Magic Leap在Twitch上的幾次直播演示可以說都在畫餅，對于實機以及操作并沒有進行深入的講解，這也讓大家對于它如何運作充滿了各種假設(shè)以及好奇心。

在前幾天，也就是6月21日的Unite Berlin大會上，Magic Leap講解了如何開發(fā)Magic Leap One，在其中包含了諸多Magic Leap One工作及運行的細(xì)節(jié)，那就讓我們一起來看看吧。最關(guān)鍵的是，Magic Leap終于向我們演示了通過Magic Leap One的AR。

首先他們提出的是通過他們的技術(shù)，Magic Leap One的AR會真實的融入到環(huán)境當(dāng)中去，可以讓用戶和平時一樣觀看，而不是與現(xiàn)在的AR眼鏡一樣疊加在視野的上方。不過他們并沒有講解他們用的是什么技術(shù)，就當(dāng)成他們畫的另外一張大餅算了。

不過得到了一張餅也要失去一張餅，這就是大餅守恒定律。

Magic Leap交互實驗室的負(fù)責(zé)人Schwab表示，Magic Leap One的視場是有限的，并沒有此前宣稱的那么神奇。不過他也沒有具體說明有限到多少，而是告訴開發(fā)者再知道Magic Leap One有限的視場后如何改變他們的開發(fā)思路。

Schwab提出了四個觀點他認(rèn)為開發(fā)者應(yīng)該注意的，分別為“Less is More”、“Respect The Real World”、“Getting your Attention”、“Reality Considerations”。

“少即是多”用在這里實在是太取巧了，Schwab提出的這三點其實都很中肯。在AR體驗當(dāng)中，應(yīng)當(dāng)以讓用戶體驗到虛擬與現(xiàn)實之間的融合，將AR作為現(xiàn)實世界的延伸，而在視場中過多的填充就會造成反效果。

不過考慮到這是對于MLO有限的視場而做出的策略改變，只能拍著手說有道理了。

這條也是對于“少即是多”的闡述，Schwab做了一個比喻，AR就好比現(xiàn)實世界中的客人，主角任然是現(xiàn)實世界，AR不能喧賓奪主，可以使用更多的線索引導(dǎo)用戶。

不過對于有限的視場也可以用其他方法補救。通過眼動追蹤我們可以知道用戶正在看什么，當(dāng)用戶視線不在目標(biāo)上的時候，我們可以通過空間化音頻或者是外圍視場中的運動來引導(dǎo)用戶的視線。

在設(shè)計的同時，也要考慮到用戶的安全。比如你正在走一個下坡路，而AR信息在上方，這就很容易造成事故。而且在沉浸感強烈的情境下，人們的聽覺會下降，甚至什么都聽不到，這將會造成十分嚴(yán)重的結(jié)果，這也是Schwab提醒開發(fā)者需要十分注意的事情。

在用戶數(shù)據(jù)方面，MLO會從五方面進行收集。分別是頭部姿勢、雙手、雙眼、語音還有地理/臨時信息。

頭部姿勢能夠搜集不僅能分析搖頭和點頭和其他的頭部運動，還能檢測心跳、步姿和你走路的速度等。

對于眼睛的眼動追蹤和語音命令這兩個功能，除了本職工作以外，還能夠通過眼睛的形態(tài)和聲調(diào)的高低大小來判斷用戶的情緒。

通過眼睛收集的信息主要來自于眼睛停止轉(zhuǎn)動的時刻，我們的眼睛一直在不斷地轉(zhuǎn)動（這期間的速度很快，幾乎采集不到什么信息），如果它沒動說明我們正在經(jīng)歷某些事情。這時就會采用到心理學(xué)的知識，比如眼睛向下看說明在思考，向左上方看時在思考。

最令人意外的還是第一次被透露的地理信息和臨時信息的收集，通過收集用戶之間交互的地理信息與臨時信息來分析趨勢，來為用戶判斷更好的選擇。不過如何運行這項功能，并未透露。

至于手部姿勢，MLO可以識別八種手勢，如下圖所示。

在識別手勢時，將會先由頭部姿勢判斷，然后開啟深度攝像頭掃描近場來識別手勢，能夠同時識別雙手的手勢。在手勢識別的時候，會有八個點跟蹤，這將會把八個特定的手勢和平常的手勢區(qū)分開來。

說到這里就要談一下MLO的交互模式了。MLO對于指令的輸入是對綜合頭部、眼動追蹤、手勢信息進行的綜合，將頭部姿勢與視線還有手勢相結(jié)合。

比如眼前有三個方塊，通過頭部姿勢和眼動追蹤能夠知道你正在看的是哪一個方塊，然后再識別手勢例如Thumb就能夠選中那個方塊了，也就是說能夠預(yù)判用戶的選擇。

通過之前所講對于用戶心理的分析，MLO可以判斷用戶是有目的的選擇，而不是隨便瞎選，從而達到準(zhǔn)確的預(yù)判。

這種操作設(shè)置其實也比較符合人本身的運動規(guī)律，在同一時間是多個器官同時運作的。

而與之配套的，Magic Leap開發(fā)了一套多式交互模型——TAMDI。

代表著五個步驟，分別為Targeting（目標(biāo)）、Activation（獲?。?、Manipulation（操縱）、Deactivation（失活）、Integration（整合），五個步驟構(gòu)成一個循環(huán)過程，對頭、眼、手三個部位的信息進行整合判斷。

說了半天終于要講到MLO的演示視頻了，不過在此之前我們先來看看公布的Magic Leap的工具包——Magic Kit。受限于信息與篇幅（最主要還是丸子醬不懂），就不介紹具體的使用教程，讓我們一起來看看這個工具包里面都有些什么。

首先是Environment Toolkit，能夠說明現(xiàn)實空間中物體的位置，識別遮掩物背后被藏起來的識別點，還有房間的角落。

使得虛擬內(nèi)容能夠更符合現(xiàn)實世界規(guī)則，增強沉浸感。源代碼則會放在在GitHub上，供開發(fā)者下載。

空間中那些點是Magic Leap提出的環(huán)境映射概念——BlockMesh，這是Lumin SDK for Unity中MLSpatialMapper預(yù)制件的可用網(wǎng)絡(luò)類型。

網(wǎng)格在內(nèi)部重建，物體都將會表現(xiàn)為互聯(lián)的三角形網(wǎng)格。但這些網(wǎng)格之間并沒有相互連接，是為了在轉(zhuǎn)換目標(biāo)的時候能夠快速更新網(wǎng)格。同時帶來的好處是MLO的識別更加緊密、貼近邊界，你可以看到虛擬對象是結(jié)結(jié)實實的踩在地上的，這會帶來更好的沉浸感。

在揮手時，虛擬人也能夠同樣向我們揮手，MLO的姿勢API有以下這些。

SDK API則有一下幾種。

開發(fā)包包括的工具以下。

這些就是大致的內(nèi)容了，除此之外他們還透露控制器將會繼續(xù)保留，在手勢與控制器之間，控制器能夠帶來更好的觸感和反饋。在一項Magic Leap的專利里面我們可以找到控制器的樣子。

這次大會上給我們帶來了諸多MLO的信息，雖說戳穿了餅并沒有畫的那么大，但是更加的真實了，最終效果如何還是讓我們一起期待吧。