走进VR游戏开发的世界
原文地址：http://geek.csdn.net/news/detail/76504
我们组在2014年下半年尝试开发了一款Xbox One平台的体感游戏，2015年上半年进行收尾工作的同时，结合之前积累的体感交互经验，开始进行VR游戏的预研工作。在这近一年的时间里，一方面从外界感受到了一股虚拟现实快速发展的潮流，另一方面也体会到身边很多人对VR游戏的了解非常有限。现在，我们自己的VR游戏Demo《Comet》（如图1所示，观看地址：http://v.qq.com/boke/page/i/0/s/i0195r6fc0s.html）已经完结，从技术上验证了在当前的硬件条件下，开发高画质游戏的可行性。当然，优质的VR游戏需要大家共同的努力，我们也希望更多的人参与进来。在此，把我们在开发过程中学习到、体会到以及所期望的进行总结，希望对大家有所帮助。
VR硬件原理及现状
狭义上的“VR硬件”，特指具有沉浸感的头戴显示器，它有三个基本特征：
- 全3D的立体显示：附合人眼观看现实物体的习惯，能够“以假乱真”；
- 完全虚拟的画面：需要屏蔽外界光线的干扰，用户所看到的都不是现实的东西。有些人可能觉得“增强现实（AR）”更高大上一些，但是对于游戏，我认为还是更倾向于VR。玄幻、魔幻、科幻，一切皆为虚幻；
- 不受限制的视角方向：视角方向跟随头部转动和移动，不同于之前的头戴式显示器，视野非常广。当然，仅仅是这样的体验，并不能说是完美的“虚拟现实”，这也是很多人说硬件不成熟的理由。但是，在保证体验良好的的情况，目前的硬件已经满足做出高品质游戏的条件。
下面对当前的硬件做一些技术分析：
VR显示的基本原理
首先，我们来分析一下满足上面提到的三个基本条件的最廉价产品——Google的Cardboard（如图2所示）：
- 插入手机作为显示屏幕，通过分屏的方式处理双眼的画面，达成立体画面显示；
- 借助纸壳屏蔽外界光线干扰，通过透镜就可以观看到手机渲染的虚拟画面；
- 依赖手机内置的陀螺仪，可以模拟出头部转向时视角的变化。另外，凸透镜在一定程度上增加了FOV（Field Of View，视场角）。
Cardboad以低廉的价格让很多人提前感受到了VR的魅力，并衍生出了很多塑料壳的版本。不过从体验上来说，Cardboard并不能算是一个合格的VR硬件，很多人在试玩过后，就自然而然地以为“VR就是那么回事儿”、“目前硬件还差得远”、“也就新鲜几分钟”等等，从一定程度上误导了很多人对VR的认知。
那么，Cardboard存在哪些问题呢？
- 严重的画面延迟：手机陀螺仪模拟的转向精度和响应速度都不满足VR的要求，造成渲染的画面跟不上转头的速度，加重了晕动症；
- 糟糕的画面表现：手机性能不足以支撑高画质高帧率的3D画面渲染，只能呈现出一些简单的卡通风格画面，达不到“以假乱真”的程度，影响了沉浸感；
- 缺乏自然的交互：由于手机的限制，目前没有配套的头部和手部定位方案，从交互上很难做到让人满意的程度，只能依赖蓝牙手柄这样的传统输入设备。
当然，还有一些其它的小问题，比如手机发热、起雾、过重、画面变形等。这些虽然不是影响体验的主要因素，但在使用上也是挺烦人的。接下来，我们看看Oculus针对这些问题是怎么解决的，或许也能解释两者之间的价格差异为什么这么大。
不受限制的视野
如果需要达到逼真的视觉体验，视野必须尽量接近真实。这需要满足两个条件：一是接近人眼的FOV，二是跟随头部运动的视角。
图3很直观地说明了人眼的FOV特点：双眼的覆盖范围是不同的，两只眼睛加起来可以超过180°。
