VR/AR头盔里的可预测追踪技术你知道多少？

约为 10 毫秒。当绘制特定像素时，可能无法实时匹配当前信息，因为你需要等该像素被会绘制到显示屏上，才能出现下一个像素。

上面提到的这些造成时延的原因，可能有一些只会导致非常小的时延感受，不过如果几个问题叠加起来，可能就会带来比较不好的用户体验了。事实上，可预测追踪技术（结合诸如时间规整算法等其他技术）对于减少明显时延非常有帮助。

距离预测未来究竟有多远？

实际上，上面这个问题似乎没有标准答案，因为最终还是要看用户的使用体验和感受，每个人的体感也都是不一样的。一开始，你可能会先估计系统端到端的时延，然后根据自己的喜好来优化时间。

此外，在对未来某个给定时间段内进行预测时，你可能需要将这段时间拆分成几个预测时间段，为什么要这么做呢？我们用以下几个例子来做下解释：

不同的对象有不同的端到端延迟。举个例子，基于摄像头的手部追踪和基于摄像头的头部追踪所表现出的时延就不一样，但在某些虚拟现实或增强现实应用场景下，你又需要将手部和头部动作同步起来，所以你需要采用不同的预测追踪时间，使得最终效果更加协调。

在配置用于双眼图像提供的单屏幕（比如智能手机屏幕）时，对于单眼图像显示，也会出现半帧的延迟（比如，六十分之一秒的一半，或是大约 8 毫秒），一只眼睛会"先看到"图像，然后该图像才会反映到另一只眼睛上。所以在这种情况下，最好也能够应用可预测追踪技术，提前 8 毫秒时间进行判断，减少半屏延迟体验。

常见的预测算法

这里再介绍几个可预测追踪算法的例子：

导航推测算法：这其实是一个非常简单的算法，如果在给定时间内位置和速度（或是角位置和角速度）都是已知的，而且在速度保持不变的情况下，速度值也不会有错误，那么就可以计算出对象最后的"落脚点"，继而进行位置预测。举个例子，如果最后一个所知位置是 100 单位，而最后所知的速度是每秒 10 单位，那么在未来 10 毫秒这段时间里，该对象的位置点就是 100＋10＊0．01＝100．1。当然，这是一个非常简单的计算，因为它有一个假设前提，那就是位置和速度都是正确的（而且在主观上也不会受到其他测量问题的影响），同时速度也都是保持恒定。但事实上，所有这些假设在现实中几乎都很难实现。

卡尔曼预测器：它是基于著名的卡尔曼滤波器，用于在已有系统运行的数学模型中减少系统传感器噪音的。如果你需要了解更多和卡尔曼滤波器有关的信息，请参见这里。

Alpha－beta－gamma：ABG 预测器和上文提到的卡尔曼预测器相关度很高，虽然数学应用更简单，但是它的通用性却比较一般。ABG 预测器会尝试不断估算速度和加速度，然后将这些数据应用于预测。由于估值考虑到了实际数据，所以他们减少一部分估值误差。配置 alpha、beta 和 gamma 参数也增强了响应能力。

可预测追踪技术是一种非常有用的虚拟现实／增强现实技术，而且也常用语减少表现时延问题。该技术执行起来虽然简单，但是对专业水平要求较高，所以需要你多做一些思考和分析，因为就目前的虚拟现实和增强现实系统来说，减少时延是至关重要的。