你可能很難想象，在一個沒有顯示屏也沒有鼠標(biāo)的空間，僅憑一副AR眼鏡和一臺口袋主機，就能完成一篇5000字的文章。

沒錯，8月26日，在2023 Rokid Jungle 新品發(fā)布會現(xiàn)場，這樣的場景正在真實發(fā)生著。會上，Rokid 發(fā)布了消費級OST（光學(xué)透視）個人空間計算平臺 Rokid AR Studio，包括Rokid Max Pro（售價4999元）和Rokid Station Pro（售價3999元）兩大硬件產(chǎn)品。

這和以往人們對AR眼鏡的認(rèn)知有很大不同。在此之前，AR眼鏡一直被“鎖死”在娛樂場景中，靠影視和游戲兩大支柱產(chǎn)業(yè)生存，而Rokid AR Studio 真正成為了個人生產(chǎn)力工具，IM軟件、寫文章、寫代碼，搜索信息等等工作場景，都能通過最新的硬件完成。

說自己是個“社恐”的老板祝銘明，是個十足的產(chǎn)品和技術(shù)控，他在內(nèi)部曾斃掉兩版產(chǎn)品設(shè)計初稿，差點把產(chǎn)品部“逼瘋”?？僧?dāng)最后產(chǎn)品部偷偷拿出設(shè)計好的產(chǎn)品時，祝銘明立刻下令資源都傾斜到這個產(chǎn)品上?！拔抑魂P(guān)心一個數(shù)據(jù)，就是用戶使用時長。目前，我們的真實用戶使用時長已經(jīng)接近一個半小時，周留存率超過20%。做到這個，用戶會自然增長。”

用戶數(shù)積累達(dá)到百萬級別，也意味著，AR行業(yè)進(jìn)入了軟件系統(tǒng)和生態(tài)建設(shè)的第二階段。近年來，已經(jīng)有越來越多的系統(tǒng)廠商、應(yīng)用軟件廠商、內(nèi)容廠商加入到AR生態(tài)建設(shè)中來。

“一群瘋子，一個夢想，十年光陰。”

正如祝銘明所言，從娛樂場景到生產(chǎn)力工具，Rokid用了10年，這背后不只是思考的躍進(jìn)，更是從硬件技術(shù)到軟件技術(shù)，乃至整個產(chǎn)業(yè)鏈向前邁的一大步。蘋果和Rokid開啟了AR競賽第二階段，行業(yè)比拼也正在加速。

01 單目SLAM，怎么重新定義交互？

在整場發(fā)布會中，最令人意外的，不是Rokid Max Pro 76g的機身，而是只有一顆攝像頭，竟然能完成SLAM（空間定位技術(shù)）、微手勢交互、第一視角分享、視覺定位VPS能力等多種融合型的交互方式。

但多感知融合的交互，對于硬件的要求更高，除了要滿足基本的需求，更要全方位、多角度的捕捉到用戶動作、手勢，才能精準(zhǔn)地完成交互。

而用單顆攝像頭完成SLAM交互有多難呢？

視覺SLAM方法包含兩個模塊，一個是Tracking，已知3D點位置，基礎(chǔ)定位；一個是Mapping，更新3D點的位置。而無論是哪個環(huán)節(jié)哪種方法，單目意味著只能選擇一種攝像頭，以及固定位置和固定角度，對于識別的范圍、追蹤速度和精度都存在極大的挑戰(zhàn)。

“業(yè)界都認(rèn)為單目SLAM不可置信、很難做到”，祝銘明戲稱，“這可能也是對Rokid的一種肯定吧”。

目前，市場上為數(shù)不多的具備空間交互的AR眼鏡至少會搭載三顆攝像頭，來承擔(dān)算法功能。視覺路線的不同，也形成了以蘋果為代表的VST（視頻透視）和以Rokid為代表的OST（光學(xué)透視）兩大陣營。

仍以蘋果Vision Pro為例，其用12顆攝像頭“堆”出了快速定位捕捉、高精度的全景感知以及精密追蹤，并通過VST的方式，將外部的世界通過攝像頭顯示在終端屏幕上，通過攝像頭的實時拍攝來看到外部世界。

但為了交互而堆硬件的方法，成本提高的同時價格也在翻番上漲，同時導(dǎo)致了機體重以及難量產(chǎn)兩大落地難題。這也就是為什么，蘋果Vision Pro定價3499美元，并要在2024年才能實現(xiàn)量產(chǎn)的根本原因。

而Rokid堅持的OST方案本身便存在著一定的技術(shù)壁壘，由于管路設(shè)計復(fù)雜，且顯示畫面視角有限，光學(xué)零部件成本造價較高，在價格不進(jìn)行較大漲幅的情況下，Rokid只能通過技術(shù)突破的方式，來降低疊加成本。

而讓行業(yè)認(rèn)為“不可置信”的單目SLAM是如何做到的？會后，光錐智能與祝銘明進(jìn)行了深度的交流，發(fā)現(xiàn)Rokid的“絕招”在于，用AI算法來突破硬件的壁壘。

