我們已經(jīng)和流行的 科瓦克的 FPS 瞄準(zhǔn)教練游戲 制造商 Meta 合作了一段時(shí)間，將實(shí)驗(yàn)分發(fā)給他們的玩家。我們最近的一組實(shí)驗(yàn)旨在測(cè)試玩家在變化的延遲下的瞄準(zhǔn)能力，并讓玩家有機(jī)會(huì)在較低和較高的延遲下?tīng)?zhēng)奪排行榜的第一名。

在 2021 12 月為期一周的促銷期間，玩家可以通過(guò)參與獲得獎(jiǎng)勵(lì)，超過(guò) 12000 名玩家嘗試了其中一項(xiàng)新的延遲實(shí)驗(yàn)。這篇帖子使用了 15000 多名玩家提供的數(shù)據(jù)，包括截至 2022 年 4 月 17 日的促銷期的結(jié)果。我們要感謝所有球員的熱情參與，我們希望你們和我們一樣喜歡看到比賽結(jié)果。

前 10% 的最有技能的玩家如何提高他們的整體得分分布，并能夠在最低延遲下更好地展示他們的技能。

實(shí)驗(yàn)

我們?yōu)榇税姹驹O(shè)計(jì)了兩個(gè)實(shí)驗(yàn)，一個(gè)是為了有趣和令人興奮，另一個(gè)是為了挑戰(zhàn)和測(cè)試最有技能和能力的玩家的極限。

這些實(shí)驗(yàn)的目的是強(qiáng)調(diào)計(jì)算機(jī)系統(tǒng)延遲的重要性，并讓玩家有機(jī)會(huì)在家里親身體驗(yàn)，而無(wú)需復(fù)雜的設(shè)備。為此，兩個(gè)實(shí)驗(yàn)都在低、中、高延遲值之間改變延遲。

你可以在這篇文章后面找到這些實(shí)驗(yàn)的描述和簡(jiǎn)短視頻，如果你想親身體驗(yàn)的話，你可以在游戲中嘗試它們。我們計(jì)劃在未來(lái)一段時(shí)間內(nèi)讓他們?cè)诒荣愔斜３挚捎谩?/p>

科瓦克 NVIDIA 實(shí)驗(yàn)?zāi)Ｊ降乃袇⑴c者在自愿參與之前都必須提交知情同意書(shū)，歡迎隨時(shí)停止參與。

兩個(gè)實(shí)驗(yàn)的結(jié)構(gòu)都是在 15 秒的預(yù)熱期之后，針對(duì)我們測(cè)試的每個(gè)潛伏期條件進(jìn)行 45 秒的實(shí)驗(yàn)。只有 45 秒的實(shí)驗(yàn)階段分?jǐn)?shù)用于進(jìn)入排行榜，我們?cè)诜治鲋兄豢紤]這些結(jié)果。這是基于一個(gè)眾所周知的原則，即不熟悉某項(xiàng)任務(wù)的人需要一些時(shí)間來(lái)學(xué)習(xí)它。因此，熱身期是作為運(yùn)動(dòng)員的訓(xùn)練期。

理想情況下，訓(xùn)練期和實(shí)驗(yàn)期要長(zhǎng)得多，但時(shí)間的選擇是為了平衡我們收集的數(shù)據(jù)質(zhì)量和球員的享受。在我們的測(cè)試中，每種情況下玩一分鐘游戲感覺(jué)很好，我們相信這對(duì)玩家來(lái)說(shuō)效果很好。

控制延遲

我們確定的三種潛伏期分別為 25 毫秒、 55 毫秒和 85 毫秒（圖 2 ）。雖然我們使用的瞄準(zhǔn)任務(wù)與之前的工作不同，但選擇這些任務(wù)是為了反映我們之前 SIGGRAPH 亞洲出版物中測(cè)試的延遲設(shè)置。有關(guān)更多信息，請(qǐng)參閱 30 毫秒的延遲比 60 赫茲以上的刷新率更有利于第一人稱目標(biāo)任務(wù) 。

