1) AR 眼镜技术全景：从“能看见”到“能用好”
一张工程地图：显示光学、感知定位、计算与功耗、交互体验、内容与生态。
文章
目前共 12 篇，围绕 AR 眼镜关键技术与行业现状，偏工程视角的拆解与取舍。
2) 显示与光学路线现状：Birdbath vs 光波导
对比主流光学方案的现实约束：亮度、眼盒、FOV、重量与量产。
3) 感知与定位：IMU + 相机 VIO/SLAM 的难点清单
从工程角度拆解：延迟预算、漂移、重定位、动态场景与标定维护。
4) 交互与体验：手势/语音/眼动到底该怎么选？
围绕场景做取舍：误触成本、隐私、认知负担与多模态协同。
5) 渲染与系统：低延迟图形管线与端云协同
AR 的“稳”和“低延迟”来自系统工程：渲染、网络、功耗与热设计。
6) 行业现状与挑战：为什么“看起来很近”，落地却很慢
从供应链、软件生态与合规角度解释现状，并给出务实落地路线。
7) 实时音视频与远程协作：WebRTC、SFU、TURN 与 QoS
AR 场景下 RTC 的目标不是画质极致，而是可用性极致：穿透成功率、弱网降级与可回放。
8) 端侧 AI 与空间理解：从检测分割到多模态与 Agent
AI 在 AR 的价值更像“省步骤”。关键在端侧闭环、按需触发、可解释与可审计。
9) 传感器与深度：RGB、ToF、双目与“什么时候值得上深度”
深度能提升体验上限，也显著增加系统复杂度。是否采用取决于核心场景是否必须。
10) 工程化与测试：用回放、仿真与指标体系把 AR 做“稳”
AR 的迭代要避免“玄学”：可复现（回放）+ 可度量（指标）+ 可观测（线上）。
11) 量产与产品化：从样机到交付的鸿沟
量产阶段的关键词：一致性、良率、校准、售后与可回滚的交付体系。
12) 安全、隐私与合规：摄像头眼镜的边界与数据治理
把最小采集、明确提示、可审计与可删除做成系统能力，才能赢得长期信任。