researchgate中文版researchgate中文版网页._理财规划

大家好,今天小编来为大家解答以下的问题，关于researchgate中文版，researchgate中文版网页这个很多人还不知道，现在让我们一起来看看吧！

本文目录

quest2手柄是什么摇杆《计算机:一部历史》| 想要看清未来,需要首先了解过去researchgate收录中文论文吗除了影响因子还有哪些指标可以评价论文的价值quest2手柄是什么摇杆上周末租了一个OculusQuest2玩玩。这款被誉为迄今为止性价比最优秀的移动端VR设备，推出后成功实现了5倍于原版的预定量，再次点燃了大众对VR的热情。在体验了OculusQuest2之后，就冲着Audica这一款音乐游戏中的illmerica这一首歌，我就已经有了下单购物的冲动。。不过呢，本文还是非常正经（虽然并不专业）地做了一下全面地测评，主要从外观和佩戴舒适度、视觉效果、内容生态以及交互体感上展开，顺带着，为了满足自己的好奇心也查了一些资料做了一些关于VR显示技术、内容生态和下一代物理交互技术的简单研究。期待更专业的童鞋能多与我探讨，对理解有误的地方提出批评指正。

一、外观和佩戴舒适度

当我刚拆开Quest2的外包装时，并没有感觉到非常惊艳——中规中矩的显圆润的灰白色头盔和两个手柄，外壳前侧是符合材质，周围是编织物处理，但是整体缺乏让人眼前一亮的科技感的外观。

头盔设备前面板有四个摄像头，采用四摄Inside-Out定位追踪系统，支持双6DoF（头显6DOF和手柄6DOF）追踪。除了定位的作用，在每次佩戴时，会出现要求设置边界的过程，整个过程你将会看到你的房间，并通过手柄画出虚拟边界，当你走出或靠近边界时，Quest会直接开启摄像头显示真实环境以提醒你在边界范围外（passthrough），可以让你不用摘下头盔就能看到外部环境，避免撞墙砸电视。

头盔内部的镜片是凸起的，支持通过扳动来调节瞳距。头带就是很廉价的松紧带，乏善可陈。在佩戴舒适度上，对于戴眼镜的用户（比如我），原装头带非常不舒服，压脸兼漏光。解决方案也是有的，那就是加钱上装备，比如搜了一下，淘宝上就有定制的磁吸式眼镜框。

另外，从舒适度上，重量也是一个最直观的bug，quest2的重量和一个2wW的充电宝（事实上功能也是备电）差不多，戴久了脖子着实会酸。在这一点上，我也很疑惑为什么VR设备厂家为什么一定要把电池电路板都集成在VR一体机中，一方面增加头部重量，另一方面电池容量也做不大。

二、视觉效果

对于第一次玩VR设备的人，Quest2在画面上是让我非常震撼的，尤其是开阔的大场景特效，果真能让人心旷神怡。在做动态游戏的时候完全感觉不到延迟，尤其是drunknbarfight这种暴力解压小游戏，在快速转换视角的时候画面也非常顺畅，至少我个人而言，眩晕感不强烈，玩半小时到一小时完全没有任何不适。以上是一个主观的评价。那么，特别针对VR设备的画面视觉效果的原理，我也做了一些扩展研究。

1.近眼显示技术

在基础成像上，OculusQuest2在官方宣传上是1600×1400分辨率的显示屏、菲涅尔透镜，视场角约100°。但我个人感觉上Quest显示分辨率并不是总能达到屏幕分辨率，需要不断调试自己的眼镜和设备之间的距离，调整视线的角度，才能摆弄到视觉的甜蜜点。

这种体验其实是与VR设备的成像原理相关的。

一个典型的VR眼镜的光学系统一般为同轴目镜结构，主要包括人眼、凸透镜、成像屏幕（例如硅基液晶（LCOS）、数字光处理器（DLP）、有机发光显示（OLED）以及微发光二极管（Micro-LED））三个部分。

其中，凸透镜正是VR欺骗眼睛的作案工具。下图为通过视网膜成像，人眼观察到的这个世界。假如我佩戴了眼镜，在正常情况下是无异样的。但是在设备的挤压改变了镜片（本质也是一个凸透镜）与人眼、HMD光学组件之间的合理距离，因而造成图像模糊的显示情况。

人眼的透镜成像

以上其实是很简单的光学成像原理，但是要做出一款优秀到让你感觉达到reality的HMD需要做到完全/尽可能匹配人体结构。这就需要考虑到众多因素，例如：

人眼观察角度（视场角，简称FOV——FieldofView，普通人水平方向双眼是200度，会有120度的重叠。）

人双眼之间的距离（瞳距，简称IPD——Interpupillarydistance，一般成年人的凭据瞳距是63mm，浮动范围是50–75mm。）

人眼到镜片的距离

镜片到屏幕的距离

屏幕成像的大小计算

屏幕成像的反畸变

屏幕成像的渲染帧率及屏幕的刷新延迟（业界公认刷新率高于75Hz，延迟应低于20ms）

当然，以上因素的达成不仅需要考虑光学器件（光学镜头、衍射光学元件、影像模组、三维建模模组等）技术，也需要HMD中的显示屏（LCD、OLED、AMOLED、微显示器等显示屏及其驱动模组）以及芯片(CPU、GPU、移动SOC等）的共同作用。