在這個(gè)實(shí)驗(yàn)中，我們使用科瓦克的反射積分來(lái)測(cè)量和控制每種情況下的潛伏期。這意味著全延遲控制僅適用于具有反射功能 GPU 的系統(tǒng)，因此排行榜和我們的大部分分析中忽略了非反射結(jié)果。

對(duì)于這些非反射系統(tǒng)，我們?nèi)匀槐M最大努力為玩家提供類似的體驗(yàn)，而不是將他們系統(tǒng)的默認(rèn)延遲視為基線（向玩家顯示 25 毫秒），其他兩個(gè)條件有效地為基本+ 30 毫秒和基本+ 60 毫秒。

如果沒(méi)有反射積分得到的標(biāo)記，我們無(wú)法確定從一臺(tái)計(jì)算機(jī)到另一臺(tái)計(jì)算機(jī)的基線是否相似。我們還盡了最大努力估計(jì)了外部延遲的貢獻(xiàn)，包括鼠標(biāo)和監(jiān)視器。

實(shí)驗(yàn) 1 ：延遲狂熱

第一個(gè)實(shí)驗(yàn)的目的是讓幾乎所有人都能享受到樂(lè)趣，我們把它放在了榜首。大多數(shù)玩家（ 95% ）都嘗試過(guò)。

這項(xiàng)實(shí)驗(yàn)基于流行的瘋狂模式，在這種模式下，一組目標(biāo)在墻上的網(wǎng)格中生成，用戶必須計(jì)劃向每個(gè)目標(biāo)射擊的順序。在一次點(diǎn)擊殺死一個(gè)目標(biāo)后，一個(gè)新的目標(biāo)會(huì)在網(wǎng)格上的其他地方產(chǎn)生。

這種瘋狂模式設(shè)置為同時(shí)看到三個(gè)目標(biāo)。玩家的得分等于他們?cè)?45 秒內(nèi)摧毀的目標(biāo)數(shù)量乘以他們的準(zhǔn)確度（投籃/命中次數(shù)）；我們以此作為主要衡量標(biāo)準(zhǔn)。

根據(jù)所有三個(gè)階段（ 25 毫秒、 55 毫秒和 85 毫秒）的綜合得分確定排行榜位置。

由于這個(gè)實(shí)驗(yàn)結(jié)合了準(zhǔn)確性和計(jì)劃性，我們預(yù)計(jì)延遲不是影響玩家快速連續(xù)擊中目標(biāo)數(shù)量的唯一因素。技能水平顯然很重要，但玩家用來(lái)實(shí)現(xiàn)最快、最準(zhǔn)確的目標(biāo)路徑的策略也很重要。

隨著時(shí)間的推移，許多玩家會(huì)制定自己的瞄準(zhǔn)策略。因此，當(dāng)他們學(xué)習(xí)如何規(guī)劃自己的道路時(shí)，他們可能會(huì)迅速提高。希望是熱身期給他們一個(gè)選擇策略的機(jī)會(huì)，盡管重復(fù)實(shí)驗(yàn)的玩家可能已經(jīng)調(diào)整了他們的策略。

實(shí)驗(yàn) 2 ：延遲翻轉(zhuǎn)

第二個(gè)實(shí)驗(yàn)被設(shè)計(jì)得更具挑戰(zhàn)性。它強(qiáng)調(diào)了計(jì)算機(jī)系統(tǒng)延遲對(duì)瞄準(zhǔn)性能有很大影響的情況。

從結(jié)果中可以看出，我們成功地完成了一項(xiàng)具有挑戰(zhàn)性的任務(wù)，尤其是在玩高延遲游戲時(shí)。在嘗試潛伏期瘋狂或潛伏期輕彈的玩家中，約有 60% 參與了后者。