祝銘明介紹到，單目SLAM技術(shù)雖然早就存在，但還從沒有被應(yīng)用在AR眼鏡中，手機的前置攝像頭也同樣應(yīng)用了此類技術(shù)，唯一不同的是：算法。

從AI到AR，這是一條看似跨越但實際上本質(zhì)融通的道路，但也正是因為Rokid此前數(shù)年在AI領(lǐng)域的積累，通過多維度視覺算法模型，包括視覺定位與增強、數(shù)字人技術(shù)、2D/3D手勢識別、OCR識別等技術(shù)，讓AI在具體的場景中落地。

比如AR視覺定位與增強功能，就是在解決和突破單目的限制，通過構(gòu)建厘米級的視覺地圖，將虛擬信息在真實物體世界進(jìn)行精準(zhǔn)疊加融合，實現(xiàn)物體和場景的高精度三維重建。

Rokid副總裁、XR中心負(fù)責(zé)人王俊杰介紹道：“空間定位基于SLAM技術(shù)，然后才能在空間中進(jìn)行穩(wěn)定的自然交互。1~2秒的時間通過算法快速初始化，建立映射空間?！?/strong>

而市場上，大多數(shù)設(shè)備還是采用雙目的方案來解決，但雙目融合也存在很多問題，除了成本多增加了一個攝像頭之外，還需要不斷用算法來實時擬合兩個攝像頭的數(shù)據(jù)，從而帶來更多的復(fù)雜問題。

由此看來，如果單目方案能夠順利進(jìn)行，Rokid就又率先踩準(zhǔn)了一個技術(shù)趨勢。此前，Rokid也是行業(yè)首創(chuàng)Station 主機的廠商，眼鏡和主機分離的方案已經(jīng)被證明是行業(yè)體驗的最優(yōu)解。

另外，在手勢識別中，Rokid采用了微手勢的交互方式，手指一捏，即可進(jìn)行點擊和選中；手勢左右撥動，還可對正在瀏覽的界面或內(nèi)容進(jìn)行切換。簡單的捏合和滑動手勢等邏輯定義比較自然，上手較快。

Rokid表示，基于深度學(xué)習(xí)算法和大量實驗數(shù)據(jù)，單目3D手勢算法能在移動端實時重建手部姿態(tài)參數(shù)，包括手部6DoF、手部關(guān)節(jié)點6DoF，以及Hand Mesh信息，為AR的手勢交互提供良好的算法基礎(chǔ)。

目前，Rokid的手勢識別在3D空間中可實現(xiàn)多種操作，包括點、捏、抓、握、拖、拉等等，完全可以滿足AR交互應(yīng)用需求。例如，戴上Rokid Max Pro，伸出手，在眼前張開手掌即可呼出菜單。

畢竟想要支持如此復(fù)雜的算法結(jié)構(gòu)，背后的功臣不只攝像頭，更與“大腦”也就是Rokid Station Pro的算力和性能息息相關(guān)。

02 口袋里的空間計算機

一直以來，整個VR/AR行業(yè)都存在著“算力、舒適度、價格”的不可能三角。算力更高的設(shè)備往往更重，價格也更貴，舒適度高的輕量級設(shè)備又無法滿足使用需求。

從現(xiàn)實的情況來看，目前并沒有一種“完美”的解決方案，主流廠商們試圖在二者中找平衡，當(dāng)下市場上存在著兩類主流的解決方案：一種是以蘋果為代表的顯示計算一體，電池外接的方案；另一種，則是以Rokid為代表的顯示計算分體設(shè)計。

蘋果一體化的設(shè)計，將兩塊micro-OLED屏幕、多個攝像頭和傳感器、揚聲器等元件集成在一起，在顯示效果、計算等方面效率更高，但同時也會增加機體本身重量，導(dǎo)致只能將電池外接。

而Rokid堅持的分體式設(shè)計，將佩戴性拉到了極致，對比Vision Pro 454g重量，76g的眼鏡重量，幾乎和普通眼鏡沒有差別；同時主機算力也可以不那么受空間資源限制，同時一定程度上避免散熱帶來的不適問題。

Rokid Station Pro就是在分體式設(shè)計的基礎(chǔ)上，進(jìn)行了更高的算力升級，打造集計算、成像、通信等功能為一體的All in One終端，也是真正可以被稱之為“生產(chǎn)力工具”的超級終端。

據(jù)光錐智能了解到，Rokid Station Pro 搭載了高通驍龍XR2+、12G RAM + 128G ROM, 支持WIFI6/6E和BT5.1，Station Pro續(xù)航能力將是手機方案的2倍以上，同時具有更佳的散熱和更高性能，可以達(dá)到厘米級6DoF跟蹤精度和極低MTP（Motion to Photon）渲染延遲。

公開信息顯示，驍龍XR2＋是高通推出最新旗艦的XR平臺，能夠?qū)崿F(xiàn)50%的續(xù)航能力和30%的散熱性能提升，從而支持更小更輕薄的設(shè)備外形中賦能更豐富和沉浸式的體驗。同時驍龍 XR2 + 平臺引入全新圖像處理管線，能夠?qū)崿F(xiàn)低于 10 毫秒的時延，開啟全彩視頻透視 MR 體驗。

