時令 發自 凹非寺
量子位 | 公眾號 QbitAI

只靠說話和AI眼鏡互動，確實有點不方便。

現在新玩法來了！數字替身幫你“隔空抓物”，混合現實即時選擇現實世界的物體作為上下文。

書籍檢索，輕松get～

建筑導航？手拿把掐。

多無人機協作？也是毫不遜色。

該技術被稱為Reality Proxy——一種直接操控界面，讓你可以瞬間選中現實世界中的物體。

研究者Xiaoan Liu甚至表示，這使我們離賈維斯又進了一步。

Reality Proxy打破物理條件限制

混合現實（XR）正在重塑人機交互的邊界。通過頭戴設備，它有望將物理世界與數字世界融合，讓用戶能同時操控現實與虛擬中的對象。

然而，傳統的XR設備通常通過光線投射來選擇物體，但由于目標在視野中尺寸較小、視線不穩定以及手部顫抖等原因，這一過程往往容易出錯。

因此，研究團隊提出Reality Proxy（現實代理）——現實物體的抽象數字表示。

他們將交互目標從物體無縫轉移到其代理上，選擇代理等同于選擇實際物體，便于用戶擺脫距離或大小等限制，實現輕松選擇物體。

如上所示，Reality Proxy流程包括三個主要步驟：

激活代理：捕獲層級和語義場景結構

當用戶捏合確認選擇時，它會自動檢測用戶視線范圍內的真實世界物體，并將其抽象為手部的交互代理。

如果用戶成功選中目標物體（用戶視線默認瞄準的物體），他們可以繼續執行預期操作；否則，他們可以使用手邊的代理優化選擇。

生成代理：保留空間關系

在這一步驟中，系統可以將上一步驟中場景的層級、語義表示轉換為代理 —— 用戶可操作的對象。

默認情況下，系統僅為用戶擴展視線范圍內的1級物體生成代理。這些代理保留彼此的相對空間關系。

每個代理可通過長按和雙手縮放等標準手勢操作，即使在用戶釋放捏合后也保持在原位。

由于代理僅作為交互的抽象表示，所以其物理大小并不關鍵。因此，在實現過程中，每個代理表示為固定大小的矩形3D對象。

與代理交互：保持對現實世界的關注

為使用戶能主要關注現實物體， Reality Proxy在與代理交互時，將關鍵視覺反饋直接顯示在物理物體上。

例如，當一個物體被選中時，它會以亮色高亮顯示，相應的代理也會高亮，提供雙重反饋。

為確保代理易于訪問且無需持續視覺關注，研究應用 “延遲跟隨”機制，將代理放在用戶手部附近。

當手保持在特定閾值內時，代理保持靜止；如果手移動超出該范圍，代理會平滑跟隨 —— 使其保持在可達范圍內，而不會對輕微的手部抖動做出反應。

這種設計減少了用戶低頭查找代理的需求，并實現在關注現實世界與快速查看代理信息之間的平滑切換。

此外，Reality Proxy還支持多種交互功能，使用戶與現實物體的互動更加靈活。

1、瀏覽預覽物體：用戶手指在多個代理上滑動，就能快速瀏覽物體的信息，比如快速查看多本書的內容。

2、多對象刷選：用雙手捏合的手勢劃定一個區域，就能選中多個代理對應的現實物體。

3、按屬性過濾物體：長按一個物體的代理，調出屬性面板，滑動手指到某個屬性的代理上，就能選中所有有相同屬性的物體，比如篩選出所有紅色的杯子。

4、借助物理特征的交互：代理可結合真實世界的物理功能促進直觀交互。

例如，放在物理表面（如桌子）上的代理可以將這些表面轉換為自然的觸摸板。

用戶可以使用熟悉的觸摸設備手勢與真實世界物體交互，如在表面上拖動手指選擇多個物體、分開手指擴大選擇范圍，或回溯路徑調整選擇等。

5、語義分組：雙擊一個代理，就能把有相同屬性的物體歸為一組。

6、空間縮放分組：用雙手縮放的手勢，在層級結構中導航，比如從查看整棟樓縮小到查看某一層的房間。

7、自定義分組：在空處用刷選的手勢畫一個立方體容器，把選中的代理放進里面，就能創建自定義分組，方便進行整體操作，比如計算一組書的總價。

除此之外，研究者還通過幾個場景展示了此技術的實用性。

日常信息檢索

在辦公室里，老師可以用它快速找到特定的書，計算書的總價。

在廚房里也能實現與不同粒度級別的物體交互，比如選中微波爐的不同部件。

建筑導航

Reality Proxy讓在大型建筑中高效導航和交互成為可能。

無人機控制

Reality Proxy還允許控制動態真實世界物體。

為展示這一點，研究者開發了一個基于混合現實的無人機控制應用，該應用用無人機中嵌入的跟蹤器代替AI場景理解組件。

此研究招募了12名經驗豐富的XR開發者和研究人員（7名男性，5名女性，年齡在18歲到38歲之間）。

由于兩名參與者參與了完善研究方案的預試驗環節，因此被排除在以下報告的評分中。

評估結果顯示，這個系統在實用性、易學性和易用性方面評價普遍積極。

參與者認為Reality Proxy在實用性上表現突出，能有效解決與遙遠、密集或難觸及物體的交互問題。

相比傳統方式更快捷，可減少身體疲勞、擴展交互能力（如批量選擇、按屬性篩選），對行動不便或視線不穩定用戶也更友好。

不過參與者也指出了一些問題，比如新手可能需要一定的學習時間，代理的定位精度還有待提高等。

團隊介紹

Xiaoan Liu，本科畢業于江南大學，碩士畢業于紐約大學。

他于2019年3月創立了Fusion Reality。2023在清華大學擔任研究助理。2024年11月至2025年5月期間在谷歌工作。

他最近的一項比較有意思的研究還包括RealiTips（稿件準備中）——一款可以指導你一步步煮咖啡的助手。

值得一提的是，他本科時期就設計出很多XR設備和游戲。

Mar Gonzalez-Franco，2014年，她在英國創建了沉浸式技術實驗室，研究航空背景下的AR、VR和混合現實。

2015年，她以高級研究科學家的身份加入初創公司Traity，該公司完成了470萬美元的A輪融資，擁有超過450萬用戶，是硅谷500 Startups和Seedcamp（全球知名的風險投資基金和創業加速器）的校友企業。2016年，她還曾擔任微軟EPIC團隊的首席研究員。

Xianhao Carton Liu，本科就讀于浙江大學竺可楨學院，曾獲圖靈班的人工智能榮譽學士。博士就讀于明尼蘇達大學計算機科學專業，研究方向為人機交互。曾在斯坦福大學和哈佛大學任研究實習生。

Chen Zhu-Tian，本科畢業于華南理工大學，博士畢業于香港科技大學，現任明尼蘇達大學雙城分校CSE系（計算機科學與工程系）助理教授。

參考鏈接：
[1]https://x.com/_seanliu/status/1952770318034190420
[2]https://arxiv.org/abs/2507.17248