彈撥任務(wù)是從玩家瞄準(zhǔn)屏幕中心開(kāi)始，在那里放置一個(gè)虛擬目標(biāo)。當(dāng)玩家點(diǎn)擊該目標(biāo)時(shí)，第二個(gè)目標(biāo)會(huì)在遠(yuǎn)離中心的任意位置生成，玩家將有 600 毫秒的時(shí)間瞄準(zhǔn)并消滅該目標(biāo)。

這項(xiàng)任務(wù)成功的主要衡量標(biāo)準(zhǔn)是玩家在 45 秒的持續(xù)時(shí)間內(nèi)能夠完成的這些中心瞄準(zhǔn)殺死目標(biāo)循環(huán)的數(shù)量。同樣，我們使用被殺目標(biāo)的數(shù)量作為得分，并根據(jù)所有三個(gè)延遲級(jí)別的綜合得分將玩家放在排行榜上。

雖然這是一項(xiàng)公平的任務(wù)，因?yàn)槊總€(gè)人都必須遵守相同的規(guī)則，但鑒于 45 秒的計(jì)時(shí)器持續(xù)運(yùn)行，即使玩家將瞄準(zhǔn)重新設(shè)置為中間的虛擬目標(biāo)，對(duì)目標(biāo)的實(shí)際嘗試次數(shù)也因人而異。因此，一個(gè)習(xí)慣了 600 毫秒節(jié)奏并擅長(zhǎng)回到中鋒的球員會(huì)得到更多的嘗試，并且可能獲得更高的最高分?jǐn)?shù)。

在我們對(duì)這些結(jié)果的初步分析中，我們沒(méi)有考慮每個(gè)玩家可以嘗試多少次，但我們可能會(huì)在未來(lái)進(jìn)行分析。

后果

自 2021 2 月我們首次發(fā)布實(shí)驗(yàn)?zāi)Ｊ揭詠?lái)，已有 45000 多人嘗試了我們的一個(gè)或多個(gè)實(shí)驗(yàn)，完成了 470000 多個(gè)實(shí)驗(yàn)環(huán)節(jié)。從 2021 12 月發(fā)布這些新的延遲實(shí)驗(yàn)到 2022 年 4 月 17 日，超過(guò) 18000 名玩家至少完成了其中一項(xiàng)新實(shí)驗(yàn)。

在我們的分析中，我們關(guān)注這些結(jié)果，盡管像您這樣的玩家可以繼續(xù)玩游戲，并為未來(lái)的任何分析提供數(shù)據(jù)。無(wú)論如何，任何人都可以嘗試并比較實(shí)驗(yàn)結(jié)果。

由于對(duì)延遲的控制被認(rèn)為是完全公平和有效的，對(duì)于那些具有反射功能的 GPU 的系統(tǒng)，只有反射功能的結(jié)果才被允許發(fā)布到排行榜上。我們排除了 15 秒的熱身訓(xùn)練，因?yàn)樗鼈冎荚谧屚婕沂煜と蝿?wù)。

玩家可以根據(jù)自己的意愿多次完成每個(gè)實(shí)驗(yàn)，我們將這些重復(fù)嘗試納入分析。這意味著，玩過(guò)一次以上的玩家很可能能夠隨著時(shí)間的推移完善他們的策略，提高他們的技能。

為了分析結(jié)果，我們還排除了所有顯示無(wú)法達(dá)到目標(biāo)延遲值的結(jié)果。以下分析表明，延遲被控制在距離目標(biāo) 500 微秒以內(nèi)的置信度相對(duì)較高。

其余的混雜因素包括小鼠和監(jiān)視器的潛伏期。這種延遲只有在許多情況下才被估計(jì)出來(lái)，這在像 PC 游戲這樣的開(kāi)放平臺(tái)上進(jìn)行大規(guī)模分布式研究時(shí)幾乎是不可避免的。