從光錐智能在現(xiàn)場的體驗來看，無論是觀影、游戲過程中還是調(diào)用鍵盤進(jìn)行工作生產(chǎn)流程，尤其是在游戲的高頻交互和打斗下，畫面的流暢度和反應(yīng)速度，都十分絲滑。

值得一提的是，目前市場上核心算法還是3DoF（三自由度追蹤），是指該設(shè)備能夠檢測到向上、前、下三個方向的轉(zhuǎn)動，但不能檢測到頭部的前后左右的空間位移。

而升級后的Station Pro采用的6DoF算法，除了能檢測到頭部的轉(zhuǎn)動帶來的視野角度變化外，還能夠檢測到由于身體移動帶來的“上下前后左右”6種位移的變化。

這個算法的升級，更重要的在于玩家的自由度。舉個例子，3DoF算法下的打僵尸，射程范圍在前方的一定角度，而升級后僵尸從360度出現(xiàn)，一回頭身后僵尸撲面的體感，是前者無法達(dá)到的。

高通技術(shù)公司XR產(chǎn)品管理高級總監(jiān)Said Bakadir表示：“第一代驍龍XR2+平臺是賦能下一代XR體驗的不二之選。高通技術(shù)公司為Rokid Station Pro提供業(yè)界領(lǐng)先的平臺，支持其打造了自身獨特的AR應(yīng)用生態(tài)系統(tǒng)?！?/p>

03 做AR行業(yè)中的iOS

當(dāng)然，蘋果手機之所以能在手機市場上常年稱王稱霸，成功的原因并不只于它的硬件，更在于它的系統(tǒng)和生態(tài)。通過軟件系統(tǒng)來培養(yǎng)用戶使用習(xí)慣所筑下的壁壘，往往要比硬件本身更牢固。

這是Rokid自研AR空間操作系統(tǒng)——YodaOS-Master的部分原因，但卻不是全部的原因。

今年三月Rokid Open Day上，Rokid正式推出了YodaOS-Master，并發(fā)布了“AR空間創(chuàng)作平臺靈境”，讓每個人都能在3D空間內(nèi)創(chuàng)作AR內(nèi)容，人人可參與，徹底打破AR創(chuàng)作的門檻，讓生態(tài)勢能爆發(fā)。

如果說單目SLAM、3D手勢識別、驍龍XR＋、靈境平臺都是一把把利刃，那YodaOS-Master，通過一套自研的系統(tǒng)，才能將這些絕招釋放。

簡單來說，Rokid 是在走一條沒有人走過的路，而Rokid的理念是“軟件定義一切”，所有的軟件都需要系統(tǒng)進(jìn)行承載和提供，才能發(fā)揮出價值。

圍繞感知、理解、交互、展現(xiàn)、協(xié)同和數(shù)字創(chuàng)作五個方面，YodaOS-Master從芯片優(yōu)化、硬件設(shè)計、軟件架構(gòu)、AR算法還有創(chuàng)作工具等諸多方面都做了巨大升級，或是目前最為完整的一套面向AR時代的空間操作系統(tǒng)。

另一個極為創(chuàng)新的案例是，Rokid基于自研系統(tǒng)，重新定義了空間搜索。祝銘明介紹道，這打破了此前搜索信息的陳列方式，搜索結(jié)果的呈現(xiàn)不再是二維的平面的效果，而是存在在三維空間中。“與問題最相關(guān)的結(jié)果會離你最近，有點相關(guān)的結(jié)果在二級頁面，離的越遠(yuǎn)越不相關(guān)，當(dāng)然，你也可以劃掉前面的結(jié)果，動態(tài)挑選你想要的結(jié)果”。

可以看到， AR行業(yè)開放生態(tài)已經(jīng)開始進(jìn)入第二階段，蘋果和Rokid不僅在硬件方向上一個向左，一個向右，在行業(yè)系統(tǒng)軟件、生態(tài)發(fā)展上也是如此。通過硬件、算法、軟件生態(tài)、開發(fā)者和用戶與平臺共創(chuàng)，AR在一個徹底開放的生態(tài)下，會更快速的邁向高速發(fā)展的第二階段。

Rokid系統(tǒng)研發(fā)總工程師石文峰表示，“YodaOS-Master操作系統(tǒng)通過服務(wù)化的方式，將 Rokid語音識別、手勢識別、SLAM等在內(nèi)的多項核心技術(shù)集成為系統(tǒng)服務(wù)，并提供多種client SDK供開發(fā)者高效開發(fā)，比如SDK for Unity，可以讓Unity開發(fā)者(開發(fā)者申請通道：開放平臺網(wǎng)址(ar.rokid.com))能夠快速使用Rokid核心技術(shù)進(jìn)行開發(fā)”。

“AR 行業(yè)就在黎明前”，祝銘明說道。

#rokid##AR#

歡迎關(guān)注光錐智能，獲取更多科技前沿知識！