今年消費(fèi)電子行業(yè)最顯著的創(chuàng)新來自于蘋果的MR頭戴產(chǎn)AppleVisionPro，作為極高集成度的產(chǎn)品，VisionPro配備了4K顯示屏、空間音頻、虹膜掃描等功能，在顯示、交互、主芯片等環(huán)節(jié)具有突出創(chuàng)新，要求的技術(shù)工藝復(fù)雜程度極高。

AppleVisionPro造型類似滑雪鏡，采用鋁合金框架，配備一整塊以3D方式成型與層壓的OLED顯示面板，并集成了一系列攝像頭和傳感器。

而行業(yè)中另外一個重大的重新產(chǎn)品則是特斯拉的Optimus人形機(jī)器人。隨著特斯拉Dojo智算芯片的量產(chǎn)，以及特斯拉對一些微電機(jī)的材料與工藝突破，Optimus人形機(jī)器人已經(jīng)能完成部分仿人類的動作，在定量操作如敲雞蛋，與一些矢量操作，如澆花，沖咖啡等，基本上能完成合格的效果。

從2021年特斯拉宣布開發(fā)人形機(jī)器人，到翌年展示Optimus原型機(jī)，再到今年宣布預(yù)計11月開展行走測試，再到明年正式上崗新能源汽車制造生產(chǎn)線，特斯拉人形機(jī)器人產(chǎn)業(yè)化“腳步漸近”。

在普通人眼里，兩家公司的兩個產(chǎn)品好象毫不搭界，但在一些敏感的科技公司里面，已經(jīng)在對兩個產(chǎn)品之間產(chǎn)生十分緊密的聯(lián)想，兩個產(chǎn)品的結(jié)合，極有可能改變未來人們生活的工作與生活方式。

其中Apple Vision Pro 搭載了全球首個空間操作系統(tǒng)visionOS，全三維用戶界面，而控制這個界面，僅需要用戶的眼睛、雙手和語音——最自然、最直觀的輸入工具，讓用戶能夠以一種絕妙的方式與數(shù)字化內(nèi)容互動，可實現(xiàn)數(shù)字化內(nèi)容與真實世界的無縫融合，讓用戶在沉浸于當(dāng)下的同時還能與他人溝通交流，如同它們真的存在于現(xiàn)實世界之中。

Vision Pro 通過 VST（video see through）實現(xiàn)MR（數(shù)字與現(xiàn)實的混合）。Vision Pro 通過傳感器實時感知現(xiàn)實環(huán)境，將數(shù)字化的現(xiàn)實運(yùn)算后發(fā)給顯示屏幕，通過光機(jī)系統(tǒng)真實的發(fā)送給佩戴者。通過調(diào)節(jié)VisionPro旋鈕，用戶可獲得不同的沉浸度體驗。該設(shè)備強(qiáng)調(diào)自然的交互，用戶與設(shè)備的交互通過眼睛、手勢和聲音；用戶與環(huán)境的交互通過EyeSight 技術(shù)，用戶在完全沉浸時，走近的同伴也會出現(xiàn)在視野中。Vision Pro是一款真正意義上實現(xiàn)了虛擬和顯示融合的革命性設(shè)備。

蘋果暫時研發(fā)出了Vision Pro頭顯可以使用的6種交互手勢。

Tap：同時點擊拇指和食指會向頭戴顯示設(shè)備發(fā)出信號，表示您要點擊顯示屏上的虛擬元素。用戶也將這描述為一種捏合，相當(dāng)于點擊iPhone的屏幕。Double Tap：啟用雙擊手勢。Pinch and Hold：類似于點擊并按住手勢，執(zhí)行突出顯示文本等操作。Pinch and Drag：可用于滾動和移動窗口。您可以水平或垂直滾動，如果用戶加快手勢速度，交互界面也會相應(yīng)地調(diào)整速度。Zoom：雙手手勢之一，可以把手指捏在一起，通過拉開手勢進(jìn)行放大，窗口大小也可以通過在角落拖動來調(diào)整。Rotate：另一個雙手手勢之一，它將涉及將手指捏在一起并旋轉(zhuǎn)雙手以操縱虛擬對象。

手勢將與眼球運(yùn)動協(xié)同工作，Vision Pro中的許多攝像頭將非常準(zhǔn)確地跟蹤您的視線。眼睛位置將是使用手勢定位您想要與之交互的關(guān)鍵因素。

蘋果還為Vision Pro提供了兩種文字輸入方式，分別為藍(lán)牙連接外部鍵盤與頭顯提供的虛擬鍵盤。而蘋果Vision Pro提供的虛擬鍵盤看去是有體積的，而不是只有一個平面。通過光線與陰影變化，用戶能夠分辨是否按下，空間音效還能給予反饋，以此來彌補(bǔ)缺少的觸覺信息。

對于虛擬鍵盤來說，距離信息相當(dāng)重要。在用戶指尖靠近按鍵時，鍵盤會提供一個高亮效果，這樣就能夠幫助用戶更好感受與鍵盤的距離感，按鍵的狀態(tài)變化配合空間音效，或能讓虛擬鍵盤提供更真實地輸入體驗。