技能水平

除了對(duì)所有參與者進(jìn)行總體分析外，我們還根據(jù)每個(gè)實(shí)驗(yàn)的技能水平對(duì)參與者進(jìn)行了分類。這是通過(guò)平均每個(gè)球員在所有比賽中的總分來(lái)完成的，然后根據(jù)這個(gè)綜合平均分對(duì)所有球員進(jìn)行排名。

雖然研究各種技能水平可能很有趣，但我們決定在詳細(xì)的技能水平分析中只關(guān)注前 10% 和前 1% 的玩家群體。你可以將這兩個(gè)群體視為高技能愛(ài)好者（前 10% ）和最優(yōu)秀的（前 1% ），他們實(shí)際上是科瓦克任務(wù)的“電子競(jìng)技專業(yè)人士”。

延遲狂熱結(jié)果

這里分析的延遲狂熱實(shí)驗(yàn)結(jié)果包括來(lái)自 12168 名玩家的 27032 個(gè)完整實(shí)驗(yàn)，相當(dāng)于 81096 次每次 45 秒。

最大的結(jié)果是，在所有嘗試中，兩種較低的潛伏期條件（ 25 ms 和 55 ms ）都改善了消除的目標(biāo)數(shù)量（圖 3 ），這一差異在成對(duì) t 檢驗(yàn)中具有統(tǒng)計(jì)學(xué)意義（ p-value 《《 0.001 ）。與 85 毫秒相比，玩家在 55 毫秒的系統(tǒng)延遲下平均多命中 13.2 個(gè)目標(biāo)，在 25 毫秒的系統(tǒng)延遲下又多命中 8.9 個(gè)目標(biāo)。這意味著 55 毫秒的目標(biāo)命中率增加了 15% ， 25 毫秒的目標(biāo)命中率增加了 24% 。

散點(diǎn)圖上原始數(shù)據(jù)的二次擬合。擬合線顯示了潛伏期變化時(shí)可能的平均分?jǐn)?shù)，在這些分布的平均值處穿過(guò)分散的點(diǎn)群。因?yàn)橛刑嗟狞c(diǎn)，所以在這個(gè)圖中它們看起來(lái)像垂直線。

查看圖 5 中的分?jǐn)?shù)分布，您可以在數(shù)據(jù)中看到更有趣的趨勢(shì)。特別是，隨著延遲時(shí)間的減少，每一個(gè)百分位線都會(huì)沿著分?jǐn)?shù)軸向上移動(dòng)。更令人興奮的是，整個(gè)分布范圍都在擴(kuò)大，從而更容易區(qū)分技能水平相似的玩家。

我們認(rèn)為，這些總結(jié)結(jié)果表明，由于計(jì)算機(jī)系統(tǒng)延遲的變化，狂熱型瞄準(zhǔn)任務(wù)有明顯的好處（盡管分?jǐn)?shù)有點(diǎn)?。Ｆ骄?，運(yùn)動(dòng)員在 25 毫秒時(shí) 45 秒內(nèi)命中的目標(biāo)比在 85 毫秒時(shí)多 20% 。

延遲翻轉(zhuǎn)結(jié)果

如前所述，輕彈實(shí)驗(yàn)具有挑戰(zhàn)性。事實(shí)上，在我們的最終數(shù)據(jù)集中， 595 次跑步（ 7.20% ）和 421 名球員（ 7.55% ）在 85 毫秒時(shí)命中 0 個(gè)目標(biāo)。我們通常從分析中排除 0 分，因?yàn)樗鼈兛赡鼙砻髑騿T離開(kāi)了電腦，他們的分?jǐn)?shù)可能沒(méi)有用。然而，這 0 分是球員完成這項(xiàng)任務(wù)的重要部分。