回到评测，相比上一代，在显示技术上，Quest2的变化在于：

OLED更换为LCD材质；

分辨率更高；

刷新率更高；

双屏改为单屏，依然物理IPD，但仅三档（倍受吐槽）。

可以看到重要的一点是在显示屏选择上，Quest2用LCD取代一代的OLED方案。尽管LCD在屏幕响应时间不如OLED快，对比度相对更低，在色域、色彩均匀性等方面存在劣势，但是曾经困扰LCD发展的高刷新率导致的拖影问题已被解决，其显示相对OLED也具有更高的分辨率，更细腻，亮度更高，成本更低的优势。

放到Quest2上来看，这也明显减轻了纱窗效应。所谓纱窗效应，即像素和像素间的空隙过于明显，使得VR观看画面像是被一层“纱”蒙着，大大干扰视觉效果，影响VR的沉浸感和视觉清晰度，也会造成头晕。提一嘴，在VR设备显示领域，纱窗问题被公认为一个难题。此前，除了提升像素密度外，一些VR头显通过降低FOV（视角）的方式来让纱窗效应看起来不是那么明显，还有一些在显示屏上叠加漫射器来柔和像素光线的方式，模糊像素之间的间距和光线差异，比如：ValveIndex、三星Odyssey+。FacebookRealityLabs此前就已经研发基于眼球追踪的机械式可变焦VR原型机HalfDome。21年2月，FRL与亚利桑那大学合作，将机械控制屏幕方案又用在解决VR纱窗效应上。即：通过高速移动显示屏，来从视觉上用像素去填补不发光的部分。有点类似于根据人眼视觉暂留原理的全息风扇。

随着显示技术的发展，人们也在期待对应更高刷新率、分辨率，同时更轻便小巧的新一代VR显示主流方案。

VR的光学成像系统不像AR这么花里胡哨（各种形式的波导），当前在售短焦VR光学产品均为多组偏振镜片组合——其出现本来就是提高VR光学模组的空间利用率，进而降低体积和重量。

超短焦系统的透镜组

目前也陆续有超短焦系统，有望将“头盔”瘦身为“眼镜”。例如，VX6头显设计方案采用3M新型折叠光学透镜组件，包括一个曲面玻璃透镜和3M公司独有的HighAcuityReflectivePolarizer（3M高锐度反射偏振器）；华为发布的VRGlass也采用超短焦的技术方案等。

华为VRGlass

一些更为先进的VR光学模组也在不断涌现，例如Facebook此前公布的结合全息光学的折叠光路方案，原型机看起来比华为VRGlass等偏振式折叠光路短焦VR头显更轻量化，厚度更加接近普通墨镜！

对于为何是全息，Facebook给出的原因是认为阻碍当前VR轻量化发展的因素之一就在于透镜部分。即便透镜本身可以做到很薄，但是由于光学特性导致在透镜和显示模组之间必须有保留一个用于确保对焦的空间，如下图所示，因此VR头显的体积仍然很大。

而采用全息透镜（厚度犹如一张标签纸），达到同样优秀的显示效果同时，光线路径更短，可以让光学模组的厚度控制在8.9mm（不含光源和驱动单元，Facebook号称是当前业界最薄的VR显示模组）。不仅体积轻便、外形小巧，同时视场角也可达到90度，而且还可支持激光光源，具备视网膜级分辨率的显示能力。

这项技术的出现也代表着AR、VR技术的融合化。以往在AR中出现的全息衍射技术如今也出现在VR中。当然这种光学方案的采用将重新评估其他零部件，实现起来较为困难，具体挑战包括全息模组元件的设计、重影、Eyebox、入射角度、变焦显示等等，因此该研究还处于概念验证阶段。

全息成像的原理图[Facebookrealitylab论文《HolographicOpticsforThinandLightweightVirtualReality》]

在显示屏的趋势上，目前讨论较为火热的有硅基OLED（也被称为Micro-OLED，即硅基OLED搭载在高纯度的硅基半导体电路上），其在分辨率上能将PPD（pixelperdegree）拉满至人眼角分辨率上限，提振沉浸感体验（相比目前的OLED或LCD方案提升一倍至人眼的60PPD），在刷新率上最高可以达到2000HZ，近乎目前的20倍。对于硅基OLED，国外的Kopin、索尼、苹果、eMagin，国内京东方、合肥视涯、昆山梦显等著名企业均在积极推进。之前台媒就有预测，苹果将在2022年推出的VR头显设备就或将采用MicroOLED显示面板＋多层菲涅尔透镜（Fresnellens）设计，以实现更好的整机轻薄化效果。

2.图像计算能力

单纯使用高分辨率的画面是最直接的一种的方法，但真正让quest2的画面畅通无障碍渲染和运行还是支持他进行高速计算的心脏——高通骁龙XR2芯片。骁龙XR2平台为OculusQuest2带来的多个关键性能增强。

在视觉方面，骁龙XR2可支持90fps的3K×3K单眼分辨率（支持目前所有Oculus头显中最高的显示分辨率），在流传输与本地播放中支持60fps的8K360°视频。强大的GPU性能可以实现1.5倍像素填充率和3倍纹理速率以进行图形渲染。骁龙XR2平台的AI处理能力提升高达11倍，让Quest2能为娱乐体验提供2-3小时电池续航能力。另外支持5G也更是让骁龙XR2实现高速率、低时延的体验。

