WebXR 与 Three.js 的沉浸式渲染:一个按钮背后的帧预算、晕动症与设备碎片化(WebXR Immersive Rendering: Frame Budget, Motion Sickness & Device Fragmentation)
VRButton 接入的真实成本 · 立体渲染把帧预算砍掉一半 · 舒适度设计要放进核心玩法 · Quest、Vision Pro 与 iOS 的兼容现状与局限
为什么“戴上头显的那一刻”是 Web 3D 最昂贵的一道门槛
说个很常见的场景。你把做了三个月的 Web 3D demo 链接发到群里,加一句“点开就能看”。有人回:“真的不用装东西?”——这就是 Web 3D 最爽的一刻:一个 URL,就是一次零成本的试玩。
然后你借了台 Quest,戴上,点进同一个链接。画面又糊又重,你一转头,画面就滞后一拍;三十秒后你把它摘了,脑子里只剩下一个字:晕。
WebXR 做的这件事,说白了就是把“装一个 200MB 的客户端”压缩成“点一下按钮”。它是整个 Web 3D 技术栈里用户进入门槛最低的一环,也是唯一一环,能让一个陌生人从“看到你发的链接”到“站在你搭的场景里”之间只隔一次点击。这件事的价值,比任何画质参数都大——尤其对我们这些没有发行预算、没有买量能力的小团队来说,一个链接就是一次试玩;而一次试玩,可能就是一次转化。
但它同时也是最容易出问题的一环。这里有个特别反直觉的地方:在 XR 里,所有的技术参数都会被翻译成身体感受。帧率低了不是“有点卡”,是吐;分辨率低了不是“有点糊”,是晕;移动方式选错了不是“手感差”,是十分钟后玩家去躺着。桌面端你还能靠美术和镜头语言把问题掩盖过去,头显里没有这个余地——玩家的脸离你的渲染结果只有三厘米。
所以这一篇我们拆四层:一层是入口,也就是那个按钮背后浏览器和头显之间到底商量了什么;二层是立体渲染的真实成本,为什么你的帧预算凭空少了一半;三层是舒适度,这一层我会用力讲,因为它是策划的活儿,不是图形程序员的活儿;四层是设备谱系,Quest、Pico、Vision Pro、还有那个永远让人心碎的 iOS。
我先把结论放前面:WebXR 不是“把 Three.js 场景搬进头显”,而是“用一半的预算,重做一遍交互和舒适度”。你如果抱着前一种心态进去,大概率会在第三天推倒重来。我自己就这么干过。
第一层:那个“进入 VR”按钮,背后是一场三方谈判
新手最容易犯的错,是以为 WebXR 就是“全屏 + 陀螺仪跟随”。不是。它本质上是页面、浏览器、头显运行时三方坐下来的一次谈判,谈成了你才有资格往两只眼睛里画画。
谈判的第一步是打招呼:页面先问浏览器“你这边能开沉浸式会话吗”,浏览器再去问设备运行时。这一步决定了你那个按钮是亮着还是灰的。第二步是请求:玩家点下按钮的同一时刻,页面发起会话请求。注意,必须是一次真实的用户手势——页面加载完自动进 VR 这种好事,所有主流浏览器都会直接拦下来,理由很正当:谁也不想打开个网页就被传送到别人家客厅。第三步是协商参数:你要 VR 还是 AR、要站姿还是坐姿、要不要手部追踪、要不要平面识别。第四步才是接管渲染循环。
第四步是事故高发区,我在这栽过。普通 Three.js 项目用浏览器的逐帧回调驱动画面,但进了 XR 会话之后,什么时候该出下一帧由头显运行时说了算——它有它的节奏,它要按时把画面推给屏幕。你如果还用自己那套逐帧回调,表现就是:进 VR 之后黑屏、画面冻结、或者画面出来了但完全不跟头。现在 Three.js 里正确的做法是改用渲染器自带的、会话驱动的那个循环入口,让运行时来喊你出帧。这条规则写下来只有一句话,但每年都有人重新踩一遍,包括我。