幸運(yùn)的是，通過(guò)將延遲時(shí)間減少到 25 毫秒， 327 次（ 3.96% ）和 230 名玩家（ 4.12% ）仍能達(dá)到 0 個(gè)目標(biāo)。換句話說(shuō)，系統(tǒng)延遲的減少使得 3.4% 的玩家可以完成一項(xiàng)艱巨得難以置信的任務(wù)。

完成這項(xiàng)任務(wù)的玩家比完成“瘋狂”任務(wù)的玩家要少，這可能部分是因?yàn)椤隘偪瘛北取拜p彈”任務(wù)更有趣，難度更小。然而， 5576 名參與者完成了 8265 項(xiàng)實(shí)驗(yàn)，包括 24795 個(gè)環(huán)節(jié)。

與瘋狂結(jié)果一樣，較低的延遲條件改善了 45 秒內(nèi)被摧毀的目標(biāo)的平均數(shù)量，但改善幅度更大（圖 6 ）。同樣，兩兩 t 檢驗(yàn)顯示這些差異具有統(tǒng)計(jì)學(xué)意義（ p-value 《《 0 ）。令人印象深刻的是，玩家平均在 25 毫秒時(shí)命中的目標(biāo)數(shù)量是系統(tǒng)延遲 85 毫秒時(shí)的兩倍多。

與 flicking 結(jié)果的二次擬合表明，即使是最熟練的玩家，只要稍微多一點(diǎn)延遲，也不可能完成這種 flicking 任務(wù)。這是有意義的，因?yàn)橛?jì)算機(jī)系統(tǒng)延遲減少了 600 毫秒的瞄準(zhǔn)時(shí)間；在系統(tǒng)延遲達(dá)到最大值后，玩家才能看到目標(biāo)的顯示位置。調(diào)整目標(biāo)以確保其達(dá)到目標(biāo)的時(shí)間也更少。

在設(shè)計(jì)這項(xiàng)任務(wù)的過(guò)程中進(jìn)行測(cè)試時(shí)，我們發(fā)現(xiàn)，對(duì)于高技能玩家來(lái)說(shuō)， 450 毫秒幾乎是不可能的，即使是在可能的最小延遲下。

直方圖分布圖突出了這個(gè)特殊實(shí)驗(yàn)的另一個(gè)令人興奮的方面。與“瘋狂”結(jié)果一樣，我們發(fā)現(xiàn)所有百分位數(shù)都在較低的潛伏期內(nèi)提高了分?jǐn)?shù)，但最底層的 5% – 10% 的人除外，他們?nèi)匀粺o(wú)法完成如此困難的瞄準(zhǔn)任務(wù)。

在更高的技能水平上，分?jǐn)?shù)之間的差異變得更大。例如，在潛伏期為 25 毫秒時(shí)，得分最高的 25% 在 85 毫秒時(shí)高于得分最高的 10% 線。 25 毫秒時(shí)得分最高的 1% 高于 55 毫秒時(shí)的任何得分。

該實(shí)驗(yàn)中前 10% 的最熟練玩家的結(jié)果分布。提醒一下，這只包括平均得分排名前 10% 的球員，但我們繪制了這些球員的所有得分。這些玩家比一般人更熟練，所以不同潛伏期條件下的分布有相當(dāng)明顯的區(qū)別。事實(shí)上， 25 毫秒（ 31 秒）時(shí)的中位數(shù)是 85 毫秒（ 15 秒）時(shí)的 2 倍多！

排名前 1% 的球員在不同技能水平下的得分變化更明顯。在不同的潛伏期水平上，分?jǐn)?shù)仍有一些重疊，但 85 毫秒之間的重疊僅高達(dá) 25 毫秒時(shí)分?jǐn)?shù)最低的 25% 。

結(jié)論

我們很感謝 Meta 的朋友們幫助我們?cè)谒麄兊挠螒蛑惺褂眠@種實(shí)驗(yàn)?zāi)Ｊ?，并使我們能夠在家里與玩家進(jìn)行實(shí)驗(yàn)。