Vision Pro擁有6顆SLAM+手勢攝像頭，其中有兩顆向下的攝像頭專門捕捉手垂放在腿上的視角。另外，還有兩顆斜向下的攝像頭同時兼顧SLAM和手勢。甚至為了弱光環(huán)境下手勢識別準(zhǔn)確性，蘋果還加入了兩顆紅外LED進(jìn)行輔助。

Vision Pro專門為攝像頭、傳感器準(zhǔn)備的R1芯片，是為了低延遲處理這些視覺數(shù)據(jù)，從而實現(xiàn)更精準(zhǔn)交互方案，可以說Vision Pro的交互邏輯從軟件、硬件、芯片、算法等多方位于一體，是一個鴻溝式的差異。

這種垂直視角的攝像頭，專門用于捕捉大部分時間、不抬手的時候的手勢，因為很多時候雙手應(yīng)該自然垂放在腿或桌子上，符合人體工學(xué)邏輯。

眼球追蹤方面，Vision Pro凝視+手勢捏合包括文字選中、菜單選擇都可以通過眼球+手勢來完成，這其中眼球+手勢融合交互就非常重要。

另外在其它科技公司的相關(guān)研究中也證明，基于凝視射線+捏合（蘋果Vision Pro的方案，只不過它隱藏了凝視射線，但在UI中結(jié)合了高光等進(jìn)行提示）在速度、效率上更高，也最受歡迎。

那么這跟特斯拉的Optimus人形機(jī)器人又有什么關(guān)系呢？

在特斯拉最新發(fā)布的視頻中，我們可以發(fā)現(xiàn)特斯拉利用一些技術(shù)方法改進(jìn)了人形機(jī)器人的動作和控制，包括電機(jī)扭矩控制、環(huán)境發(fā)現(xiàn)與記憶、基于人類演示訓(xùn)練機(jī)器人。

研究團(tuán)隊使用電機(jī)扭矩控制（motor torque control）操縱人形機(jī)器人腿部的運(yùn)動，讓機(jī)器人「落腳」力度保持輕緩。

對于一個機(jī)器人來說，觀察或感知周圍環(huán)境是非常重要的。特斯拉為人形機(jī)器人添加了環(huán)境發(fā)現(xiàn)與記憶的能力。現(xiàn)在，該人形機(jī)器人已經(jīng)可以對周圍環(huán)境進(jìn)行大致建模。

特斯拉的人形機(jī)器人具備與人類相似的身體結(jié)構(gòu)。特斯拉的研究團(tuán)隊使用大量人類演示訓(xùn)練了機(jī)器人，特別是在手部動作方面，旨在讓其具備與人類似的物體抓取能力。

目前特斯拉的Optimus人形機(jī)器人除了制造困難外，另外一個就是使用場景的擴(kuò)展。如果僅憑特斯拉一家企業(yè)來研發(fā)其每一個具體的應(yīng)用場景，那么肯定局限性較大。

但如果給特斯拉的Optimus人形機(jī)器人加上一個蘋果的Vision Pro頭顯，再通過基于凝視射線+捏合的空間操作系統(tǒng)，并與人們自己佩戴的Vision Pro頭顯進(jìn)行實時同步，是不是除了讓人形機(jī)器人自主完成特斯拉自己定義的簡單場景作業(yè)外，還能真正的實現(xiàn)人類自己的具身智能分身功能，而不一定要把一個高風(fēng)險的腦機(jī)接口真正的把自己跟機(jī)器人連接上。

即便是不跟使用者自己的Vision Pro頭顯進(jìn)行實時同步，把Vision Pro頭顯作為特斯拉人形機(jī)器人的另一個主控操作系統(tǒng)，來指揮人形機(jī)器人完成日常的一些工作內(nèi)容與生活動作，是不是也能讓人形機(jī)器人基本上實現(xiàn)了虛擬現(xiàn)實的生產(chǎn)力融合。事實上，特斯拉在基于人類演示訓(xùn)練機(jī)器人時，就已經(jīng)完成了這一步。

人類的動作在現(xiàn)實生活中，是屬于很低級的低速運(yùn)作，并且所使用的力量相對工業(yè)機(jī)械來說也極小，定位精度要求也極低，所以特斯拉才會說人形機(jī)器人的量產(chǎn)成本會很低。

從某種意義上來說，設(shè)計或制造人形機(jī)器人，只要搞懂其底層邏輯，把人類基本動作進(jìn)行相對簡單的分類后再分解，找到與之相配的操作力能量轉(zhuǎn)換與控制方式，對于已經(jīng)生產(chǎn)制造出了各種電子產(chǎn)品的科技企業(yè)來講，困難度并不高。

加上蘋果的空間操作系統(tǒng)出現(xiàn)，實現(xiàn)上對于整個科技行業(yè)來講，人形機(jī)器人的整個產(chǎn)業(yè)思維已經(jīng)變得十分完整了。

責(zé)任編輯：彭菁