还有两个更朴素、但更容易让人白白调试半天的条件:必须是 HTTPS(本地开发时 localhost 例外),以及必须先把设备端准备好。前者我吃过亏:为了用手机方便,把测试页挂到局域网的一个裸 IP 上,结果按钮永远点不动,排查了四十分钟才想起来是安全上下文的问题。后者更朴素——头显里的浏览器得先允许进入会话,玩家还得戴上、还得待在安全区里。这些都不是代码问题,是流程问题。
会话建起来之后,还有一个特别容易被忽略的参数:参考空间,也就是“原点在哪、朝向哪”。这个选错了,玩家一进场景就站在地板下面,或者凭空悬在离地一米六的空中——而且他会以为自己碰到了 bug,而不是你参数填错了。
| 参考空间 | 原点含义 | 什么时候用 | 选错的症状 |
|---|---|---|---|
| local | 玩家进入那一刻的位置 | 坐姿体验、驾驶舱类 | 站着玩的人觉得自己被埋了 |
| local-floor | 玩家脚下那块地板 | 站姿体验的首选 | 需要一个能丈量地面的运行时 |
| bounded-floor | 地板,外加安全区边界 | 房间尺度玩法 | 边界数据拿不到时得降级 |
| viewer | 永远贴着头 | 只放个 HUD | 拿它当世界原点,整个场景跟着头走 |
再往下就是立体渲染了,运行时会把两只眼睛各自的投影信息交给你,你不用自己算视差,也不用自己算瞳距。这里有个很多人的误解:以为要让两只眼睛看到不同画面,得自己写两遍渲染逻辑。其实不是,Three.js 的 XR 相机会替你把这些都包好,你要做的是“别自作聪明”。下面这层细讲。
从玩家的视角看,这一切只体现为一件事:点击到进入场景之间的那几秒。我特别建议你把这段时间当成核心体验来设计。一个“加载中”的转圈放在 VR 里是灾难——玩家戴着黑屏头盔干等三秒,心理上像是等了三分钟。我的做法是在会话一建立就先给一个极简的环境(一圈地面网格、一点环境光、一句“抬手试试”),让玩家先动起来,剩下的资源在背景里悄悄补上。这套操作在平面游戏里叫“过渡动画”,在 VR 里它直接决定玩家对流畅度的第一印象。
第二层:立体渲染的成本——你的帧预算,被砍掉了一半
这一层是最硬的一道门槛。很多团队第一次算这笔账都会沉默。
桌面游戏 60 帧,一帧 16.6 毫秒,其中你要跟浏览器、合成器分这些时间,留给渲染的大概能到十毫秒上下。到了 XR,一帧的预算是这样的:72Hz 是 13.9 毫秒,90Hz 是 11.1 毫秒,120Hz 是 8.3 毫秒。而这是“整帧”的预算——包括浏览器自己的开销、合成器的开销、你那段 JS 的执行时间、以及 GPU 出图的时间。真正落到你渲染管线上的,往往只剩六到九毫秒。
另一部分压力其实来自分辨率。头显的屏幕不是 1080p,它是“两只眼睛各一块高密度屏”:
| 设备 | 单眼分辨率 | 一帧总像素量 | 相当于几个 1080p 屏幕 |
|---|---|---|---|
| Quest 2 / Quest 3S | 1832 × 1920 | 约 700 万 | 约 3.4 个 |
| Quest 3 | 2064 × 2208 | 约 910 万 | 约 4.4 个 |
| Pico 4 | 2160 × 2160 | 约 930 万 | 约 4.5 个 |
| Valve Index | 1440 × 1600 | 约 460 万 | 约 2.2 个 |
| Vision Pro | 3660 × 3200 | 约 2340 万 | 约 11 个 |
