸出場的是Vision Pro的Eyesight功能，在WWDC23上，相信很多人對Vision Pro雙向鏡與單向鏡的切換感到好奇，在WWDC23小組討論中，Vision Pro的首席開發(fā)人員Mike Rockwell談到了EyeSight背后的技術(shù)。

據(jù)悉，Eyesight的想法可以追溯到蘋果前首席設(shè)計(jì)師Jony Ive，事實(shí)上Meta曾在2021年展示過帶有假視覺的原型。

EyeSight功能簡單來說，就是外部的顯示屏可以實(shí)時(shí)顯示用戶的眼睛。然而實(shí)現(xiàn)該功能并非容易，一方面?zhèn)鹘y(tǒng)的2D顯示器在顯示眼睛時(shí)會(huì)顯得不自然。于是以Mike Rockwell為代表的開發(fā)人員想到了制造一種彎曲的透鏡顯示器，這種顯示器可以為每個(gè)觀察Vision Pro外顯示屏的人呈現(xiàn)獨(dú)特視圖。

在WWDC23中，Vision Pro的效果展示部分，也可以聽到該頭顯屏幕使用了一種名為“Lenticur ”的透鏡。2021年，Patenltly Apple發(fā)布了三篇關(guān)于相關(guān)的專利報(bào)告。

今年5月，在一項(xiàng)在Lenticur透鏡顯示圖像的方法的專利被公布出來。從專利信息來看，Vision Pro離線后會(huì)生成靜態(tài)網(wǎng)格，傳感器會(huì)實(shí)時(shí)將拍攝對象的紋理信息映射到固定的網(wǎng)格之中。在離線的過程中，被拍攝對象的紋理信息和3D網(wǎng)格信息（3D mesh information）可以用于渲染對象多個(gè)視點(diǎn)的UV貼圖（UV map），這樣就完成了3D建模。

Vision Pro開發(fā)人員在分享中曾提及，而這些視圖數(shù)據(jù)有兩大主要數(shù)據(jù)源，一是頭顯中眼動(dòng)追蹤攝像頭捕捉到的畫面信息，二是蘋果使用數(shù)字角色，這個(gè)數(shù)字角色是佩戴者的3D面部掃描的幫助下預(yù)先生成的。

從圖1A和圖1B分別顯示了Lenticur顯示器的3D前視圖和頂視圖。Lenticur顯示器包括顯示面板、該面板的材質(zhì)可以是LCD、OLED、DLP、LCoS（硅基液晶）。同時(shí)，可以看出Lenticur使用了柱面透鏡，這種透鏡本質(zhì)上一組放大透鏡，特點(diǎn)是可以改變圖像的寬高比，為每個(gè)觀察Vision Pro外顯示屏的人呈現(xiàn)獨(dú)特視圖。

圖210可以是視網(wǎng)膜投影儀系統(tǒng)（retinal projector system），其將左圖像和右圖像逐像素掃描到用戶的眼睛之中。為了掃描圖像，投影儀還會(huì)·生成光束，這些光束被引導(dǎo)反射組件（reflective components），反射組件會(huì)將光束重新引導(dǎo)到用戶的眼睛之中。

EyeSight還包括自動(dòng)淡入和淡出眼部區(qū)域的功能，這取決于用戶是在沉浸式內(nèi)容中還是與附近的人進(jìn)行互動(dòng)。自動(dòng)淡入可以理解為，當(dāng)有人靠近用戶時(shí)，此人會(huì)自動(dòng)出現(xiàn)在視野中。

Vision Pro的鏡片中帶有涂層，就像太陽鏡和滑目鏡這類產(chǎn)品一樣，可以產(chǎn)生單向鏡面效果。但是這也就造成一個(gè)問題，當(dāng)使用者佩戴太陽鏡、滑目鏡這類產(chǎn)品時(shí)，由于涂層不夠透明很可能會(huì)使組件無法有效運(yùn)行。

Vision Pro使用了紅外透明單向鏡，這款單向鏡使用了支撐結(jié)構(gòu)（support structure）的材料，這種支撐結(jié)構(gòu)可以支撐材料層，使得材料層將外部區(qū)域和內(nèi)部區(qū)域分開。

同時(shí)，光學(xué)器件可以與材料層重疊，這樣可以實(shí)現(xiàn)該效果的光學(xué)組件包括可見相機(jī)的可光組件和諸如紅外發(fā)光器件、光紅外發(fā)射器的、紅外光傳感器的紅外組件等可以穿過材料層，同時(shí)被紅外透明單向鏡的反射外觀隱藏而不被看到。

結(jié)語：打造虛擬交互新模式，Vision Pro有望掀起XR領(lǐng)域熱潮

從上文深扒Vision Pro 13項(xiàng)功能展示中背后專利可以看到，無論是空間窗口、空間音頻等都為用戶帶來了“空間計(jì)算”新體驗(yàn)，同時(shí)，EyeSigtht功能一改傳統(tǒng)XR設(shè)備“隔絕式”交互方式，使得佩戴者既能實(shí)時(shí)看到外部情況，還能在有人靠近的情況下，與現(xiàn)實(shí)中的人進(jìn)行交互，打造了虛擬交互新模式。

XR發(fā)展已有10余年的時(shí)間，這期間雖然一直缺少爆款級產(chǎn)品出現(xiàn)，但是由于以蘋果、Meta、谷歌為首的科技巨頭的“押注”，XR領(lǐng)域一直受關(guān)注度較高，與之相關(guān)的新專利、新產(chǎn)品、新場景也在持續(xù)發(fā)布。作為蘋果“十年磨一劍”打造出來的現(xiàn)象級產(chǎn)品Vision Pro有望掀起XR領(lǐng)域的熱潮，進(jìn)一步擴(kuò)大XR設(shè)備的市場規(guī)模。