在虚拟现实的新世界里，手势识别可能是最趁手的工具

优秀的工具来到世间，常常会发现自己无处可用，若干年后，合适的场景才会出现。Douglas在1964年做出鼠标雏形时，当时的市场环境下是没有可供发挥的场景的。直到1981年施乐推出应用GUI的Star 8010电脑，大众才有机会用鼠标做点什么，比如移动光标去点开一个文件。历史的进程通常是首先在分散的各点实现突破，突然有一天神奇的联线，这些之前看似无用的布点，集合起来打开一片新的世界。

以手势识别为代表的新一代交互方式，可能正在重演这个过程。如果虚拟现实的最终图景是要造出一个完整的世界，在那里我们势必需要和虚拟世界中的各种元素发生交互。在现实世界中，绝大部分真实交互是通过两只手和两只眼去完成的。今天我们不聊眼，聊聊手。我的看法是，手势交互可能是未来五年内虚拟现实领域最重要也最普适的交互方式，虽然到现在为止，还没有一款主流VR头显配备了手势识别功能。

（开始正文之前，我想请你仔细端详下你的双手，试着慢慢舞动你的十指，感受它们的移动，两手交叉合拢的触觉，随手拿起你身边随意一个东西的过程。我们的手是多么的灵活，地球上所有生命中最灵巧的工具莫过于此。如果走出非洲时人类没有手，发展到今天会是怎样的？）

说到手势，不得不提一下leap motion。三年前，是它首次把高精度手势识别带到大众市场，虽然在PC市场不尽如人意，但是没想到等来了VR时代。3D的输入方式，天生和3D的用户界面适配。不久前我和yuri一块去体验了Leap Motion最新版的Orion，被VR场景下高精度的手势识别给震惊到了。放两端实拍的视频。

我震惊的原因有三个：

1. 有交互和没交互的感觉是天差地别的，约等于台下观众和台上演员的差距。只是在VR世界里走走看看是一个体验，拿出你的手，推动一个箱子，推倒一堆箱子，又是一个体验。后者能创造更深的沉浸感，因为你参与甚至主导了这个世界的变化。

2. 手势交互太自然了，学习成本几乎为零。在虚拟世界里，你可以完全像真实世界中一样去使用你的双手，这时交互已经隐藏了，没有明显的人造交互界面，也就没有学习成本了。当然，未来VR的交互界面和环境应该会更复杂，到时候可能还是需要一定的学习。

3. 手势的可变性太丰富。Bret在这篇文章里已经把手的交互说透了，我要补充的是，VR环境给手势交互的丰富可变性提供了广阔的舞台。在PC时代，手被键盘鼠标局限到只能敲击和平面移动，手机也是如此，但是在VR里，手可以做出真实世界里绝大部分交互，遮挡和没有触觉反馈现在是个问题，不过影响不那么大，因为视觉补偿效果能够有效的弥补不足。

当然，现在用光学做手势识别依然有很多固有的缺陷没解决，遮挡、高运算负荷还有左右手混淆等等，也许这些问题的存在，正是三大头显在第一代消费者版中都选择了手柄作为主交互方式。相比而言，手柄的稳定性要好太多了，虽然不那么灵活多用。在虚拟现实各方面都不太成熟的情况下，初次面向大众还是走稳妥路线更合理。

当下的手势识别已经能基本完成鼠标的功能，可能在精确度和稳定性上还有很多进步的空间，但是光学方案固有的缺陷是无法规避的。一个可能的解决办法是类似手套的方案，既能发挥手势识别自然灵活的优势，又能发挥手柄的触觉反馈和稳定性的特点。佩戴麻烦？我觉得三年内VR体验的惊奇度是足以让大家克服麻烦的。

除了鼠标之外，键盘的功能如何解决呢？现在VR里的内容主要还是游戏电影，需要大量文字输入的场景还不多，随着VR社交的发展，我们会需要输入大量文字么？在VR里编程和工作呢？这个问题我没想清楚，小石头的看法是，VR里的内容应该是有沉浸感的，而在VR里大量输入文字是没有沉浸感的。VR社交不应该是想现在的微信发大段文字和表情，编程和工作也是如此。否则，为什么要在VR环境里去社交和工作呢？直接用手机电脑不是挺好么？

我觉得有道理。如果我们想弄清未来的交互具体是怎样的，就需要知道未来的内容是怎样的，因为交互是依托于内容而存在的。未来的内容是怎样的呢？我们都不知道，但是有一点可以确定，那就是在VR最初的十年里会越来越拟真，“创造一个趋近现实的世界”，在这个方向上，手势交互是非常有优势的。现阶段能够把手势识别做到足够好的公司，也是非常有价值的。

对于VR中的手势交互感兴趣的朋友，欢迎和我讨论，我的邮箱是leon#36kr.com