把这笔账合起来看:你要用比桌面少三分之一的单帧时间,去填比桌面多三到十倍的像素,而且大部分几何还要画两遍。所以“桌面能跑 60 帧,VR 应该也没问题吧”这句话,是这行里最贵的错误。
说句实话,“画两遍”这件事比想象中更贵。不只是顶点处理翻倍——每只眼睛都有各自的位置和朝向,剔除结果不一样,能复用的部分没你想的多;要命的是填充率,因为两只眼睛看的是同一片场景,材质着色也基本要跑两遍。光照、纹理采样、透明度混合,全部乘以二。你在桌面端随手加的一个全屏后处理,在 XR 里就是“每只眼各跑一遍”的量级——很多项目就是死在这里。
这里有一个非常关键、但极少有人说清的机制细节:桶形畸变和色差校正,是合成器干的事,不是你干的事。头显的镜片会把画面往外推,所以最终出图需要预先做反向的畸变。新手很容易在这里想歪,觉得“我自己在着色器里加个鱼眼效果会更真实”。别加。你只要老老实实把两张干干净净的图交出去,剩下的交给运行时的合成器。你在渲染里加的任何镜头畸变,都会被再畸变一次,最后变成一片糊。
| 刷新率 | 一帧总预算 | 扣掉浏览器与合成开销 | 适合什么画面 |
|---|---|---|---|
| 72Hz | 13.9ms | 约 9-10ms | 内容多一点的场景,老设备兜底档 |
| 90Hz | 11.1ms | 约 7-8ms | 主流选择,多数 WebXR 项目的目标线 |
| 120Hz | 8.3ms | 约 5-6ms | 极简画面,节奏类、运动类 |
预算紧成这样,还有两个“作弊开关”值得知道。一个是分辨率缩放,把渲染分辨率压到屏幕分辨率的八成到九成,填充率立刻省两成,代价是画面变软——最先承受不了的永远是文字。另一个是注视点渲染:头显知道你的眼睛大致盯着屏幕中央,于是把边缘区域的着色精度降下来,人眼在余光里本来也分辨不出细节。这个在 Quest 上是有硬件支持的,Three.js 里只需要给一个 0 到 1 的档位,我一般从 0.7 左右开始试,往上加到你开始觉得“边缘的字发毛”为止。这两招单独用都能抠出两成上下的性能,是那种“五分钟见效”的优化。
案例:Moon Rider。这是个特别值得拿来说的样本——一个跑在浏览器里的节奏挥砍游戏,A-Frame 生态的团队做的,在 Quest 的浏览器里能稳在 90 帧。你如果去拆它的画面,会发现它的克制几乎是教科书级的:场景基本是一条向前延伸的霓虹轨道,切片目标是纯色加自发光,刀光靠叠加混合糊出光晕,实时阴影基本不参与,几何体简单到能一眼数出来。它把几乎所有预算都押在了两件事上:帧率,和“东西朝我飞过来”的节奏感。结果呢?一个网页游戏,在头显里的爽感能跟原生应用掰手腕。反过来看,我们很多 Web 3D 项目在做的事情恰恰相反:把桌面端那套“高精度模型 + 实时阴影 + 环境光遮蔽 + 一堆后处理”整套搬进来,然后在 Quest 上跑到 40 帧,还安慰自己“优化一下就好了”。40 帧在 VR 里不是“优化一下”的问题,是玩家戴不住。
对照组:Beat Saber。这个案例我放在这里,是想说明帧率对某些品类是生死线。节奏游戏里,音符从生成到飞到你面前是一个固定的时间窗口,你的判定靠的是手柄位置和时间戳的对齐。帧率一旦抖,判定窗口跟着抖,玩家会觉得“这游戏判定有问题”——而实际上是你掉帧了。所以它从立项开始就把 90 帧当硬约束,宁可降低渲染分辨率,也不让步。WebXR 项目要吸取的教训是:在头显里,“清晰”和“流畅”打架的时候,永远先保流畅。糊一点,玩家会抱怨;卡一点,玩家会摘头显。
第三层:舒适度设计——晕动症不是技术选项,是关卡设计的前提
这一层我特别想拉着策划一起聊,因为它根本不是“设置菜单里放几个开关”的事。
