1.3 沉浸感、临场感、空间计算

1.3 沉浸感、临场感、空间计算：衡量 XR 的三把尺

本节摘要：XR 产品发布会和学术论文都在用三个词：沉浸感（Immersion）、临场感（Presence）、空间计算（Spatial Computing）。它们容易被混着说，但其实是三把不同的尺子——一把量"输入通道有几条"，一把量"心理是否信了"，一把量"机器对环境的理解有几层"。这一节给三把尺子定下刻度，再用三段代码把它们连起来：你写一段立体声 + 头部姿态 + 平面识别的代码，能在 5 分钟内把三把尺子的数字同时抬一格。

读完你能掌握

阅读完本节，你应当能够：

1. 区分 Immersion、Presence、Spatial Computing 三个词并给出各自的工程定义。
2. 用三组数字给任意一段 XR 体验做粗略打分。
3. 解释为什么"分辨率翻倍"会同时影响三把尺子，但"刷新率翻倍"只影响一把。
4. 在 Unity 里用一段最小代码同时把三把尺子推一格。

一、问题与直觉

XR 行业里最常被滥用的一句话是"我们提供沉浸式体验"。这句话既没有指标、也没有刻度——同一段 demo 给不同人看，"沉浸"程度可能差 10 倍。我们需要的是三把可打分的尺子：

• 沉浸感（Immersion）：技术尺——你的身体"被喂"了多少通道。
• 临场感（Presence）：心理尺——你的大脑"信了"自己在哪里。
• 空间计算（Spatial Computing）：机器尺——系统"理解"了多少环境。

三把尺子独立。Vision Pro 比 Quest 3 沉浸感更高、空间计算更准，但临场感未必更高——这是因为前者更重、戴久了大脑反而更容易"出戏"。

二、第一把尺：沉浸感（Immersion）

沉浸感只看"输入通道有几条、被占满了没有"。工程上分四类：

• 视觉沉浸：分辨率（PPD，每度像素数）、刷新率（Hz）、视场角（FOV，度）、HDR 范围、立体视觉（双眼视差）。
• 听觉沉浸：声场（单声道/立体声/5.1/7.1/双耳 HRTF）、空间化（基于头部姿态的声源定位）、低频反馈。
• 触觉沉浸：手柄振动（频率/幅度）、触觉手套（压力点）、力反馈（推/拉）、温度（罕见）、嗅觉（极少）。
• 动觉沉浸：6DoF 头部跟踪、6DoF 双手跟踪、身体/脚部跟踪、跑步机位移。

每一项都能量化打分。例如视觉沉浸可以这样算：

视觉沉浸 = 0.4 × (PPD / 60) + 0.3 × (Hz / 90) + 0.2 × (FOV / 110) + 0.1 × (HDR / 1)
​

把视觉、听觉、触觉、动觉四个分数按 0.4/0.2/0.2/0.2 加权求和，就得到一张"沉浸感分卡"。

三、第二把尺：临场感（Presence）

临场感是心理量——人是否"信了"自己在虚拟里。Slater & Wilbur 1997 年的论文是这块的开山经典。工程上无法直接测量，但可以观察这些行为指标：

• 用户忘了自己在戴头显（他们伸手去拿桌上不存在的物体）。
• 用户主动避开虚拟障碍（他们绕开"墙"，即使墙是虚拟的）。
• 用户在虚拟里笑/紧张/恐惧（情绪反应与现实一致）。
• 用户摘下头显后短暂迷失方向（空间感被虚拟覆盖了）。

临场感最容易被忽略的反面是**"出戏"信号**——眩晕、眼疲劳、鼻子发痒、耳朵发闷。任何一项都说明大脑"没信"。

四、第三把尺：空间计算（Spatial Computing）

空间计算是机器对环境的理解。它在 2022 年 Apple WWDC 之后被广泛传播。技术上分四层：

• 定位与姿态：用户在哪个坐标、头转到什么角度、眼睛看哪里——6DoF + 3DoF 眼动。
• 几何重建：环境的三维结构——点云、网格、深度图、平面检测。
• 语义理解：环境里有什么——桌子、椅子、门、人、可交互区域、不可越界。
• 持久锚点：这一格墙上的虚拟挂钟，下次回到这一格还在——跨会话保留。

四层都能打数字。例如 ARCore 的"几何重建"会输出一个"百分比覆盖率"——它识别到多少比例的环境是平面；"持久锚点"会输出"跨会话保留的锚点数"。这两个数字直接反映系统"理解"环境的程度。

五、把三把尺子合在一起

一个高质量 XR 体验必须三把尺子都过线。下面是一张打分表范例：

看 Vision Pro 那行——视觉/听觉/动觉/空间计算都更强，但临场感却不如 Quest 3。这就是"硬件好 ≠ 体验好"的反例：重量、视野受限、发热都会让大脑"出戏"。

六、动手演示：5 行代码把三把尺子同时抬一格

下面这段代码在 Unity + AR Foundation 里同时做三件事：开启立体声、订阅头部姿态、检测水平面。这三件事分别对应听觉沉浸、动觉沉浸、空间计算。

// 1. 听觉沉浸：开启双耳 HRTF 空间化
var audioSource = GetComponent<AudioSource>();
audioSource.spatialBlend = 1.0f;       // 3D
audioSource.spatialize = true;         // 启用 HRTF
audioSource.spread = 30f;              // 立体声扩散

// 2. 动觉沉浸：订阅头部 6DoF
var head = InputDevices.GetDeviceAtXRNode(XRNode.Head);
head.TryGetFeatureValue(CommonUsages.devicePosition, out var pos);
head.TryGetFeatureValue(CommonUsages.deviceRotation, out var rot);

// 3. 空间计算：平面检测
ARPlaneManager planeManager = GetComponent<ARPlaneManager>();
planeManager.requestedDetectionMode = PlaneDetectionMode.Horizontal;
foreach (var plane in planeManager.trackables)
    Debug.Log($"检测到平面: {plane.center}, 类型: {plane.alignment}");
​

跑起来之后：耳机里听到的声音随头转动有方位感（听觉沉浸）、头动时画面跟手（动觉沉浸）、检测到桌面时虚拟物体贴在桌面上（空间计算）。三把尺子各抬了一格。

本节要点回顾

• 三把尺子互相独立：沉浸感是输入、临场感是心理、空间计算是机器对环境的理解。
• 分辨率翻倍同时抬视觉沉浸 + 空间计算（点云更密），刷新率翻倍主要抬视觉沉浸。
• 临场感无法直接测，只能观察用户行为（伸手去拿、绕开、笑、紧张）。
• 硬件好 ≠ 体验好：Vision Pro 沉浸与空间计算都更强，临场感却因重量/发热被拖累。
• 5 行 AR Foundation 代码就能把三把尺子各推一格。

图 1-3：三把尺子的雷达对比

把 Quest 3、Vision Pro、HoloLens 2 在三把尺子上的得分画成雷达图——一眼能看出 Vision Pro 在沉浸/空间计算领先，临场感却不是最高。

下一章我们沿着光谱到硬件这一层——看是谁在物理上撑起了这三把尺子。