Quest 3上《Lasertag》的新尝试：通过深度API实现连续场景网格理解

《Lasertag》开发者在Quest 3系列上实现“无感建模”，绕过Meta房间扫描流程

在当前主流的混合现实设备中，Meta的Quest 3和Quest 3S虽然具备房间扫描与场景网格生成功能，但在实际使用中仍存在一些用户体验上的痛点。而独立开发者Julian Triveri在其开发的多人混合现实射击游戏《Lasertag》中，尝试通过深度API实现了“连续场景理解”的新方案，有效绕过了Meta现有的房间设置流程。

Meta房间扫描系统的两大问题

Quest 3系列支持用户对房间进行3D扫描，生成可用于混合现实应用的场景网格（Scene Mesh），使虚拟对象能够与真实环境中的家具、墙壁等物理结构互动。然而，这一系统存在两个主要问题：

1. 需要手动初始化扫描：整个过程可能耗时几十秒到数分钟，用户需主动完成扫描动作，显著增加了启动应用前的操作门槛。

2. 静态建模无法反映环境变化：一旦扫描完成，场景网格即固定不变。如果之后房间布局发生变化（如移动家具或有人走动），除非重新扫描，否则系统不会更新模型。

这些问题限制了混合现实体验的流畅性和自然度，尤其是在动态或多用户场景中表现尤为明显。

深度API的潜力挖掘：从遮挡到碰撞检测

为了提升体验，《Lasertag》选择不依赖Meta官方的场景网格系统，而是直接利用Quest 3的Depth API——该接口提供实时的第一人称深度帧，用于判断物体之间的空间关系。

目前公开版本的《Lasertag》已通过Depth API实现激光与真实环境的即时碰撞检测，并支持动态遮挡效果。而在beta测试版本中，Triveri进一步探索了更复杂的连续建模能力。

实时构建3D体积纹理，模拟“全局感知”

在beta版本中，开发者将每一帧的深度信息逐步融合，在GPU上构建出一个代表用户环境的3D体积纹理（Volume Texture）。这种方式让用户即使没有直视某个区域，只要之前看过，系统也能推测其存在并进行碰撞判断。

此外，Triveri还在内部实验中尝试将这些数据转换为网格模型，借助Unity的一个开源行进立方体算法（Marching Cubes）实现近似实时的三维重建。

甚至在早期版本中，他还尝试让多台设备共享各自的深度数据，形成“联网高度图”（networked heightmap），从而实现协同建模。尽管这项功能尚未正式上线，但其思路为未来多人混合现实协作提供了重要参考。

为什么Meta不采用类似方案？

值得注意的是，Apple Vision Pro 和 Pico 4 Ultra 等设备已经实现了类似的“持续建模”机制：无需初始房间扫描，头显会在后台持续更新环境模型。它们之所以能做到这一点，得益于硬件级别的深度传感器。

而Quest 3/3S则依靠计算视觉技术来推断深度信息，尤其在配合红外图案辅助的情况下。这种软件层面的深度推算不仅消耗大量CPU/GPU资源，还显著影响电池续航。这也是为何许多Quest应用至今仍未启用动态遮挡功能的原因。

因此，虽然《Lasertag》的做法在技术上具有前瞻性，但也意味着更高的性能与能耗代价。这正是Meta目前尚未将其纳入官方场景网格系统的主要原因。

Meta也在推进自动更新场景网格

今年初，Meta曾透露未来计划让场景网格具备自动更新能力，以适应环境变化。不过从其表述来看，依然会保留初始扫描作为基准，而不是完全转向实时建模。

结语

《Lasertag》的成功实践表明，在现有硬件条件下，通过深度API实现连续场景理解是可行的。它不仅提升了用户体验，也为未来的混合现实应用打开了更多可能性。随着硬件和算法的进步，或许我们很快就能看到更轻量、高效的“无感建模”方案走向主流。