高通在VR/AR芯片方面的布局还是非常早的。早在2018年5月，高通发布了首款专用于AR和VR设备的芯片XR1。骁龙XR1平台针对支持AI功能的增强现实体验进行了特别优化，可以提供优异的交互性，降低能耗，支持高达每秒60帧的超高清4K视频分辨率，从而为VR头显带来高质量的视觉效果。在音频方面，这个平台还包括QualcommTechnologies3DAudioSuite，QualcommAqstic和QualcommaptX音频技术，可以为用户带来最佳的音效。骁龙XR2平台更是在第一代基础上综合性能提升了两倍。爱奇艺智能发布的新产品奇遇3也将搭载高通首款支持5G的XR芯片骁龙XR2，这也是国内第一款官宣使用骁龙XR2芯片的VR设备。

高通在VR/AR上的投资和布局

在提升图形计算能力上，一方面是提高芯片的计算性能，另一方面也可以通过算法来合理地优化计算量，同时提升沉浸效果。

例如注视点渲染等技术。注视点渲染指的是通过眼球追踪来识别用户在VR中的注视点，从而动态调节VR屏幕的清晰度——也就是说注视点区域最清晰，余光部分则降低清晰度，这也非常符合人眼的自然特征。

在超过人眼视觉区域150度的视野中，最高分辨率的区域只跨域了3度，并且距中央凹中心10度以内的分辨率下降了一个数量级。通俗来说，就是我们能看清的区域并没有我们想象中或者感受到的那么高，只有中间是具有最高分辨率，而旁边的视觉区域其实没那么清晰。

当我们用设备来模仿这种自然机制，既没有肉眼能察觉到的降低视觉效果，又有助于降低硬件压力，又可以实现同等视觉水平下的低能耗，一举三得。

人眼的视觉范围

在注视点渲染技术方面，最经典的当属NVIDIA提出的VRSS（VariableRateSupersampling，可变速率超级采样）算法，这也是NVIDIA在自家显卡AI软件能力的其中之一。VRSS拥有最高8倍的超采样方案，从而提供更好的视觉效果。同时，还提供划分区域的动态渲染的VRS功能。NVIDIA与Tobii在实验中发现，其可将VR设备的显示效果最高提升57%。

更多技术细节：英伟达概述如何为VR集成注视点渲染+可变速率着色VRS

VRSS技术示意图

VRS对同色块像素的shading处理

NVIDIA最新发布的VRSS2更是深入结合了眼球追踪技术，结合动态注视点渲染，从而在充分利用硬件的同时还提供更逼真的视觉观感。这样一来，VRSS1中的中间固定8倍渲染则变成了动态眼球注视区域的8倍渲染，如下图蓝色区域。具体到模式也分为自适应模式和始终开启模式。

自适应模式（左）和始终开启模式（右）

当然，流畅的注视点渲染效果非常依赖于精准实时的眼球追踪效果，对于短延迟的要求很高。VR头显中采用的眼球追踪方案主要为光学传感器+计算机视觉算法，因此传感器采样率和算法处理速度都可能造成延迟和误差。尤其是考虑到每个人瞳孔形状各不相同，眼球追踪计算也容易因此产生误差和延迟，影响动态渲染的观感，这也是注视点渲染技术得以推广应用的难点。

由于VRSS2是NVIDIA和Tobii联合研发的，目前VRSS2在硬件上仅支持Tobii的眼球追踪VR设备，据悉，首款支持NVIDIAVRSS2的是惠普G2Omnicept，后续可能会支持更多VR头显。

具体回到OculusQuest2上，虽然我没有看到专门有关视觉渲染相关算法应用的报道，而且我动自己眼珠子或者特意留意余光，也不会感受到类似技术的应用。不过Facebook在此之上确实投入了非常多的研究，也作出不少牛逼的成果，可能这些成果会在下一代Oculus设备上进行应用吧。

例如FRL在2019年11月的SIGGRAPHAsia上展示的DeepFove算法。它可以使用最少的必要数据量，来生成与视网膜分辨率匹配的图像。当给定一个稀疏渲染的图像，它可以通过将可变分辨率与在任何给定时刻指向中间凹的位置的每个点处的视网膜分辨率相匹配，来推断和填补出丢失的数据，使得中心处恢复原图的清晰。该渲染器的像素密度可以在60*40的视野的外围减少多达99%，整体渲染像素的数量只需不到10%即可——这相比NVIDIA的VRSS2也提升了非常多。

更多技术细节：

DeepFovea:NeuralReconstructionforFoveatedRenderingandVideoCompressionusingLearnedStatisticsofNaturalVideos

我们完全可以期待，在芯片性能提升和视觉算法优化两方面的共同推动下，有一天我们就可以拥有能够进行全天候的实时渲染的一款轻便、高效、节能的VR设备了。

内容质量与生态

接下来就到了特别有意思的环节，分享一下我对各个游戏的看法，以及generally，对quest2平台上内容生态的体验。这里说明一下，由于我的quest2设备没法联网+翻墙，因此游戏的录制画面很可惜都不能放上来和大家分享，不过我会尽量找一些其他人录制过的案例让大家感受一下。

内容体验

目前VR游戏C端主要游戏类型有多人射击游戏、单人工作类游戏以及音乐类游戏。

多人射击游戏：Onward，PopulationOne，Contractors；

单人工作类游戏：Blade&Sorcery，WalkingDeadS&S，Boneworks（VR设备特有的感觉）

音乐类游戏：BeatSaber，SynthRiders，PistolWhip（结合射击和节奏）

由于我没法联网（落泪），所以多人游戏基本没有体验，就几款我喜欢的单机游戏做一下点评。

BeatSaber

【转载】BeatSaber达斯·摩尔光剑专家难度Believer_哔哩哔哩(゜-゜)つロ干杯~-bilibili

音乐游戏真的似乎是为VR平台打造的。VR音游头牌肯定还是最带感的节奏光剑，Q2的版本因为没有线的束缚以及比PSVR要先进的定位技术，比PS版多了360°旋转的模式，嗨到飞起。

