1. 没有基站的底气：AR视线对战的定位选型逻辑
先交代一下背景。我最近做了一个纯粹自娱自乐的AR小项目：四个人戴着头戴式AR设备，在自家客厅里互相“瞪”着对方，谁先持续锁定谁，谁就得分。听起来像小孩子游戏，但技术上要迈过的坎一点都不小。最大的一个坎，就是标题里说的“无基站全域通用”。做AR对战，最常见的方案是给它配一套外部定位系统——房间角落架基站，设备上贴标记点，用激光或红外把每个人的空间位置算得清清楚楚。这种方案很成熟，很多线下VR体验店都在用，但它有两大致命伤：贵，且被场地绑死。
我做这个项目的目的很明确，就是想证明一件事：不架任何基站、不贴任何反光标记，随手走进一间屋子、甚至走到户外空地，四个人都能瞬间组队开战。设备本身自带摄像头和惯性传感器，用视觉惯性里程计（VIO）做自我定位，再用空间锚点把所有人的坐标系对齐。这么做的好处，是“全域通用”四个字真正落地了——只要设备能戴着走路，哪里都是战场。
这里有个容易被新手忽略的点：无基站不等于无定位。很多人一听到不架基站，就以为设备是靠GPS或者蓝牙粗定位，那精度根本撑不起对战。实际上，无基站的底气来自设备自身的同时定位与建图能力，设备一边走一边扫描环境特征点，实时构建三维地图，同时把自己在地图里的位置算出来。这个技术路线在AR领域已经非常成熟，手机AR、头戴式AR都在用，区别只在于精度和稳定性的调校。我在项目里用到的这套自研追踪方案，在中等光照、纹理丰富的室内环境下，可以做到厘米级定位，完全够用。
为什么非要走“无基站”这条路？我可以算一笔账。一套专业基站设备的价格，顶得上好几台消费级AR眼镜；而且基站必须在固定位置架设，每次换场地都要重新标定，极其繁琐。更麻烦的是，基站一旦被遮挡，比如有人站在基站和头盔中间，追踪就会掉线，这对多人对战来说是灾难性的。无基站的自我定位方案，本质上是个相对定位系统，它的单位是“米”，参考系是环境本身，所以天生不怕遮挡、不怕换场地、不怕人多挡来挡去。它的短板也很明确：在纯白墙面、无纹理地面、逆光环境下，视觉里程计容易漂移。这部分我在后面专门讲，因为它是无基站方案落到真实场景后，我最常被问到的坑。
1.1 VIO才是真正的无名功臣
视觉惯性里程计（VIO）是整套系统的地基，它把摄像头拍的图像和IMU测的加速度、角速度融合在一起，实时输出设备的位置和姿态。为什么要融合，而不是只用摄像头？因为摄像头在快速转动、光线变化、快速位移时，特征点容易跟丢，这时候IMU可以顶上，短时间内的运动轨迹靠惯性推算也能维持住。反过来，IMU自身有零偏和温漂，长时间运行会越来越不准，摄像头又能用视觉特征把它拉回来。两者互补，才是VIO能稳定的原因。
我用生活类比解释一下：摄像头像一个看路的人，负责认准地标；IMU像一个闭着眼数步子的人，负责估算走了多远、拐了几个弯。单独靠看路的人，天黑或者墙壁太光滑就迷路；单独靠数步子的人，越走越没谱、误差越积越大。两者一起工作，走几步就睁眼对一下地标，既能跑得快，又不会跑偏。
多人对战场景对VIO的挑战在于，每个玩家的运动模式完全不同——有人喜欢突然甩头看侧面，有人喜欢蹲下站起，有人会绕着别人转圈。VIO暴露在剧烈动态下，偶尔会出现几帧的定位跳变，这对射击判定是致命的。我做了两个辅助措施：一是给VIO的输出加滑动窗口滤波，把定位数据的瞬时突变抹平；二是把视线方向和射击判定解耦，视线方向单独由眼动数据负责，定位只负责站位。
1.2 共享空间锚点：四个坐标系怎么拧成一股绳
无基站条件下，每个玩家都是一个独立的坐标系中心。你的“前方一米”，和我的“前方一米”，根本不在一个空间里。要把四个人拧进同一个战场，需要用到空间锚点技术。具体流程是这样的：第一位玩家进入场地时，系统自动扫描周围环境，生成一组特征点签名，比如某个墙角、茶几边缘、墙上挂画的轮廓，把这些特征点打包成一个锚点标记，上传到云端；后面三位玩家进入同一片区域时，各自扫描环境特征，和云端锚点做匹配，一旦匹配成功，就把自己的坐标系原点映射到锚点坐标系中。