当然，在平面的液晶屏上很难做到这种效果。所以目前主流的VR硬件（不包括Cardboard）大多是用凸透镜做到了100°-110°左右的FOV，虽然没有达到自然视野的程度，但相对于传统FPS游戏（FOV为50°-60°）来说，是个巨大的进步，直接影响到UI设计、交互、性能、场景设计、镜头等方面。为了解决近距离通过透镜观看画面的变形问题，我们需要对画面进行反向的变形校正（如图4所示）。
图5、图6所示就是正常双视口渲染的画面，经过Barrel Distortion变形后的效果（在很多Cardboard游戏上，这一步是省略掉了的）。
但是，FOV越大，光线的折射率也就越大，光线的散射现象也就越明显，给人的感觉就是画面边缘的像素出现了重影（如图7所示）。
所以，变形后还需要对色散问题进行校正，即Chromatic Aberration。从图8中我们可以看出边缘像素的RGB三基色位置是错开的，这样通过透镜观看时才不会出现色彩分离的奇怪现象。
空间定位能力
头部的运动追踪，Oculus增加了一个外置的红外摄像头（如图9所示）用于头显的空间定位，它同时也可以用于双手控制器（Oculus Touch，如图10所示）的定位。
当然，这种定位方式也存在FOV的问题，只适合桌前的小范围运动。对于大范围的移动，HTC Vive的Lighthouse技术更有优势，可以在5x5m的范围内自由移动（如图11所示）。
空间定位技术的引入，直接改变了游戏的操作方式，从“指令式”操作逐渐变成类似“体感”操作的自然交互体验，UI也就不再拘泥于2D，开始向3D UI转变。
主流VR硬件参数
表1 2016年主流VR硬件的参数
表1可以大体上说明2016年主流VR硬件的参数（DK2和Gear VR是很多人都体验过的，作为对比也加进来）。
从表格中提供的数据，结合一些现场体验可以分析出一些关键信息：
- 三家VR设备的FPS和FOV差异并不大，这方面在体验上差距很小。PS VR的120FPS是60帧插值出来的，并不是实际的渲染帧数；
- 三家VR的控制器都趋于一致：双持手柄，有空间定位能力，可以模拟双手操作。这就为我们进行VR游戏的交互设计提供了很好的指引，引擎层面可以进行统一抽象，不用再为每个设备单独设计；
- 分辨率相对于DK2都有改善，但受限于OLED屏幕技术和硬件性能限制，还达不到视网膜屏的程度，像素点肉眼仍然可见，但已经不会影响游戏画面的观看；
- PS VR由于受限于PS4的机能限制，无法在分辨率上占有优势，但是可以通过像素排列和镜片技术减少纱门效应（Screen Door Effect），即像素间空隙（Oculus DK2上非常明显）；
- 每家的硬件都会依赖一个内容发行平台，与主机游戏的运作思路很像，这也决定了VR游戏的设计思路。
另外值得关注的是Gear VR，算是最早商业化的平台硬件，提供了比Cardboard更好的体验，但同样受到机能的限制。预测手机VR方案几年后会推动VR设备的普及，毕竟手机是人人都有，买个配件的成本还是可以被很多人接受的。
Motion-To-Photon延迟
有一个参数是表中没有的，那就是延迟。我们先来给出定义：从用户开始运动到看见屏幕上产生相应变化所需的时间。
从图12可以看到，从传感器采集，经过线缆传输，
游戏引擎处理，驱动硬件渲染画面，液晶像素颜色切换，到人眼看到对应的画面，中间经过的每一个步骤都会产生延迟。要想达到理想的状况，需要硬件和软件优化的紧密配合。目前公认的可以被多数人接受的VR延迟是20ms，很多VR硬件只是传感器和液晶屏的时间就已经超出范围了。
对于VR硬件来说，低延迟才是核心竞争力。但目前延迟缺少一个测试和评估标准，所以很难通过公开的数据评估每个设备的体验效果。如果以20ms为一个临界值，可以说其他品牌的VR设备大部分都不合格。
VR体验目前的主要问题
VR游戏在当前的硬件条件下，仍然存在一些问题。我们作为开发者，必须搞清楚每个问题产生的原因，能够解决的解决，不能解决的回避，在此基础上才能做出良好的体验。