晕动症的成因很朴素:你的眼睛告诉大脑“我在跑”,你的前庭系统(耳朵里那个管平衡的器官)告诉大脑“我坐着没动”。两个信号冲突,大脑判定你中毒了,于是启动排异反应——恶心、出汗、头晕。这套机制在进化上是保命的,在 VR 里就是灾难。而且它有个很讨厌的性质:耐受度分布极不均匀。有人天生不晕,连续玩两小时;有人十秒钟就想吐,而且这种差异跟“是不是老玩家”几乎无关。你不能指望“多玩玩就适应了”这句话能留住人,因为第一次体验就吐了的玩家,没有第二次。
所以移动方式这件事,在 VR 里是一个设计决策,不是一个设置项。业界摸出来的几条经验,说白了就是“减少视觉和前庭的冲突”:
- 瞬移:点一下目标位置,画面一黑一亮你就到了。冲突最小,几乎人人可用,代价是空间连续性被打断——你没法“一边跑一边看风景”,也没法做追逐战。
- 短距冲刺:瞬移的变体,位移距离短、有明确的起止动作,介于“跳”和“走”之间。我认为这是最被低估的一种移动方式。
- 平滑移动 + 隧道视野:摇杆推着走,同时在屏幕边缘加一圈黑框,压缩你的余光视野,冲突感会明显下降。代价是玩家会觉得“视野被卡住了”,很像戴了个纸筒。
- 分段转向:不要做连续平滑转向。一次转 30 度或 45 度,转的瞬间画面糊一下(很多引擎自带这个瞬时模糊)。连续转向是新手项目里最常见的呕吐源。
- 固定参照物:给玩家一个不动的参照——脚下的格子、船舱、驾驶舱。人眼一旦有稳定的空间锚点,晕的概率会掉一大截。
这里我要泼一盆冷水给那些觉得“舒适度是给弱者准备的”的同行:把晕动症当玩家菜,是设计上最没出息的一种甩锅。你的玩家里至少有一半是第一次戴头显,他们的第一次体验就是你全部的口碑。
案例:Half-Life: Alyx。这是舒适度设计做得最坦诚的一个作品,值得逐条拆。它进游戏的第一件事不是教你开枪,是让你选移动方式——默认瞬移,平滑移动要你自己手动打开,而且打开之后隧道视野默认是开的。转向做成 30 度、45 度这样的档位,而不是摇杆一推就转。它还搞了个很有意思的折中:短距离冲刺,你指一个点,角色“唰”地闪过去,既保留了移动的爽感,又切断了持续位移带来的冲突。
但真正值得策划琢磨的是它付出的代价。瞬移会削弱空间连续性,而空间连续性恰恰是恐怖游戏最值钱的东西——你不能做成“玩家被追着跑”的桥段,因为瞬移天然就是“停下来、想一想、再跳”。所以 Alyx 的遭遇战节奏被整体放慢了:敌人少而精,遭遇前有足够的观察窗口,玩家可以站着不动把局面读清楚再决定往哪跳。这就是我说的“舒适度是关卡设计的前提”——它不是一个技术层,它反过来决定了你的关卡长什么样、战斗节奏多快、氛围怎么铺。
案例:Job Simulator。更激进的一个答案:干脆不做人工移动。整个游戏限制在一个两米见方的房间里,你想去哪儿就自己走两步。玩家永远不会晕,因为画面和身体的位移永远一致。代价也很直白:内容量在物理上被死死框住了,做不出“广阔世界”,只能往“密度”上做——同一个空间里塞满可交互的破烂,让你玩十分钟还想再翻一遍抽屉。这是个特别适合小团队的取舍:把“大”让出去,换成“密”。
WebXR 这边还多一个变量:手部追踪。Quest 之类设备能在浏览器里把手部关节数据交给你,二十多个关节,看起来很美。但说句实在话,现阶段的精度和遮挡问题,还撑不起“精细抓握”这种核心玩法——手一交叉、一被身体挡住,追踪就飘。我的建议是:把手势当成“指一下、捏一下、推一下”这种粗粒度输入,别去做“拧螺丝”“穿针”这种需要毫米级手感的活儿。真要做,请老老实实给手柄留一套映射。
第四层:设备谱系与兼容现状——一个浏览器一个脾气
桌面 Web 你只需要对付三四个浏览器,WebXR 你得对付“浏览器 × 设备 × 系统版本”这个立方体。而且和你平时调兼容性不一样:这里的差异不只是“能不能跑”,还包括“跑起来是什么手感”。