这个过程很像现实中朋友约见面：第一个人拍了一张街角的照片，其他人拿着照片找到同一个街角，然后所有人都以这个街角为参照物描述“我在它东边十米”。空间锚点的匹配质量，直接决定了四人能否出现在同一个战场里。我实测下来，匹配成功后的坐标对齐误差通常在几厘米以内，视觉上四个人不会出现“你看到的我在你左边，但我看到的自己在右边”的错位。
这里有个很关键的经验：空间锚点的有效期不是无限的。环境光照变化、家具被移动、甚至窗帘拉开关上，都会导致特征点匹配置信度下降。我做的稳健性方案是周期性刷新锚点，在游戏进行中，系统每隔一分钟自动重新扫描环境，更新锚点快照。配合VIO的实时数据，老锚点和新锚点之间就是一段连续的位移带，玩家完全无感。
2. 视线代替手柄：多人对战里的眼动交互机制
定位问题解决后，真正的核心玩法才登场——用视线当武器。传统射击游戏用手柄瞄准、用鼠标甩枪，AR对战里，我选择让玩家的视线本身成为一条射线，视线看向哪里，就等于把准星压在哪里；视线停留在目标身上足够久，就造成一次有效“攻击”。这么设计的好处是零学习成本，玩家不需要拿着手柄操作，头往哪转、眼睛往哪看，火力就指向哪。实际测试里，第一次玩的玩家基本都能在十秒内理解规则并开始进攻。
但视线代替手柄，引出两个硬件层面的麻烦：第一，不是每台AR设备都内置眼动追踪，我用的设备方案是头显内置眼动摄像头，通过瞳孔角膜反射法捕捉注视点；第二，眼动数据的原始噪声非常大，瞳孔微颤、眼皮眨动、眼珠快速扫视，都会让注视点抖动得像地震仪记录。如果不做处理，玩家会觉得自己的“准星”在乱飘，完全没有射击感。
我花了很长时间在注视点平滑上。用形象的话说，注视点平滑的作用，是把一个喝醉了酒的人的目光，校正成一个狙击手屏息时的目光。平滑算法的核心是“既要稳，又要快”——观察目标时，目光要平稳锁定；转移目标时，目光要立刻跟过去，不能拖泥带水。我用的是指数平滑加动态阈值的组合：正常追踪时，用一个较低的平滑系数，让注视点缓慢修正；检测到眼动速度超过阈值（说明玩家正在快速转移视线），就临时调高平滑系数，让注视点迅速跟上。
眼动追踪还有个逃不掉的环节——标定。每个人的瞳距、眼球曲率都不同，出厂默认参数只能保证“大概能用”，要实现精准对战，必须先让系统了解这双眼睛。初次使用时，盯着虚拟屏幕上的五个锚点（中心、四角）依次看一遍，系统会记录每个注视点对应的瞳孔图像特征，建立专属映射模型。我的经验是，这个标定过程要做得足够简洁——五秒能完成最好，因为玩家来玩的是对战，不是做视力检查。同时，标定结果不能一劳永逸，头戴设备戴久了容易滑动，我在游戏里安排了一个隐式的“快速校验”，开战前让所有人看同一个虚拟目标，系统比对注视点偏差，超过阈值就自动提醒重新标定。
2.1 视线射线的判定精度：玩家感觉不到的那几厘米
视线对战的基础逻辑，是把眼动数据转换成一束从眼睛位置出发、沿注视方向延伸的射线，然后和虚拟场景中的所有碰撞体做相交检测。听起来简单，做起来全是细节。首先是眼睛位置的选择，左右眼单独算还是一起算？我最终采用了右眼主注视点作为射线起点，和头显的渲染视点保持一致，这样射线方向和画面里看到的中心点完全重合，避免“我看着那儿，但它显示我看着旁边”的错位。
其次是命中判定的宽容度问题。理想状态下，视线射线应该精确扎到目标身体边缘才算命中，但人的视线天生有抖动，即便平滑过了，也不可能像激光笔一样纹丝不动。我做的是给所有目标增加了一个虚拟的“命中辅助圈”，射线进入这个圈就算锁定开始，持续锁定1.2秒才判定为一次有效攻击。用这个1.2秒的持续时间，而不是瞬时命中，一是给视线抖动留出余量，二是让对战有节奏——如果你只是扫过一眼对手，不构成威胁；只有持续“盯住”才算真的在攻击。这个机制让整个对局从“拼反应速度”变成了“拼视线控制力”，玩起来更像双方在心理博弈。