晕动症
“晕”可能是第一次体验VR的多数人最直接的感受，就像晕车晕船般的感觉。很多人可能只是因为这个原因就会放弃对VR游戏的期待，掉入“VR
目前还不成熟”的圈子里。那为什么VR游戏这么容易晕？
- 你没动，画面动了：VR游戏体验者通常身体是静止不动的，如果游戏中看到的是各种加速/旋转/震动等，正常人都会受不了，跟晕车晕船的原理是一样的；
- 你动了，画面没跟上：这就是上文提到的延迟，很多时候，硬件符合要求了，但游戏却帧数不够，同样也会造成严重的延迟现象；
-
体质原因：比如有人患有恐高症，放到一个悬崖边的虚拟场景里，也会触发心理和身体的反应。
- 原因1可以从游戏设计上进行回避，但是目前来说很多需要跑步和跳跃的游戏受限比较大；
- 原因2的话，主流硬件在延迟上都是满足要求的，作为开发者更多的是需要做好性能优化；
- 原因3，从我们组的几个人感受来看，随着体验次数的增加，症状会越来越轻，这表明人的身体是可以适应的。而且，适当地增加一些让身体有所反应的游戏场景，也不失为一种乐趣。
缺乏好的交互方式
VR头戴显示器可以看作是一个显示输出设备，而对于游戏来说，还有另外一种重要的硬件——输入设备。在VR游戏中，鼠标键盘的操作方式首先
就可以放弃了，因为看不到，只能盲操作。游戏手柄的话算是一种折中方式，但并不能发挥出VR的潜力。理想的输入设备其实是双手，这也是最自然的方式。
遗憾的是，不管是Kinect或Leap Motion，都无法完美地支持双手交互的精度。所以，目前主流的VR控制器还是以双持手柄为主，预计要到2016下半年才开始上市。在拿到Oculus Touch之前，我们尝试了基于Kinect体感的VR交互方式，虽然并不完美，但已经能够看出未来的交互设计雏形了（如图13所示）。
GPU性能不足
Barrel Distortion变形后带来一个问题：中心区域像素分辨率的损失，也就是说中心区域的像素被放大，而边缘区域的像素被压缩了。但是人眼对于视野中心的像素清晰度非常敏感，为了保证清晰度，需要把原始渲染分辨率提高，以保证变形后的画面能够达到液晶屏的像素密度，如图14所示。
以Oculus Rift为例，屏幕分辨率为2160x1200，渲染分辨率需要长宽各提高到140%，即3024x1680，再加上90FPS的帧率要求，每秒需要渲染的像素
达到了4.5亿个（如图15所示），相当于当代主机（Xbox One、PS4）游戏的7倍，与4k分辨率游戏所需要的硬件差不多。为了保证体验，他们规定了一个最低配置，叫作Oculus Ready的标准——CPU i5 4590、内存8G、显卡GTX970。
虽然PS4的渲染性能远远达不到GTX970的程度，但是相对于PC来说，它可以提供一致的体验，这对VR来说非常重要。毕竟就算你的游戏画面再好，如果一玩就晕得想吐，那也不会是一个好游戏。不过好在离VR普及还有一段时间，足够让Oculus Ready的PC成为大众配置了。
佩戴舒适度
很多近视玩家会担心不能使用，其实主流的显示设备都可以戴眼镜观看。至于戴着舒不舒服，那就需要在工业设计上进行迭代优化。就目前
来看，Sony家的头显最舒服，Oculus家的手柄最舒服，HTC家的功能最强。除了平台独占的VR游戏，多数会同时兼容三家的设备，所以从体验上来说，差别不会太大。
VR游戏与传统3D游戏的开发差异
VR游戏在开发制作上的差异，远远没有很多人想象的那么大，更多的是设计上的思路转变。所以，想要开发VR游戏，前提是能够开发一个3D游戏，核心还是游戏本身，VR只是体验上的增强。如果要写一个“VR游戏开发教程”，那么其中90%的东西，与VR并没有直接关系。但是，这10%的差异，却是VR的核心竞争力，因为它可以带给你“前所未有”的体验，为我们进行游戏玩法创新提供了非常大的发挥空间。