Audica

OculusQuest2音乐节奏游戏《Audica汉化中文版》奥迪卡_哔哩哔哩(゜-゜)つロ干杯~-bilibili

这款游戏和《BeatSaber》最大的差别就在于你得透过射击目标的方式来演绎各类节奏，而不是切断那些莫名向你飞来的方块。玩家将需要同时专注于瞄准目标，并在正确的时机点将其击破。难度系数较《BeatSaber》更高。音乐和射击相结合，特效炫酷十足，节奏动感很强，我个人喜欢他要多于BeatSaber！！可能是我最喜欢的游戏！最喜欢是POPstar和Illmerica这两首。

DrunknBarFight

DrunknBarFight-OculusQuest游戏_哔哩哔哩(゜-゜)つロ干杯~-bilibili

这是一款暴力解压小游戏，和我们小时候玩的狂扁小朋友差不多，但是更真实……在游戏里，你就是一个醉汉，去各处挑衅人群，打架斗殴，可以拿起身边所有的道具比如蜡烛、椅子、灭火器，对周围的人进行骚扰和施暴……因此还是提醒小朋友不要轻易尝试，更不要上瘾，玩久了当天晚上真的会失眠！

DeathHorizon

Part5死亡地平线deathhorizon（oculusquest2版）_哔哩哔哩(゜-゜)つロ干杯~-bilibili

这是一款僵尸主题的第一人称射击游戏(FPS)，专为移动VR而做。故事讲述在一个秘密的地平线实验室里，一种致命的病毒被打破了，把所有的员工变成了贪婪的食肉怪物。为了拯救人类，玩家需要探索昏暗的走廊，找到空间站的反应堆，阻止病毒的扩散。游戏中玩家有三种不同的武器，一支猎枪，突击步枪和重机枪来同亡灵大军战斗。游戏整体节奏比较紧张，阴森森的，配上音效，会吓到一身汗。

DowntheRabbitHole

DowntheRabbitHole（第三人称解谜类VR游戏）全流程视频无解说Gameplaypart1_哔哩哔哩(゜-゜)つロ干杯~-bilibili

这是瑞典斯德哥尔摩游戏工作室CortopiaStudios开发的一款可爱向的VR叙事冒险游戏，游戏故事的原型来自于经典童话《爱丽丝漫游仙境》，主人公是一个小女孩，她掉进兔子洞中，遇到各种困难、偶遇各种人物，而你则需要通过一系列操作来帮助主人公化险为夷。是一个可以让小姑娘找回童心的小游戏。

内容生态

尽管很遗憾没有体验半条命这类最大热的联网游戏，但整体来说Quest2上的应用还是让我非常震惊了，很多都做的既有内容、又有画面、又有沉浸感，极大地释放了VR游戏对人的吸引力。

从数据上看，目前，超过60个Oculus开发商实现了百万美元级别的营收（截止2021年1月）。一些VR开发者也同样证实了Quest2带来的更多用户流量，比如《RecRoom》社群负责人ShawnWhiting就表示：Quest2首发当日销量是Quest的250%，而且Quest2同时在线人数也比Quest更多。CloudheadGamesCEODennyUnger也透露，自Quest2发售以来，《PistolWhip》销量翻了10倍。在上周竞核的直播上，Contractor的开发者将游戏上线90天内在Oculus上的销量与Steam上的销量进行比较，分别为100K和30K。

对于为什么Oculus会具备如此健康和优秀的内容生态，我认为最直接的一个原因在对商店内应用的质量把控上，Oculus对技术非常之严格，他们为每个应用设置了一顶的门槛，从深度（细节）、时长、精致度（视觉效果，例如对游戏帧数要求达到了70以上）、价值（性价比）四个方面审核，为用户打造了一个体验感和价值足够高的商店。

从另一方面，根据资料以及对相关人员的采访，我们也可以总结出Oculus在内容生态上的战略，促使Oculus以极其快的速度蓬勃增长。它的战略总结为一个关键词就是鼓励“众数”。

大多数应用生态更看重开发者收益，而不是为消费者匹配最适合的软件。这样做的缺点是，开发者进行越多推广（自己寻找更多用户），才更有可能提升应用下载量，无法仅依靠平台本身的推广机制。在这样的竞争环境下，大型开发公司比独立工作室更有优势，对于独立开发者并不公平，而且也会降低平台内容的多样性，造成受众越来越有限。

而Quest的战略是，确保中等人气的应用数量最大化，以此来吸引更多开发者去尝试开发更多样化的内容。这样做的最终目的是，让即使在其他平台受众小的VR软件，也确保在Quest上找到更多用户。从而保证商店中应用的多样化和质量，以吸引更多样化的用户群体。

交互体感

最后，我想来讨论一下Quest2的交互体感以及VR设备在未来与世界交互模式的演变。

Quest2给备了一对6Dof的手柄，具有按键、动作捕捉和震动反馈等主要交互功能。其左右手的手柄各有一个摇杆（可按压）、三个按键和两个扳机键。握持手感整体不错，一旦握住了正确的位置，大拇指、食指和中指（三个机位）各司其职，可以模拟点触、拾取等动作，分配合理。但是还没习惯的时候就经常会分不清楚左右手，也不会一下子就握持到正确的位置——个人感觉与我物理上握持的本能有些相差。