还有一个细节，是视线射线会被虚拟掩体遮挡。如果场景里有一堵虚拟墙挡在玩家A和B之间，A的视线穿墙打到了B，这显然不公平。因此，射线求交的计算顺序是：先和场景静态遮挡物求交，如果被挡住，就不再计算目标碰撞；只有没被遮挡，才继续检测是否落在目标命中范围内。这个顺序颠倒过来，就会出现各种“穿墙击杀”的Bug。
2.2 眼动数据同步到对战的传输策略
有人可能会问：既然是对战，那我“看到你”这个事实，到底是由哪个设备说了算？这里有两种方案。一种是本地权威判定，每个玩家在自己的设备上计算视线的命中结果，再把“我命中了你”这条消息发给对方。这种方案响应快，但容易被作弊或出现双方同时认为“我命中了他”的冲突。另一种是把视线方向数据广播出去，由某一个中央权威（比如建立房间的主机）统一计算命中。我选择了后者，虽然多了网络开销，但逻辑更干净：所有玩家每隔50毫秒把自己的视线方向发出去，主机收到所有方向的射线，统一和场景中的虚拟目标做碰撞检测，再把结果广播回去。
这个方案什么时候会有问题？网络延迟。50毫秒发一次方向数据，加上网络传输延迟，实际效果是：我看到你转身、但其实那是你两帧前的动作。为了掩盖这个问题，我引入了一个很朴素但是效果很好的机制——回溯命中判定。主机在收到玩家的视线方向后，不是拿当前时刻的目标位置去判断，而是根据时间戳，取目标在“发出这条视线方向的瞬间”的位置来判定。粗看有点违背直觉，但仔细想就通了：我看到的画面就是你发出这条视线方向的画面，拿两边的同帧数据计算，才是公平的。
3. 四人同场不散架：网络同步与对战判定设计
多人对战最怕的无非两件事：卡顿和不公平。前者的根源是网络同步，后者的根源是判定逻辑。我在这个项目里没有引入专用服务器，而是用“主机-客户端”模式：建立房间的玩家设备充当主机，同时自己也是参赛者。这样做省了一台服务器的成本，但对主机设备提出了额外要求——它要比别人多干一份计算活。
先说说网络拓扑。四个人的设备连接到同一个局域网，主机开一个UDP监听端口，其他人连上来后，所有人周期性地向主机发送自己的状态包。状态包的内容包括：设备编号、时间戳、空间位置、朝向四元数、视线方向向量。每个包都很小，大概几十字节，四个人以20Hz的频率发，网络压力极小。
真正麻烦的是状态包在客户端侧的展示。因为每个人的时钟不同步、发包时刻有先后，主机要把这些状态包转发出给其他人时，需要做时间戳校准。我用的办法是，主机在启动游戏时，在局域网上做一次简单的时钟同步——主机广播一个带时间戳的消息，客户端记录收发时间，估算出与主机的时钟偏移量。这个偏移量在游戏过程中还会做渐进修正，因为石英晶振的偏差会导致时钟逐渐错开。
同步的另一面，是“预测+插值”让动作看起来丝滑。玩家A在第0毫秒发出自己的位置，第50毫秒时，玩家B的设备才收到。如果B的设备仅仅按收到的数据渲染A，那A的所有动作都会慢半拍，看起来像在漂移。我的处理是：B设备收到A的位置数据后，不仅渲染最新位置，还会用一个速度预估模型预测A下一步会在哪；每收到新数据时，把预测位置和真实位置做一次差值修正。这样一套下来，四人在局域网内对战的体验，基本上能做到动作随手、无卡顿感。
3.1 主机权威判定：为什么不能让每个玩家各算各的
最初我图省事，想的是“各自算各自的”，每个人在自己的视野范围内判断有没有命中别人，命中结果直接发给对方。这个思路在做原型的第一个小时里就暴露了问题：A认为自己已经盯够了1.2秒并造成了有效攻击，但B认为自己只被盯了0.9秒，还没被判中。两边都报了自己的结果，分数就乱了。更麻烦的是，如果B的画面帧率稍有抖动，A看向B的视线方向就可能因帧间隔而覆盖到错误的时间窗口，误判率陡然升高。