| 平台 | WebXR 现状 | 你需要额外操心什么 |
|---|---|---|
| Quest 2 / 3 / 3S | 沉浸式 VR 支持最完整,事实上是 WebXR 的主力平台 | 性能天花板;浏览器自身的开销你控制不了 |
| Pico 4 | 支持,能力接近 | 用户基数小,但测出来的 bug 往往是通用的 |
| PC 接 SteamVR | 能跑,但链路更长、更脆,配置门槛高 | 别把它当主要分发路径 |
| Android Chrome | 主打沉浸式 AR,靠系统底层的空间追踪 | 平面识别、锚点漂移、光照估计 |
| visionOS Safari | 从 visionOS 2 开始才把 WebXR 纳入 Safari | 分辨率极高、输入模型完全不同 |
| iOS Safari | 没有沉浸式 WebXR 会话 | iPhone 用户点了你的按钮,什么也不会发生 |
最后那一条,我希望你用红笔圈起来。你的推广链接大概率会被发到微信群里,群里有大量 iPhone 用户。他们会点,会看到那个“进入 VR”的按钮,会点它,然后……什么都不会发生。这不是 bug,是这个平台目前就没有这个能力。你能做的最起码的事,是在检测到不支持时把按钮换成一个明确的提示,而不是让玩家对着一个死按钮反复戳。这种细节对留存的影响,比你把画面优化 10% 大得多。
Vision Pro 是这半年最值得单独说的一个。它的屏幕是另一个量级——单眼三千多乘三千多,一帧两千三百万像素,差不多是十一个 1080p 屏幕。眼球追踪和手部输入的组合也很优雅:你看哪儿,就是光标在哪儿;你捏一下手指,就是点击。但对我们做 WebXR 的人来说,这里有三个必须提前知道的事。第一,它的输入模型里没有六自由度手柄,你之前那套“摇杆移动 + 扳机交互 + 侧键转视角”的方案在它上面直接作废,得重新设计成“眼睛选目标、手指做确认”。第二,超高分辨率意味着填充率压力是碾压级的,你在 Quest 上调好的分辨率缩放参数,搬到它这儿完全不适用。第三,它的空间是“全空间”沉浸式的,浏览器会接管合成,你能拿到的页面级控制比你想的少。
还有一个跨设备的通用问题:文字清晰度。VR 里的 UI 不是贴在屏幕上,是长在三维空间里的。同样一个 14 像素的字,在桌面上清清楚楚,在头显里就是一坨毛边。我的经验是,UI 字号要按“角分辨率”来定——玩家看这块 UI 时,每个字符占据的视角至少要有一度左右,低于这个数就该放大。这跟做 3A 的 UI 逻辑完全不同,很多项目第一次进 VR,第一反应就是“为什么字全糊了”。
兼容性检查上,我只有一个建议:查特性,别查版本。不要写“如果是 Quest 3 就这样那样”,要写“如果你支持手部追踪、如果你支持平面识别”。设备每年在变,能力清单比型号稳定得多。这一点跟这个系列里讨论版本升级那篇是同一个道理:依赖具体版本号做判断的代码,总有一天会静悄悄地失效——它不报错,它只是不工作了。
一份能直接抄的 XR 参数表
下面这张表是我自己项目里用的起手值,不是标准答案,但能帮你少走两轮弯路。原则很简单:先把预算压到能稳,再一点点往上加,每加一项都要戴上头显亲自试。注意,是戴上试,不是看截图。
| 参数 | 它管什么 | 建议起手值 | 超标之后玩家会怎样 |
|---|---|---|---|
| 目标帧率 | 整帧预算的基准 | 90Hz 起步;120Hz 只在极简场景尝试 | 掉帧抖动 → 恶心,比低帧率恒定更糟 |
| 单眼三角形数 | 顶点处理压力 | 10 万-15 万,越简单越好 | 转头时边缘出现拖影 |