除了手柄，Oculus在第一代Quest发布后引入了手部追踪功能，并且该功能也可在Quest2上启用，这是主交互方式之外一个额外选择，相对来说Quest2的手部识别也比较准确。语音命令（1代也同步上线该功能）也是Quest2交互的一个选择。

我认为交互形态是未来VR（包括AR）最具有想象力的地方，虚拟现实的大范围推广与其说是显示技术进步，不如说是一场交互方式的新革命——不过这也是它们能得以真正大范围推广最具挑战的地方。就像苹果和后续的智能手机产业花费近20年将人类驯化为屏幕上舞蹈的人，你能想象VR最后会以何种交互方式自然而本能地融入我们的生活呢？

资料来源：ColumbiaUniversity，RATATYPE，2019年世界机器人大会，中金公司研究部

目前主流VR设备的交互方式，比如手柄，个人认为还是过于偏向娱乐化了。虽然手柄的界面已经被众多游戏玩家熟悉，而且上面的扳机和体感反馈的体验感也不错，但如果要支撑例如未来的VR社交或更大范围地替代现实生活的一些环节，手柄的单一交互是完全不够的——这也间接导致人们目前对VR的潜力的预期也多停滞于娱乐和消遣。

在这个交互问题上，从逻辑上，我自己比较看好让技术去适应或捕捉人本能的一些反应或状态，而不是用技术来驯化人类学习操作。再拿智能时代的触控屏举例，虽然让现代的人们接受触控屏虽然也花了很长的时间，但不能否认，触摸我们感兴趣的事物，拖拽、点触它们，这确实都是我们的本能。

那么在具体的技术路径上，我认为眼球追踪、手势追踪、面部和姿态追踪以及还较为遥远的脑机接口才是VR交互的终极形态。

眼球追踪、手势追踪、面部和姿态追踪最大的用处在于更深地immerse用户进入那个打造的世界，并在这样的另一个世界中感受到beingexisted。但从技术上，这三者说到底就是计算机视觉和AI的深刻应用，相对来说其技术的成熟度阶段也已经走出了“死亡之谷”。在手势追踪方面，Facebook就展示过其手势追踪的最新进展，单手跟踪成功率可达100%，Facebook也认为这项技术将这项技术应用在VR社交中，与虚拟角色交互。

在面部和姿态追踪方面，Facebook曾公开的CodecAvatar已经利用容积摄影技术来对用户面部特征进行捕捉，并通过VR头显上的多颗摄像头追踪角色的面部活动。扎克伯格对这一技术在虚拟社交领域的应用充满了期待：“面部追踪功能，将为用户带来更为逼真的VR社交体验。”

而肢体追踪方面，Facebook展示的一种基于单目摄像头的无标记体感追踪方案，不仅能识别人体骨骼姿态，甚至还能识别出人体肌肉活动状态。值得一提的是，它基于单目摄像头，无需多相机阵列组合，大大降低硬件成本。

最后是更显得遥不可及的脑机技术，在我们这些消费者来看就是一个非常疯狂的想法。但实际上，Facebook等大厂或一些小型初创公司已经具备了简易版本脑机产品的商业化落地和量产的可能性，我们可以从放出来的一些消息中看一下这一魔幻技术到底进展到哪一步了。

资料来源：ResearchGate，KenResearch，PennToday，中金公司研究部

消息比较多的就是Facebook收购的CTRL-Labs。CTRL-Labs已经实现了捕捉肌电信号与脑电信号结合，并完成设备控制。目前，CTRL-Labs已经把该技术用于笔记本电脑控制，能够在不作出任何动作的情况下实现基础的鼠标、键盘操作。在并入Facebook的虚拟现实部门后，市场期望其能够把脑机接口技术与OculusVR结合，优化用户体验并减少VR所需活动空间。

埃隆马斯克的Neurable非常有名就不提了。来自法国的神经技术初创公司NextMind也因为在CES展上的亮相引发大量关注。该公司小巧的产品Nextmind可以贴在用户的后脑勺，辅助现在的VR头显设备来读取你在看什么（目前仍处于早期阶段，检测速度较慢，且只能识别出在看某种模式的东西，从某种程度上来看，可将其理解为一个眼动追踪装置，只是该装置追踪的不是人眼，而是脑电波）。

目前，脑机技术还只像一部电影刚刚发布了第一支预告片，现在就已经在电影院坐等还稍早了一些。但如若想象一下，有一天在使用VR设备，触摸虚拟的草地时能触到刺痒、能闻到清香，在虚拟世界移动时能感受到肆意奔跑的快感，与远方的恋人虚拟玩耍时能看到对方真实的笑容，我相信每一个人都会为这个未来保持最大的耐心和期许吧。

以上就是我对Quest2这款最优秀的VR产品的非专业测评，以及一些有的没的的拓展和研究。期待更专业的童鞋能多与我探讨，对理解有误的地方提出批评指正！最后还是欢迎关注我，如果觉得还不错的话，点个赞哦！

