AR角色为什么经常“穿墙”？爱游戏AI如何建立稳定的空间锚点

你把一个虚拟宝箱放在书桌右角，退后两步拍它，宝箱还在；绕到桌子另一侧再看，它悄悄向左挪了一拳，一半沉进了桌面；再转身走开又回来，它干脆躺进了墙里。这种“飘走”“下沉”“穿墙”几乎是每个玩过AR的人都见过的画面。它们常被归为一类问题，实际上成因不止一种，处理办法也不一样。

这篇文章尝试回答：空间锚点到底是什么，它为什么会漂，穿墙和漂移又是不是同一回事，以及在爱游戏的设计思路里，系统和玩法各自承担什么。文中的场景是模拟场景，用于说明原理，不是实测结果。

锚点不是一个坐标，而是一组不断被检验的约束

许多人以为空间锚点就是“把物体钉在世界坐标的某一点”。真实情况更像是：系统把物体绑定在一片被观察到的环境特征上，只要设备还能认出这片特征，就能反推物体应该出现在画面的哪里。锚点因此不是一个孤立的数字，而是“物体相对于一批特征点的位置关系”。

支撑这一切的是视觉惯性里程计。相机每帧提取特征点，如桌角、书脊边缘、木纹交叉处，并在连续帧里跟踪它们；惯性传感器以更高频率给出加速度和转动，弥补相机帧与帧之间的空白。两者融合，得到设备的实时位姿。位姿一旦有偏差，所有锚点的屏幕位置都会跟着偏。

所以准确地说，漂移是设备位姿估计误差的累积，锚点只是把这种误差显示了出来。每一帧的误差很小，但它是相对上一帧估计的，一步一步叠加，走得越远、时间越长，累积误差越大。

漂移的四个常见来源

• 纹理稀少：纯白墙、光面桌、单色地板，几乎提取不出特征点。系统只能靠惯性传感器“盲走”，而惯性积分本身会快速累积误差。这是最常见的漂移原因，也是为什么墙面越白的房间越容易出问题。
• 快速转动：设备快速甩动时，画面出现运动模糊，特征点无法跨帧匹配，跟踪中断。系统只能依赖惯性数据，而惯性数据在短时间内准，长时间会漂。
• 光照变化：从暗处转向窗口，曝光突变；灯光开关、云层遮挡，都会让同一处特征在不同时刻看上去不一样，匹配失败。
• 动态物体：走动的人、摇晃的窗帘、被移动的书本，这些特征本身不在原位。如果系统把它们当作静态参照，就会把设备位姿估计拉偏。

这里再补一个常被忽略的细节：设备本身的差异。镜头是否自动对焦、快门是否容易产生拖影、惯性传感器与相机之间的时间同步是否精确，都会影响追踪。同样在一面白墙前转身，一台设备可能稳稳跟住，另一台就会丢失。因此爱游戏在设计时，宁可把置信度的判断做成随设备能力自适应的，也不假设所有设备表现一致。

四个来源都指向同一个道理：锚点的稳定取决于环境提供了多少可靠的、静止的特征，而不是取决于模型有多“聪明”。

回环检测与重定位：让误差有机会被纠正

累积误差不能靠减小单步误差彻底避免，只能定期纠正。这里有两个关键机制。

回环检测指的是：设备走了一圈，重新看到以前见过的地方，系统识别出“我回到这里了”，就可以用这次观察修正整条轨迹上累积的偏差。比如玩家绕着沙发走一圈后回到起点，系统发现起点的特征与最初记录的一致，于是把漂移的部分拉回去。

重定位则用于追踪丢失之后。设备被遮住镜头，或者被快速甩动而丢掉了位姿，系统需要凭借已保存的局部地图，从当前画面中认出“这里是刚才那个房间的哪个位置”。重定位成功，锚点就回到原位；失败，就得重新建图，原来的锚点作废。这也是走出房间后任务会不会消失这个问题的基础，它同样依赖保存下来的局部地图。