玩法
与主机游戏类似，注重核心体验，即Camera、Control、Character。可能很多人会觉得VR游戏只适合做FPS，其实并不是这样。只要保证沉浸感良好，什么类型的都可以做，RTS、MOBA、AVG、
MMOG等等都可以。需要关注的核心点是Camera和Control，这直接关系到玩起来晕不晕，能够玩多长时间。只有保证操作体验和沉浸感过关，游戏的玩法才有意义。
当然，VR也给我们提供了一些新的特性，可以用于玩法设计中：
- 由于头部运动追踪的存在，点头和摇头的操作是可以被识别的，这就意味着很多Yes/No的操作可以直接通过头显输入；
- 头部的朝向可以灵活变化，当你“盯”着某个物体看时，可以针对这个行为做出相应指令，具体可以参考Gear VR上的Land’s End；
- 由于360°视角方向不受限制，我们可以在背后做一些场景改变，让每次转头看到的场景都不一样，既能做成惊喜，也能做成惊吓；
- 头部不仅仅能转动，还可配合身体小范围移动，比如“Summer Lesson”中凑近NPC，NPC会害羞，Vive的一个上帝视角Demo可以蹲下看到地底下打地道的小兵等；
- VR渲染可以调整World Scale，即世界单位缩放，相当于动态调整自身相对于场景的比例，既可以做成巨人的视角，也能做成蚁人的视角；
- 因为VR世界中的单位可以与现实不一样，那么一些类似“缩地术”的功能也变成现实，通过身体小范围的移动，达到虚拟世界中的大范围移动效果；
- 双手控制器的存在可以模拟一些抓、扔、摸、打等操作，捡起一个道具上下左右仔细看也是很有意思的一件事，可以把迷题设计在道具的隐藏角落里；
- VR中有了双手的存在，很多解迷机关就不再是简单的按一个键，各种零件组合、机械、绘画等对于双手控制器来说都是很棒的操作体验；
- 控制器的握持感，非常接近于游戏中的手持武器，比如枪械、刀剑，这比握着一个鼠标或手柄的感觉强多了。得益于高精度的传感器，做出具有竞技性的操作玩法也不是不可能；
- 双手具有天然的空间感，一些建造类的玩法也非常适合，比如Minecraft、Besiege等，UE4甚至尝试了在VR中进行场景编辑；
- 由于3D音效的加强（下面会提到），“听音辨位”就可以做得更真实，各种潜入类玩法非常适合；
- 另外，由于沉浸感的增强，恐怖游戏和XX游戏带给人的感官刺激会放大，这就不用展开了，试过就知道。
图形
如果以Oculus Ready的硬件标准，基本上可以预期的画面表现力差不多相当于上代主机的画面，即Xbox 360和PS3后期的水平。我们试做的VR游戏Demo，在项目启动时的规格比较高，GTX970+Oculus DK2的硬件下，经过优化可以流畅运行（如图16所示）。
下面是最终版的技术选型，给大家做参考：
- Physically Based Material：物理光照材质算是主流技术了，但是相应的性能开销也会大一些；
- Sphere Reflection Capture：反射效果和各种高光材质就靠Cubemap了；
- Baked Static Lighting + Baked AmbientOcclusion：即能用静态光照就用静态的；
- Global Dynamic Shadow Maps：仅仅是主角和大件遮挡物；
- Instanced Static Mesh：对于性能的提升非常明显，大量的优化是基于Instanced技术；
- Bloom+Color Grading：多数的后期镜头效果在VR中并不适用，因为是通过双眼直接观看，并不像传统游戏那样通过“摄像机镜头”观看。而且，为了性能，能关的都关了；
- FXAA：理论上来说TemporalAA更适合消除远处的Specular Aliasing，但是会导致近处HUD的文字和纹路受到影响，解决之前先用FXAA代替。