《计算机:一部历史》| 想要看清未来,需要首先了解过去写在前面的话：

先做个自我介绍。某高校苦逼科研狗兼导师一枚，平常主要工作就是代课和科研。闲暇时喜欢读读书，口味比较杂，偏爱文史类。写荐书其实是源自于某次和组里研究生聊天，发现大家平时都不怎么读书。我觉着不好。所以就动笔写点东西，推荐几本个人觉着不错的书给同学们，希望能从抖音里抢一些时间出来。

类别：提升

书名：计算机：一部历史

内容简介

《计算机：一部历史》，给大众读者写的计算机科普读物，零门槛入门计算机科学。讲述计算机背后鲜为人知的故事，普及关于计算机和互联网你不得不了解的知识。无论你是否具备计算机专业背景，只要你使用计算机，这本书就是你的案头必备。（摘自微信读书）

作者简介

彼得·本特利（PeterJ.Bentley），伦敦大学学院计算机科学系教授，数字生物实验室负责人。于1993年获得英国埃塞克斯大学计算机科学学士学位，1996年获得英国哈德斯菲尔德大学设计应用进化计算博士学位。目前已发表250多篇科学论文。主要研究兴趣包括建模和生物启发式计算、代理建模、进化算法和其他复杂系统及相关应用。（摘自ieee.org）

优秀的科普读物

我每年代的课是计算机导论，是一年级新生的通识课。这门课不好代。原因在于课程内容杂，覆盖面广，基本上一章就是一个独立的计算机领域，但是课时却是一减再减，从64减到32。去年开始，软件学院又减到了16学时。本来这门课就不能讲太多理论知识，是以激发兴趣为主，多讲故事，留下扣子，为的是同学们将来上后续专业课时保持一点求知欲。但是课时的限制导致我上课时，只能砍掉很多有趣的故事。所以我一直在找一本适合没有任何专业背景的同学，能够读懂，读明白而又乐意读下去的课外科普读物。这本书就是我要找的。

这是一部不错的讲述计算机科学史的科普读物。我把这本书类别定义为了提升，不是专业，原因在于这本书对于非计算机专业的同学而言，阅读也不吃力。可能没有专业的知识沉淀，对于书中的某些概念不好理解，但是这并不妨碍同学们对计算机历史发展的了解。

这本书比之前推荐过的《艾伦·图灵传》要好读很多。图灵传里有很多数学理论的内容，我读着非常吃力。开始还试着理解它们，但是以我的数学基础，完全看不懂。所以，在读图灵传的时候，这些内容我基本是跳过的。原因是因为图灵传的作者是图灵在剑桥的同事，也是研究数学的。所以在著书时可能习惯性会着笔于一些理论内容的探讨。这对于有相关知识沉淀的读者，可能会更好的理解图灵的思想，但是对于大多数向我这样的门外汉，读着就异常吃力了。

传记风格的科普读物

这本书就好很多。本书的作者是彼得·本特利（PeterJ.Bentley），伦敦大学学院计算机系教授。网上随便搜搜，就能发现他的很多专著（Researchgate，IEEE，Zlibrary上都能找到）。这本书英文版在2012年出版，中文版2015年出版（抱歉文中我贴的是英文版的封面，因为中文版封面的分辨率太低了）。不算特别新，但是对于科学史的科普读物，也足够了。英文原名叫《Digitized：TheScienceofComputerandHowItshapesOurWorld》。又一本被译名耽误的好书，之前推荐的百年都铎王朝也算一本。原文里的Digitized（数字化）一词，真的太重要了。现在的译名，就少了那个味道。

这本书有几个优点。一是表述不晦涩。作者的文风看不出有太多惯用的科技文献写作手法的痕迹，而更有历史传记作家的感觉。读起来很顺畅，一个个历史人物依次登场，从图灵、香农、冯·诺依曼，到恩格尔巴特、文特·瑟夫、伯纳斯·李，看着一个个熟悉的名字跃入纸上，跟着作者的文字去再现当年的历史故事，实在有趣。此外，作者对大佬级的人物，都做了背景描述。让同学们能对人物有更全面的了解。这很合我的口味，我很受用。上面这些名字，计算机和信息专业的同学，估计没有不认识的。

这个地方特别提一下文特·瑟夫（VintCerf），原因是我曾有幸听过一次老爷子的现场报告，并且还合过影，因为是老爷子给我颁的奖。如果有认识我的同学，百度上还能搜得到新闻，应该是我不多的高光时刻了。当然，奖也不是啥重要的奖，就是蹭了个奖台。没听说过这个人？这老爷子有个头衔，互联网之父。原因是他和另外一个人提出了TCP/IP。另一个人是戈登·摩尔，就是提出摩尔定律的那个摩尔。

技术和标准的国家属性

上次说到互联网之父，文特·瑟夫（VintCerf）。当年的文特很理想，他认为全世界都应该使用同样的通讯协议，这就构成了建立跨越国家和地区的全世界连接的网络的前提。但是他的老师彼得·柯斯坦却很现实，“文特的想法在美国可以实现，但在英国不行，英国总有人开发不同的网络协议。因此必须有人发挥桥梁的作用，使各种类型的网络兼容并包。我们必须考虑到，不同国家和地区有着不同的发展步伐，这不仅仅表现在技术上，也表现在政治上。要想推动互联网的发展，必须因地制宜。”不仅科学有国家属性，技术和标准的国家属性更明显。同学们联系现在正在发生的事想想看。复制之前的那句话，无论什么时候，身在哪里，永远记住你证件上的国徽。对了，彼得·柯斯坦被称为欧洲互联网之父，授过大英帝国勋章。供职于伦敦大学学院，和本书作者一个地方。