之前的研究表明，對(duì)于許多類型的瞄準(zhǔn)任務(wù)，計(jì)算機(jī)延遲對(duì)于最小化非常重要。然而，之前的大部分研究都依賴于少數(shù)仔細(xì)控制實(shí)驗(yàn)條件的參與者。這項(xiàng)研究代表了首次在野外進(jìn)行的研究，在野外，潛伏期能夠得到很好的控制，足以用于分析。因?yàn)檫@些結(jié)果的趨勢(shì)加強(qiáng)了之前的發(fā)現(xiàn)，所以對(duì)于有競(jìng)爭(zhēng)力的 FPS 玩家來(lái)說(shuō)，延遲的重要性有了更大的信心。

也許我們發(fā)現(xiàn)的最大的新結(jié)果是，對(duì)于技能最高的玩家來(lái)說(shuō)，較低的延遲是最重要的。技能確實(shí)決定了很多次誰(shuí)贏誰(shuí)輸，但特別是在最高技能水平中，延遲對(duì)誰(shuí)贏誰(shuí)輸?shù)挠绊懺絹?lái)越重要。

我們鼓勵(lì)所有玩家使用 NVIDIA Reflect 等技術(shù)，為比賽創(chuàng)造最佳條件。對(duì)于那些對(duì)優(yōu)化電腦和游戲延遲設(shè)置特別感興趣的玩家，帶有反射延遲分析儀的 G-SYNC 監(jiān)視器可以讓你直接測(cè)量延遲。

NVIDIA 是一款供游戲開(kāi)發(fā)人員使用的工具，旨在實(shí)現(xiàn)低延遲模式，實(shí)現(xiàn)即時(shí)渲染并優(yōu)化系統(tǒng)延遲。

關(guān)于作者

Josef Spjut 是 NVIDIA 的高級(jí)研究科學(xué)家，致力于新的人類體驗(yàn)，例如電子競(jìng)技和增強(qiáng)現(xiàn)實(shí)。他的研究興趣包括計(jì)算機(jī)圖形學(xué)、光線追蹤、視頻游戲和高性能人機(jī)交互。在加入 NVIDIA 之前，他是 Harvey Mudd College 的工程學(xué)客座助理教授。 Josef 獲得了博士學(xué)位。來(lái)自猶他大學(xué)和學(xué)士學(xué)位來(lái)自加州大學(xué)河濱分校，計(jì)算機(jī)工程專業(yè)。

Seth Schneider 是電子競(jìng)技以及 G-SYNC 電子競(jìng)技顯示屏和 NVIDIA Reflection 等競(jìng)爭(zhēng)性游戲產(chǎn)品的高級(jí)產(chǎn)品經(jīng)理。作為一名有競(jìng)爭(zhēng)力的玩家，賽斯努力將最具競(jìng)爭(zhēng)力的游戲產(chǎn)品推向市場(chǎng)。當(dāng)前任務(wù)：英勇。

Ben Boudaoud 是 NVIDIA Research 新體驗(yàn)小組的一名研究工程師。他的背景是超低功耗嵌入式和醫(yī)療系統(tǒng)設(shè)計(jì)，他擁有弗吉尼亞大學(xué)的電氣工程碩士學(xué)位。最近，他的研究興趣轉(zhuǎn)向系統(tǒng)延遲和競(jìng)技游戲用戶性能的各個(gè)方面。

Joohwan Kim 是 NVIDIA 新體驗(yàn)研究小組的一名視覺(jué)科學(xué)家。 Joohwan 獲得了博士學(xué)位。 2009 年畢業(yè)于首爾國(guó)立大學(xué)，2015 年之前一直在加州大學(xué)伯克利分校擔(dān)任博士后研究員。 Joohwan 目前的興趣是了解和改善各種顯示器的觀看體驗(yàn)，尤其是在電子競(jìng)技方面。

審核編輯：郭婷