| 每帧绘制调用 | CPU 侧提交开销 | 控制在 100 以内 | CPU 先满,GPU 空转,怎么降画质都没用 |
| 纹理总内存 | 显存与带宽 | 200MB 以内,优先压缩格式 | 进场景时卡顿几秒,切换场景像换游戏 |
| 分辨率缩放 | 填充率的粗暴开关 | 0.85-1.0 | 低于 0.8 时文字开始不可读 |
| 注视点渲染档位 | 边缘降采样强度 | 0.6-0.8 | 太高时余光区域出现明显色块抖动 |
| 瞬移/冲刺冷却 | 移动节奏 | 0.2-0.3 秒 | 太短会晕,太长像卡住 |
| 分段转向角度 | 转向舒适度 | 30 度或 45 度,二选一 | 做成连续转向,十分钟后玩家躺下 |
| 隧道视野触发阈值 | 平滑移动时的遮挡强度 | 移动速度超过阈值才出现 | 全程常开会像戴纸筒,全程不开会晕 |
| 点击到进入场景 | 第一印象 | 3 秒内给出可交互画面 | 黑屏转圈超过 5 秒,玩家开始怀疑人生 |
| UI 字符视角 | 文字可读性 | 每字符不小于 1 度视角 | 大字也糊,玩家要凑近去看 |
| 手势抓取容差 | 手部交互手感 | 5-8 厘米吸附半径 | 太小抓不住,太大像磁铁乱吸 |
这张表里我最想强调的不是数值,是那句“戴上试”。我吃过一次教训:在桌面浏览器上把分辨率缩放调到 0.75,看着还挺清楚,心想省下来两成性能真香。结果戴上 Quest 一看,游戏里所有的提示文字全部糊成一团——因为桌面上你离屏幕半米,头显里你离像素只有三厘米。这件事没有任何工具能替你做判断。
双路径:一天跑通的速览,和值得继续深挖的地方
初级路径——你今天就能跑通的一条线。第一步,把项目跑在 HTTPS 或者 localhost 上,这是硬性条件。第二步,用官方提供的那个进入 VR 的按钮组件做入口,别自己从零写会话请求,先把“能进去”这件事达成。第三步,把渲染循环换成会话驱动的入口,这一步不换,后面全是白搭。第四步,给场景加一圈地面网格和一个基础光源——它既是玩家的空间锚点,也是舒适度设计里那个“固定参照物”。第五步,手柄映射先做三件事:指哪儿、按哪儿、瞬移到哪儿,别的先别管。第六步,戴上头显,从点击到进入场景走十遍,掐表,超过五秒就砍资源。做完这六步,你就有了一个“能玩”的 WebXR 原型。剩下所有的活儿,都是在这个原型上做减法。
进阶路径——几个真正值钱的深水区。
第一,阴影可以只算一次。这是很多人没意识到的一个便宜:两只眼睛看到的是同一个场景,光源没有变,所以阴影贴图完全可以两只眼睛共用一份,没必要各渲染一遍。这一下就省掉将近一半的阴影开销,而视觉上你几乎看不出区别。这也是我为什么一直说,VR 里的性能优化大多是“想明白哪些东西是可以共享的”,而不是“把画质调低”。
第二,后处理在 XR 里是一笔奢侈开销。它天然要按眼睛跑两遍,而全屏后处理本来就是填充率大户。我的建议非常直接:能砍就砍。要氛围,就用材质、自发光、顶点色去堆,别指望泛光和环境光遮蔽替你撑场面。抗锯齿也交给合成器给的方案,别在上面再叠一层全屏处理——叠了大概率是又糊又慢。
第三,官方示例是最好的教材。Three.js 仓库里那几个 XR 示例——气球射击那个、手部追踪那个——虽然简陋,但它们把会话建立、参考空间、输入映射、手部模型这几件事都摆在一起给你看了。花两个小时把这几个文件读一遍,比你在论坛里翻三天帖子有效。