宽泛的内容

这本书的第二个优点，内容比较宽泛，涉及到了计算机科学几个重要领域，基本每一章是一个独立领域。而且相互的联系不大，同学们可以各取所需。以硬件为例，在书里同学们可以了解计算机从无到有的过程，从图灵的理论模型到香农的逻辑电路到约翰·埃克特的ENIAC到冯·诺依曼的EDVAC，元器件从电子管到晶体管再到罗伯特·诺伊斯（英特尔的创始人）的集成电路，包括到现在研究者们正在努力突破冯·诺依曼体系，尝试各种包括仿生、量子等未来计算芯片的可能性。

除此之外，软件，书里从二进制谈到了存储程序到微指令到软件开发到软件测试和评估。网络，从APRNET谈到了TCP/IP到万维网到超文本标记语言到网络安全。人机交互，从图形用户界面（GUI）谈到了多媒体到虚拟现实/增强现实（VR/AR）。人工智能，谈到了图灵最初的自动下棋的想法到冯·诺依曼的最小最大定理到人工智能的三大流派到人工智能的几次低谷（那个时候研究者都羞于提自己是研究人工智能，都换其他词了）。

新的进展

受限于本书的成书时间在八年前，所以对于目前的一些最新的进展，书中并没有表述出来。比如AR/VR而言，现在我们已经提出了混合现实（MR）的概念，微软已经推出了HoloLens的二代产品，融合了手势交互。价格不便宜，感兴趣同学可以自行百度下。我一朋友的公司买了一部做开发，有本校同学感兴趣的话可以私信我，我回头带你去体验下。

我想一定会有同学提人工智能。最近太火了，扑面而来，躲之不及。但是，组里同学一定都知道我的个人观点。上个月也写过一篇短文，回头整理整理发公众号上。这里我只想引用两个人的话，来作为此篇荐书的收尾。

1965年，希尔伯特·西蒙（有九个博士学位的把妹高手）宣称：“不到二十年，机器就能够做到人可以做的任何事情。”1970年，马文·明斯基（人工智能之父，有这个头衔的人有点多，回头给大家说说）说“不出一代人的时间...创造人工智能的问题就会基本得到解决。”事实证明，人们对人工智能的发展总是过于乐观。说起流派，我觉着原来的三大流派已经过时了。现在应该是四大流派，疯狂鼓吹媒体派，风口圈钱资本派，谨小慎微学者派，无辜吃瓜群众派。

一家之言，难免偏颇。

有贻笑大方处，欢迎留言指出。

researchgate收录中文论文吗没有收录。根据查询相关公开信息得知没有提供对中文文献的收录和检索功能，DBLP所收录的期刊和会议论文质量较高，DBLP的文献更新速度很快，很好地反应了国外学术研究的前沿方向。

除了影响因子还有哪些指标可以评价论文的价值一提起论文价值，恐怕首先想到的是影响因子。尤其是在中国，影响因子对于科研人员和工作者真是命根，晋级，升迁，申请基金，评奖等等无不与影响因子有关。但是除了影响因子，还有许多其它的评价论文价值的方法。本文就介绍一下常见和新兴的评价论文价值的指标。

评价一个论文价值，无非从量化和质化两个方面来评价，或者期刊和论文的角度来评价。下面提到的指标，有的是从量化，有的是从质化，有的是从期刊角度，有的是从文章角度。

影响因子

影响因子确切说是针对期刊的，而并非直接针对论文的。

影响因子应该是一个量化和半质化的指标。为何？这是因为高影响因子的期刊低水平的文章也并非没有，低影响因子高水平的论文也大有存在。

当然，如果论文婆家找的好，自身的身份也就自然高了。正如以前的皇妃，可能整个素质比一般大众好，可以平民中也大有出类拨粹的人物存在。

因此，现在影响因子也是饱受垢病。有的人戏称SCI是stupidchineseidea，其中的原因也就不多说了。

查看影响因子的方法有多种，最经典的方法当然是WebofScience，但是收费，一般人用不起。简单方便的方法可以使用医学文献助手：利用医学文献助手筛查PubMed文献质量

引用次数

这个就不用多介绍了吧。很多数据库和在线查询平台都可以实现引用次数的查看，例如Google和微软学术搜索MicrosoftAcademicSearch，还有利用医学文献助手筛查PubMed文献质量

H指数（HIndex）

H指数是2005年由美国加利福尼亚大学圣地亚哥分校的物理学家乔治·希尔施提出的。

H指数的计算基于其研究者的论文数量及其论文被引用的次数。赫希认为：一个人在其所有学术文章中有N篇论文分别被引用了至少N次，他的H指数就是N。

可以按照如下方法确定某人的H指数：

将其发表的所有SCI论文按被引次数从高到低排序；

从前往后查找排序后的列表，直到某篇论文的序号大于该论文被引次数。所得序号减一即为H指数。

以上有关H指数的内容来自维基百科

查看H指数的最简单的方法就是利用GoogleScholar，注意是英文版的，中文版的不要。另外FireFox和Chrome也有相应的插件可以选用。

I10指数（I10-Index）

I10-index是由Google提出来的，指作者发表文章数被引用10次以上的个数。

比如我发表了100篇文章（呵呵，有点大了啥），其中90篇被他人引用了10次以上，那么本人的I10-index就是90。

如果说影响因子是针对期刊的话，那么H指数和I10指数就是针对个人的。论文的影响因子高，只能说该论文找了一个好婆家，具体引用情况并不一定。而H指数和I10指数就是确切反应论文引用的一种量化标准。

