离贾维斯又进了一步
时令 发自 凹非寺
量子位 | 公众号 QbitAI
只靠说话和AI眼镜互动，确实有点不方便。
现在新玩法来了！数字替身帮你"隔空抓物"，混合现实即时选择现实世界的物体作为上下文。
书籍检索，轻松get～
建筑导航？手拿把掐。
多无人机协作？也是毫不逊色。
该技术被称为Reality Proxy——一种直接操控界面，让你可以瞬间选中现实世界中的物体。
研究者Xiaoan Liu甚至表示，这使我们离贾维斯又进了一步。
Reality Proxy打破物理条件限制
混合现实（XR）正在重塑人机交互的边界。通过头戴设备，它有望将物理世界与数字世界融合，让用户能同时操控现实与虚拟中的对象。
然而，传统的XR设备通常通过光线投射来选择物体，但由于目标在视野中尺寸较小、视线不稳定以及手部颤抖等原因，这一过程往往容易出错。
因此，研究团队提出Reality Proxy（现实代理）——现实物体的抽象数字表示。
他们将交互目标从物体无缝转移到其代理上，选择代理等同于选择实际物体，便于用户摆脱距离或大小等限制，实现轻松选择物体。
如上所示，Reality Proxy流程包括三个主要步骤：
激活代理：捕获层级和语义场景结构
当用户捏合确认选择时，它会自动检测用户视线范围内的真实世界物体，并将其抽象为手部的交互代理。
如果用户成功选中目标物体（用户视线默认瞄准的物体），他们可以继续执行预期操作；否则，他们可以使用手边的代理优化选择。
生成代理：保留空间关系
在这一步骤中，系统可以将上一步骤中场景的层级、语义表示转换为代理 —— 用户可操作的对象。
默认情况下，系统仅为用户扩展视线范围内的1级物体生成代理。这些代理保留彼此的相对空间关系。
每个代理可通过长按和双手缩放等标准手势操作，即使在用户释放捏合后也保持在原位。
由于代理仅作为交互的抽象表示，所以其物理大小并不关键。因此，在实现过程中，每个代理表示为固定大小的矩形3D对象。
与代理交互：保持对现实世界的关注
为使用户能主要关注现实物体， Reality Proxy在与代理交互时，将关键视觉反馈直接显示在物理物体上。
例如，当一个物体被选中时，它会以亮色高亮显示，相应的代理也会高亮，提供双重反馈。
为确保代理易于访问且无需持续视觉关注，研究应用 "延迟跟随"机制，将代理放在用户手部附近。
当手保持在特定阈值内时，代理保持静止；如果手移动超出该范围，代理会平滑跟随 —— 使其保持在可达范围内，而不会对轻微的手部抖动做出反应。
这种设计减少了用户低头查找代理的需求，并实现在关注现实世界与快速查看代理信息之间的平滑切换。
此外，Reality Proxy还支持多种交互功能，使用户与现实物体的互动更加灵活。
1、浏览预览物体：用户手指在多个代理上滑动，就能快速浏览物体的信息，比如快速查看多本书的内容。
2、多对象刷选：用双手捏合的手势划定一个区域，就能选中多个代理对应的现实物体。
3、按属性过滤物体：长按一个物体的代理，调出属性面板，滑动手指到某个属性的代理上，就能选中所有有相同属性的物体，比如筛选出所有红色的杯子。
4、借助物理特征的交互：代理可结合真实世界的物理功能促进直观交互。
例如，放在物理表面（如桌子）上的代理可以将这些表面转换为自然的触摸板。
用户可以使用熟悉的触摸设备手势与真实世界物体交互，如在表面上拖动手指选择多个物体、分开手指扩大选择范围，或回溯路径调整选择等。
5、语义分组：双击一个代理，就能把有相同属性的物体归为一组。
6、空间缩放分组：用双手缩放的手势，在层级结构中导航，比如从查看整栋楼缩小到查看某一层的房间。
7、自定义分组：在空处用刷选的手势画一个立方体容器，把选中的代理放进里面，就能创建自定义分组，方便进行整体操作，比如计算一组书的总价。
除此之外，研究者还通过几个场景展示了此技术的实用性。
日常信息检索
在办公室里，老师可以用它快速找到特定的书，计算书的总价。
在厨房里也能实现与不同粒度级别的物体交互，比如选中微波炉的不同部件。
建筑导航
Reality Proxy让在大型建筑中高效导航和交互成为可能。
无人机控制
Reality Proxy还允许控制动态真实世界物体。
为展示这一点，研究者开发了一个基于混合现实的无人机控制应用，该应用用无人机中嵌入的跟踪器代替AI场景理解组件。
此研究招募了12名经验丰富的XR开发者和研究人员（7名男性，5名女性，年龄在18岁到38岁之间）。
由于两名参与者参与了完善研究方案的预试验环节，因此被排除在以下报告的评分中。
评估结果显示，这个系统在实用性、易学性和易用性方面评价普遍积极。
参与者认为Reality Proxy在实用性上表现突出，能有效解决与遥远、密集或难触及物体的交互问题。
相比传统方式更快捷，可减少身体疲劳、扩展交互能力（如批量选择、按属性筛选），对行动不便或视线不稳定用户也更友好。
不过参与者也指出了一些问题，比如新手可能需要一定的学习时间，代理的定位精度还有待提高等。
团队介绍
Xiaoan Liu，本科毕业于江南大学，硕士毕业于纽约大学。
他于2019年3月创立了Fusion Reality。2023在清华大学担任研究助理。2024年11月至2025年5月期间在谷歌工作。
他最近的一项比较有意思的研究还包括RealiTips（稿件准备中）——一款可以指导你一步步煮咖啡的助手。
值得一提的是，他本科时期就设计出很多XR设备和游戏。
Mar Gonzalez-Franco，2014年，她在英国创建了沉浸式技术实验室，研究航空背景下的AR、VR和混合现实。
2015年，她以高级研究科学家的身份加入初创公司Traity，该公司完成了470万美元的A轮融资，拥有超过450万用户，是硅谷500 Startups和Seedcamp（全球知名的风险投资基金和创业加速器）的校友企业。2016年，她还曾担任微软EPIC团队的首席研究员。
Xianhao Carton Liu，本科就读于浙江大学竺可桢学院，曾获图灵班的人工智能荣誉学士。博士就读于明尼苏达大学计算机科学专业，研究方向为人机交互。曾在斯坦福大学和哈佛大学任研究实习生。
Chen Zhu-Tian，本科毕业于华南理工大学，博士毕业于香港科技大学，现任明尼苏达大学双城分校CSE系（计算机科学与工程系）助理教授。
参考链接：
[1]https://x.com/_seanliu/status/1952770318034190420
[2]https://arxiv.org/abs/2507.17248
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
💻 8月7日周四，下午14点，量子位AI沙龙邀请了来自模型厂商、IDE、零代码平台、Agent等产品代表，一同聊聊AI Coding将如何重构开发？
👩💻 欢迎线下参会！来和百度文心快码、智谱、Kimi、硅心科技、海新智能、CREAO、IDEA面对面交流 👇
一键关注 👇 点亮星标
没有评论:
发表评论