主机权威判定把这一切都收了回来：主机是唯一能宣判“命中”“未命中”的角色，玩家上报的只是原始数据，不是结果。它的好处有三点：逻辑上不会出现双主机争论；作弊空间被压缩了，因为玩家无法篡改主机的判定结果；所有玩家的判定基准是同一个时间轴。当然，主机权威判定要求主机设备在性能上扛得住，尤其是射线碰撞检测要在每个同步周期内跑完。我对碰撞体做了简化，目标身体用三个球体近似——头一个、躯干一个、下肢一个。众所周知，球体求交是最廉价的几何运算之一，三个球的检测开销几乎可以忽略。这是典型的“用数学模型换性能”的取舍。
3.2 对战节奏与计分逻辑的设计思路
游戏本身的玩法规则也可以多说两句。为了避免“谁先眨眼谁输”的枯燥对抗，我设计了两种攻击方式：注视锁定攻击和视线闪避。当你持续注视一个目标1.2秒，对方头像会被一个圆圈逐渐填充，填满即得一分；但如果你发现自己在被注视，你可以立刻把视线移开，那么对方的锁定进度会快速衰减。更进阶的策略是“诱骗”——假装盯着A，实际上快速扫过B，让B的锁定进度出现误判。由于视线数据是实时上报的，这种心理战真的能玩出来。
计分逻辑上，我用一个独立模块处理，记录了每一次有效判定的时间戳、攻击者编号、目标编号和当时两个人的位置。赛后回放时，这些数据可以直接串成一幅“视线攻防图”。有朋友试玩后反馈说，这已经不像游戏了，更像一种身体力行的击剑——视线所指，即是兵器所指。
4. 真实环境中的翻车点与规避手段
写到这里，如果只讲选型和设计，那跟产品说明书没什么区别。其实整个项目最花时间的地方，不是在架构上，而是在真实环境里碰到的各种“明明该这样、它偏不这样”的意外。
第一个坑：无纹理地面导致的VIO纵向下沉。我一开始在自家客厅里测试，地面是浅色木地板，纹理稀疏，摄像头一看下去，特征点少得可怜。设备明明放在桌子上没动，画面里的视角却缓慢往地面沉；人一走路，又觉得脚下的高度在上下浮动。这个问题的根源，是VIO在缺乏视觉特征时，对垂直方向的位移估计失去了约束，只能靠IMU硬扛。IMU的垂直加速度零偏并不稳定，几分钟就会积累出肉眼可见的漂移。我的应对策略是：在游戏环境检测阶段，如果发现场景特征点数量低于阈值，就自动降低玩家的移动速度上限，减少快速挪动对VIO的刺激；同时在渲染层加入一个“虚拟地平线”参考，让玩家能感知到自己的身体姿态，降低眩晕感。
第二个坑：眼动采样率和屏幕刷新率的“共振”。某些设备上的眼动追踪模块是90Hz采样，而AR画面是60Hz渲染，两个频率之间会出现周期性的“拍频”效应，表现为注视点在一个方向上来回滑动，看起来像屏幕上的准星在“呼吸”。我排查了很久，才发现不是算法问题，纯粹是频率不匹配。解决办法很简单，把眼动数据按渲染帧的时间戳做一次线性插值，强制对齐到渲染帧频率上，呼吸感立刻消失。这个坑特别隐蔽，因为静态测试时数据很平稳，只有快速转头时才暴露。
第三个坑：多人同时出现的遮挡连锁反应。当四个玩家在同一个空间里走动时，现实中的人体会互相遮挡。问题是，在无基站方案里，每个玩家的人体轮廓是靠自己的VIO位置在共享空间坐标系中注册的。如果A正好站在B和C之间，B的视线射线会被A的虚拟轮廓挡住，这本来是合理的；但如果A的设备追踪抖动了一下，虚拟轮廓瞬间跳动，会把B的射线“闪断”，导致B的锁定进度莫名中断。我的处理方案是：对玩家实体的碰撞体做时间上的“粘滞”——上一帧和这一帧之间，重叠度超过设定值就保持不变，防止追踪抖动导致的轮廓瞬移。这本质上是用一点实时性换稳定性，对战场景里完全值得。
4.1 空间锚点匹配失败的极端场景处理