G指数（G-Index）

G-Index（G指数）相比于上述几个指标来有点默默无闻。G-Index是由LeoEgghe于2006年提出的，评价作者论文数量的一个指标。

G指数的计算方法如下

把所有作者发表文章按照引用次数降序排列，序号为g

把作者所有发表文章的序号进行平方，得到g2

把作者所有文章的引用次数进行加法，得到∑TC

最后一个∑TC仍大于g2的序号就是G指数。

有点绕哈，没事举个例子更清楚一些，比如我发表了以下文章，按照引用次数进行排序如下

引用次数（TC）序号（g）

文章引用次数之和（∑TC）g^2

471471

422894

3731269

36416216

21518325

18620136

17721849

16823464

16925081

1610266100

1511281121

1312294144

1313307169

1314320196

1315333225

1216345256

1217357289

1218369324

1219381361

1120392400

…………

由上表可以看出我的H指数是13，g指数是19，因为第20个文献g2已经大于前面所有引用次数之和了。（该例子数值来源于Egghe.AnImprovementoftheH-Index:theG-Index）

G指数相比于H指数和I10指数，更能反应论文整个引用情况。比如我发表的文章，总体都不高，可能H指数比较高，可是一算G指数立马原形毕露，原来是水货一枚。

H5指数（H5-index）和H5中位数（H5-median）

H指数、I10指数和G指数是针对个人论文引用次数的统计，而H5指数和H5中位数（H5-median）是针对杂志引用次数的一种评价体系。

H5指数

H5指数是过去5年之内某一杂志所发表的论文数相比于引用数的最小值，如

Nature杂志过去5年之内发表了1000篇文章（当然实际数值比这个大），按照每篇论文的引用数进行降序排列

第381位的文章的引用数是381，而382的文章引用数是300，那么Nature的H5指数就是381

H5相较于IF，是反应杂志过去5年文章的引用情况，而IF是反应的杂志平均引用情况。H5相较于H指数，是针对杂志的总体情况，而H指数是针对于个人论文的引用情况。

有时候不同影响因子的杂志，H5可能一样。如PLoSOne和NatureReviewsImmunology的H5都是130，可是两者的影响因子相差可不止一个档次。

H5中位数

H5中位数（H5-median）是指所用文章引用次数的中位数。为毛不用平均数？因为资料不是正态分布。每一个杂志的文章引用次数肯定不会是平均分布的，正如我国居民收入一样。有的引用次数肯定很大，可是有的文献可能很水，引用次数少的可怜。如果平均无法反应真实的引用情况，中位数最佳的选择。

F1000

F1000(Facultyof1000)是为生物学及医学研究人员提供评估服务的二次文献数据库，是由英国BioMedCentral出版的一种新型在线研究辅助工具，包括生物学（Biology）和医学（Medicine）两大系列。其目前是给生命科学研究者一个新的评价体系，而不仅仅依赖于是否被SCI收录。

医学F1000：由2400多位世界顶级的临床专家、学者收集和评价，提供目前世界上最重要的医学论文信息及发展趋势。它包括18个领域：麻醉和镇痛、心血管疾病、重症监护和急诊医学、皮肤病学、糖尿病和内分泌病学、循证医学、胃肠病和肝病学、血液病学、感染性疾病、肾病学、神经疾病、肿瘤学、心理学、公共卫生和流行病学、呼吸系统疾病、风湿和临床免疫、泌尿病学、女性健康。该网站文献与PubMed及PubMedCentral进行了链接。

生物学F1000：由2300多位专家学者的评价，提供目前世界上最重要的生物学论文信息及研究趋势。涵盖学科领域：生物学、生物化学、生物信息学、生物技术、癌症生物学、心血管生物学、细胞生物学、化学生物学、发育生物学、生态学、进化生物学、胃肠生物学、基因组学和遗传学、免疫学、代谢及内分泌学、微生物学、分子生物学、分子医学、神经科学、药理学与药物发现、生理学、植物生物学、肾生物学、呼吸生物学、结构生物学。

主要特点

主要对PubMed收录的重要论文的进行客观评估，评估依据是以学术成就而非该期刊是否被SCI收录；

参加评议的成员分别由美国和欧洲等国际知名机构的著名专家组成。根据论文对当前世界生物和医学研究的贡献程度和科学价值，通过客观反映学术水平的指标（F1000因子）给予评分，每日将最近一个月内的极少数优秀论文推荐给读者，并提供Pubmed链接。

F1000三个等级分别为9分（杰出）、6分（必读）和3分（推荐）。

以上有关F1000的内容来自百度百科。

因此F1000相比于影响因子，多人工挑选的干预，其分值高的研究意义就比较重大。F1000应该是一个质化的指标，最简单的实时查看F1000的方法也可以使用医学文献助手。

聊完了传统的评价指标，再扒一扒新兴的论文评价指标

Altmetric

Altmetric是一个新兴的指标，虽然字面意思是替代指标，但是我认为「社会化影响力」或者「网络影响因子」或者「分享因子」更能反应其本质。

Altmetric出现的背景

可能大家遇到这么一种情况，有的论文发表以后，被大家广泛转载，网络新闻报道，Twitter或者G+上评论和分享。这时，影响因子和F1000就不能反应这些了。

Altmetric就是在这种情况下出现的，Altmetric就是反应某一论文分享、下载、阅读的情况。