第四,别在本代就急着上 WebGPU。新渲染后端确实代表了未来,但它的 XR 路径成熟度目前还追不上老的 WebGL 路径,中间还隔着一层正在演进的节点材质体系。我的判断是:现阶段做 WebXR,WebGL 后端仍然是性价比最高的选择,等新后端的 XR 支持稳定了再迁,代价会小很多。这一条跟这个系列里讲渲染后端迁移那篇是同一个判断——迁移这件事,早做不一定好,但晚做一定要有预案。
几个我真心希望你别踩的坑
坑一:“桌面能跑 60 帧,VR 应该也差不多。”差得远。你的单帧预算少三分之一,像素量多三到十一倍,几何还要画两遍。这不是“优化一下”的量级差距,是重新设计的量级差距。
坑二:“晕动症是玩家不行。”说句难听的,这是甩锅。你的玩家一半是第一次戴头显,第一次吐了就没有第二次。舒适度做不好,等于自己把漏斗的入口焊死了。
坑三:“iPhone 用户也能玩。”不能。iOS Safari 目前没有沉浸式 WebXR 会话。你的推广链接大概率会在 iPhone 群里传播,那个按钮必须在不支持的时候变成一句人话。
坑四:“后处理拉满更沉浸。”正好反了。在头显里,延迟和掉帧对沉浸感的破坏是毁灭性的,一朵精致的体积云换不来你掉的那十帧。
坑五:“UI 跟着头走最方便。”把所有 UI 死死钉在相机前面,是新手最爱干的事。结果就是玩家一转头,整块面板跟着糊脸。UI 要么固定在世界的某个位置,要么跟随但带明显阻尼——总之别让玩家觉得有块板子追着他。
坑六:“自动进 VR 省一步操作。”所有浏览器都会拦。必须是一次真实点击。顺便提醒,本地调试用局域网 IP 访问会因为不是安全上下文而直接失败,只能走 localhost。
FAQ
Q:用 Three.js 做 WebXR 要额外装什么库吗?
不用。核心库本身就带了 XR 支持,那个进入 VR 的按钮是个独立的辅助模块,从附加模块目录里引一下就行。真正需要你做的不是“装东西”,而是把渲染循环换成会话驱动的那个入口,这一步才是关键。
Q:为什么我的场景进 VR 之后黑屏、或者只有一只眼睛有画面?
大概率是两个原因:渲染循环没交给会话,或者你用的是自己的相机而不是运行时提供的 XR 相机。前者表现为画面冻住或者压根不出现,后者表现为画面不跟头动、或者只渲染到一只眼。先把这两条排掉,剩下的问题往往会自己消失。
Q:WebXR 游戏能上 Quest 的应用商店吗?
不能,商店只收原生应用。WebXR 的分发路径就是链接本身——这既是它最大的优势(零安装、一个链接就能试玩),也是它最大的限制(没有商店的曝光和支付通道)。我的建议是把 WebXR 当成“试玩版”和“获客入口”,正式内容再考虑原生。
Q:Vision Pro 上到底能做什么、不能做什么?
能做的是沉浸式的全空间体验,输入靠眼睛和手的组合,非常适合“看着某个东西、捏一下”这类交互。不能做的是那种依赖双六自由度手柄的动作游戏——它根本没有这种手柄。而且它那块屏幕的像素量,会把你在其他设备上调好的性能参数全部推翻,得重新开一版预算。
Q:做 WebXR 是不是应该直接上新的渲染后端?
现阶段我建议不要。新后端的 XR 路径成熟度还在追赶,中间还隔着一层正在演进的材质体系。老后端 + XR 的组合是当下最稳的路。等它稳定了再迁,代价远小于现在硬上然后天天修 bug。
Q:手部追踪能当核心玩法吗?
当下不建议。精度和遮挡还没到位,手一交叉就飘。可以当辅助输入,做“指一下、捏一下、推一下”这种粗粒度交互,但核心操作一定要给手柄留一套完整映射。玩家可以不用手柄,你不能假设他一定不用。
最后留一个问题给各位同行:当所有人都说“沉浸感来自更高的分辨率和更真实的材质”时,你有没有想过,真正让人摘不下头显的瞬间,往往是那些交互极小、但你完全忘了自己戴着头显的时刻?在 XR 里,技术的目标不是“更真”,是“让人忘记技术这回事”。这一点,我们做策划的其实比谁都清楚。