空间锚点匹配失败，是我在户外开阔场地遇到的最头疼问题。室内有墙、有家具、有门框，特征点丰富，几秒就能完成匹配；但在户外空地上，四周是空旷的草坪、远处是一排树，特征点分布极其不均匀。更麻烦的是，我测试的时间是傍晚，光线角度变化非常快，同一片树影在10分钟前和10分钟后看起来完全不同，锚点匹配的正确率大幅降低。
我做的妥协方案是降级策略：如果空间锚点无法匹配超时，系统自动回退到“相对对战模式”，也就是以主机设备的位置为原点，其他玩家在成功匹配前，会看到一个指示UI让他们走到主机附近1米范围内，然后通过近距离的密集特征点进行“锁链式”同步——A锚定B，B锚定C，C锚定D，就像几个人手拉手围成圈。等四个人的相对位置都确认了，对战就可以开始。虽然这样无法做到移入场直接全域识别，但至少在任何地方都能开局。更重要的是，这种锁链式同步会对距离做误差累积，所以我在开局后会引导玩家先共同注视同一个虚拟目标，系统根据各自看到的距离差自动修正坐标误差，不到10秒就能把误差拉回到可接受范围内。
4.2 发热降频：AR对战最隐蔽的杀手
这个问题我必须单拎出来讲。AR对战场景下，设备要同时跑VIO定位、眼动追踪、3D渲染、网络收发，四个模块全部是计算密集型的。戴上设备玩10分钟后，机身明显升温，系统为了保护硬件会强制降频。降频的第一个牺牲品通常是VIO——因为它的算法架构里有很多并行计算，频率一降，帧率立刻掉到可用阈值以下，定位开始漂移，画面里的虚拟物体开始“飘”。
我的应对策略是由外而内的双重降温。在软件侧，对渲染画质做动态调整：检测到设备温度超过设定阈值，自动降低远处场景的绘制距离、减少动态阴影、关闭不必要的后期特效，为CPU和GPU腾出性能空间。在玩法侧，我设置了一个“热身回合机制”——开局前两分钟是自由观察模式，不产生正式计分，系统的计算负载相对低一些，给设备一个缓冲期。很多玩家一开始不理解这个设计，觉得强度不够。但试过连续玩20分钟后，他们反而认可了：不降频的设备，手感才能一直保持在线。
5. 实际手感与后续可以怎么玩
整个项目从构思到能邀请朋友来家里对战，前前后后改了三四轮。最有成就感的一刻，是第一次有四个玩家同时在客厅里跑来跑去、互相“瞪”着得分。游戏过程中没有一个人喊头晕，也没有人抱怨准星在飘，有玩家甚至主动研究出了“甩视”技巧——假装盯着左边的人，视线瞬间甩向右边的人，让对方以为安全了、实则已经被锁定。这套玩法的潜力，比我最开始预想的要大得多。
手感方面，我可以负责任地说，无基站方案带来的“随时随地开战”自由感，完全值回所有调校投入。不需要围出一个特定场地，不用花时间搬设备、标定点位，走进一个房间，5秒组队开打。这种感觉倒不是说基站方案不好，而是它们适用的场景根本不同——基站方案适合固定空间的高强度电竞，无基站方案适合聚会、展会、户外这些灵活场景。
后续我想扩展的方向有几个。第一，加入手势交互作为“副武器”，视线负责瞄准、手势负责释放技能，形成混合操作逻辑。第二，引入注视点渲染优化，用眼动数据判断玩家当前聚焦区域，只对聚焦区域做高精度渲染，外围用低精度填补，这样能大幅降低设备发热——毕竟，我们已经在实时采集注视点了，不利用起来纯属浪费。第三，把对战回放系统做成“视线热力图”，四人的视线轨迹叠加在共享空间模型上，这既是观赛利器，也是战术复盘的好工具。第四个方向是跨局域网对战，把局域网内延迟优化的经验推广到公网，难度不小，但一旦打通，“无基站”就不再受物理距离限制了。
最后分享一个压箱底的小技巧：不管你的场景是室内还是户外，开战前，让所有玩家先自然地环顾四周两三秒钟，不要直接开始。这么做不仅是为了VIO充分初始化地图，更是给眼动追踪一个“预热”时间——让设备采集足够的瞳孔图像数据来稳定映射模型。这个小习惯我每次测试必做，能避开一半以上“开局第一分钟准星飘”的投诉。