穿墙不等于漂移：至少三种不同的原因

把所有“穿模”都叫漂移，会耽误排查。穿墙至少有三种来源：

1. 位姿漂移：设备位置估计错了，物体整体偏移，比如宝箱跟着偏进了墙。特点是物体与真实环境的相对关系整体错位，转换视角时偏差还会变化。
2. 平面估计错误：物体位置没错，但系统对墙或桌面的平面估计错了几厘米。宝箱明明放在桌面上，桌面平面被估低，宝箱就看着沉了下去。特点是偏差稳定，不随视角变化。
3. 缺少深度与遮挡：物体位置完全正确，只是它在真实墙的后面，而画面没有做遮挡，看上去像贴在了墙上或穿了过去。特点是物体在被真实物体挡住的位置，仍然完整地显示出来。

三种情形往往会叠加出现，比如追踪轻微漂移，加上平面偏低，再加上没有遮挡，玩家看到的就是一个彻底“坏掉”的宝箱。逐一区分，才能判断该改哪一层，而不是笼统地怪“AR不准”。

这三种情形的修复完全不同。第一种要提升追踪质量，第二种要改进平面拟合或引入网格，第三种要引入深度与遮挡。空间理解的各层各自负责其中的一部分，这也是空间理解要分层建设的原因之一。

在玩法层做容错：让系统的不完美不至于被玩家看见

追踪永远不会完美，所以爱游戏的设计思路是：系统层尽量稳，玩法层允许出错。几个具体做法如下。

• 多点约束与置信度：一个重要物体不只绑定在一个点上，而是同时参考附近几处独立的特征，某一处丢失时，其余的约束仍然能托住它。每个锚点带一个置信度，低于阈值就降级处理，而不是继续无声地显示。
• 锚点吸附：物体不是自由悬浮，而是吸附到检测出的平面上，只允许沿平面微调。这样即使位姿有小偏差，宝箱也不会沉进桌面，而是随桌面平面移动。
• 渐显与渐隐：置信度下降时，让物体逐渐变透明或者暂时收起，比起突然跳位置，玩家更容易接受“它先隐去，稳定后再出现”。
• 让重要物体贴近强特征区域：任务的关键道具尽量放在桌角、书架边缘、门框这些特征丰富的地方，而不是白墙中央。生成任务时先看哪里特征密，再决定放哪里。
• 玩法不依赖毫米精度：交互判定留有余量，玩家触碰宝箱时，容忍几厘米的偏差，避免因为一点漂移就“打不到”。

模拟场景：书桌上的宝箱，在漂移发生时会怎么处理

假设玩家在一间书房里玩收集任务，宝箱被放在书桌右角，那里靠近一个笔筒和书架，特征点很丰富。玩家先绕着书桌走了半圈，系统检测到追踪质量良好，宝箱稳定在桌面上。

随后玩家转向纯白的墙面，想去找墙上的第二个目标，转身较快。此时视野里几乎没有特征，追踪进入依赖惯性的状态，置信度下降。系统没有让宝箱继续显示在可能错误的位置，而是把它半透明化，同时提示“画面特征较少，请缓慢移动”。玩家放慢速度并朝有书架的方向转回，特征恢复，回环检测认出了先前观察过的桌角，位姿被修正，宝箱重新变实，落回桌面。整个过程里，玩家看到的是一次短暂的渐隐，而不是宝箱一路飘进墙里。

这个模拟场景想说明的是：稳定的锚点不是一次做对，而是不断地检测、修正、降级、恢复。系统不假装完美，玩法则为不完美留出余地。

稳定不是零漂移，而是漂移之后仍然可信

指望追踪完全不漂，不现实，纯白墙、暗光和快速转动是所有AR系统共同的敌人。更现实的目标是：漂移发生时能被检测到，被检测到之后有明确的处理，处理的方式又不破坏玩家对游戏世界的信任。

如果你在使用AR时遇到反复的飘移，可以先回头看看环境：光线是否足够，墙面是否过于单调，移动是否太快。这些做法在扫描不顺利时的排查思路里有更具体的步骤。而对开发者与玩法设计者而言，更重要的是接受这样一个前提：锚点是概率性的，玩法要建立在“大概率稳定、偶尔需要纠正”的假设上，而不是毫米级精确的假设上。