当然，如果具有足够的优化功力和场景设计技巧，也不排除GTX970+Oculus Rift流畅运行的可能，但这并不适合多数的团队。
美术制作方面，有些资料会说Normal Mapping和Billboard Particle不再适合VR渲染，其实并不是这样的。这些效果只是在近距离观看时才会发现很假，远处随便用，不用担心在制作上与传统3D游戏的差异。近距离的话，只能使用Parallax Mapping和Mesh Particle之类保证不穿帮，但是极少数情况需要这样，跟场景和特效设计有关系。
总体上来说，美术的制作与传统3D游戏差异并不大，除了UI，参考图17。
交互
由于目前主流的VR操作设备已经趋于统一（参见图18），大家都有这么几个特征：
- 可以模拟双手的空间位置和旋转；
- 通过手柄上的按钮触发指令型操作，如抓住、发射等；
- 仍然保留传统的“摇杆”，但比较少用到。
从Oculus的Toybox Demo演示视频可以更为直观地了解VR下的人机交互是什么样子的（如图19所示）。可以预见，基于双手的物理交互会越来越多，也就意味着物理模拟在VR游戏中的应用会更普遍一些。
同样地，UI的设计已经不再推荐2D平面化，更加倾向于3D的效果，如科幻风格的全息投影，或者使用实体模型。或许，以后VR游戏中的“UI”会改由3D美术来制作。
音效
传统的3D游戏音效一般是通过音量变化判断距离远近，并通过频率变化判断相对移动。以空间定位为例：
- 左右：通过左右声道的音量差异区分；
- 前后：通过多声道的卫星音箱或多声道耳机区分（不适大多数人）；
- 距离：通过音量的衰减判断；
- 高低：貌似没什么好办法…
在VR中立体声耳机是可以随着头部转动的，这就意味着，我们可以通过两个声道配合转头来判定上下左右前后（如图20、图21所示，图片来
自OculusConnect_Introduction_to_Audio_in_VR.pdf）。
同样，头部除了转动之外，还可以小范围移动，不用通过走动就能判定声音的远近。以前相当于背景音的环境音效，现在也能分辨出大概的方位，如图22所示。
因此，在VR游戏中，3D音效会被越来越多的人重视起来，甚至发展出新的玩法，比如Pastoral这个游戏。有兴趣的同学建议读一下这篇文章——《VR中的声音听起来体验如何？和传统音频有什么区别？》，地址：https://www.zhihu.com/question/40294035。想听一下效果的，可以观看：Spatialized audio demos in VR，地址：https://www.youtube.com/watch?v=dV3Qog44z6E（需科学上网）。
VR游戏后续发展期望
主机平台现在有一类游戏，以高画质剧情体验为主，操作非常简单，俗称“游戏电影化”。目前VR圈也有很大一部分人在尝试VR电影的制作，但是基于360°视频的拍摄手法在VR的沉浸感并不是很好，而且传统的电影拍摄手法也不适合VR视频制作。所以，电脑制作的3D动画类电影在VR化方面具有先天优势，再结合VR头显的一些输入特性，甚至会产生“电影游戏化”的产品。另一方面，以UE4为代表的游戏引擎，实时渲染的画面效果已经达到了CG级别，在技术上具备了制作实时渲染电影的能力。可以预见到，未来的VR互动电影与VR游戏，它们之间的边界会变得十分模糊。
另外，推荐观看国外的VR主题公园THE VOID视频，地址：http://v.qq.com/page/q/e/a/q0194f24rea.html，相信不久的将来，这种体验可以像电影院一样普及。
随着技术的进步和成本的下降，VR和AR会跟智能手机一样进入我们生活的方方面面。对于VR游戏来说，很多人也跟我有一样的梦想，希望在有生之年，可以把它变成现实。