BOXR：面向扩展现实的身体与头部运动优化框架

独立式XR系统的出现增强了用户的移动性，容许细微频繁的头部运动以及重大且不频繁的身体运动。然而，广泛使用的M2D延迟指标仅衡量最新运动与其对应显示更新之间的延迟，未考虑头部运动。这会使用户容易受到运动不适。如果显著涉及身体运动。虽然现有方法通过异步任务调度和重投影方法优化M2D延迟，但会引入诸如任务间资源争用和过时姿态数据等挑战。这些挑战又因用户运动动力学和运行时场景变化而复杂化。为此，我们首次引入C2D延迟指标，捕捉身体运动造成的延迟，并提出BOXR框架，用于在XR系统中协同优化身体和头部运动延迟。BOXR通过高效调度任务以避免内容ions，同时保持输出帧中最新姿态，来增强M2D和C2D延迟之间的协调。此外，BOXR集成了基于运动的视觉惯性里程计以适应用户运动动力学，并采用场景相关的视点注意力渲染来有效管理场景变化。我们的评估表明，BOXR在11个EuRoC MAV数据集上对4个XR应用在3个硬件平台上显著优于最先进解决方案。在受控运动和场景设置下，BOXR将M2D和C2D延迟分别降低最高可达63%和27%，帧率提升最高可达43%。在实际部署中，BOXR在现实场景中实现了显著的延迟降低，最高可达M2D延迟42%和C2D延迟31%，同时保持极低的丢帧率，仅为1.6%（M2D）和1.0%（C2D）。