工程化与测试：用数据回放、仿真与指标体系把 AR 做“稳”
AR 产品的迭代经常陷入“感觉变好了/变差了”的争论。原因很简单：AR 的失败不是单点，而是端到端链路；如果缺少可观测与可复现，团队只能靠主观体验调参。
1. 先建立“可复现”的最小闭环
建议尽早建立数据回放体系，把现场问题变成“可复盘的样本”。最小闭环包括：
- 录制传感器数据（IMU、相机帧、时间戳、曝光等）。
- 录制算法输出（位姿、置信度、重定位事件）。
- 录制用户交互与关键业务事件（开始/结束、标注、录制等）。
一旦能回放，你就能把“某个现场复现不了的问题”变成“每次都能复现的测试用例”。
2. 指标体系：把体验拆成可度量的数字
AR 的体验可以被拆成一些相对客观的指标：
- 跟踪稳定性：漂移量、丢失率、重定位耗时。
- 延迟：位姿到显示的端到端延迟与抖动。
- 渲染：帧时间分布、掉帧率、GPU/CPU 占用。
- 功耗与热：温度曲线、降频次数、续航预测。
- RTC：丢包、RTT、码率、卡顿时长与恢复时间。
指标不是为了 KPI，而是为了让团队对“好坏”有一致语言。
3. 仿真与合成数据：加速迭代，但不要迷信
仿真（Synthetic Data/Sim）能快速覆盖大量场景：光照变化、快速运动、遮挡与动态物体。但仿真很难完全复现真实设备的噪声与偏差。更稳的策略是：
- 仿真用来做回归：避免改动导致明显退化。
- 真实数据用来做验收：决定是否能发版。
- 把仿真与真实对齐：模拟传感器噪声、延迟、滚动快门等。
4. 线上可观测：没有“黑盒体验”
AR 的线上问题往往来自边缘设备与边缘网络。建议把最小可观测前置：
- 崩溃与关键错误码（按模块分类）。
- 关键指标采样（例如每 N 秒上报一次）。
- 关键链路的 traceId，让一次会话的日志能串起来。
一句话总结：把 AR 做稳的秘诀是：可复现（回放）+ 可度量（指标）+ 可观测（线上）。没有这些，迭代会越来越像“玄学”。