在计算机系统延迟低的游戏中更快地瞄准

竞技游戏玩家力求在游戏中获胜，并从中获得极大的愉悦感。事实上，整个电竞游戏领域都是这种玩法，玩家尽可能寻找优势，在竞争中占据上风。玩家可在“反恐精英 （Counter-Strike）”、“守望先锋 （Overwatch）”和“瓦罗兰特 （Valorant）”等 FPS 游戏中，在多个能力级别的天梯中进行对抗，看看谁能最终胜出。竞技游戏玩家希望尽可能提高刷新率，降低延迟。面对这一趋势，我们希望了解计算机系统延迟降低多少才能帮助游戏玩家更好地瞄准目标。

玩家在较低延迟下快速瞄准目标

在之前的几轮研究中，我们考虑了在计算机系统延迟增加的情况下，对指向和瞄准任务带来的影响。我们从 Ivkovic、Cattan、Jota、Teather 和 MacKenzie 那里收集数据，力图直观展示延迟如何改变瞄准任务的完成时间，这与目标大小和距离如何影响任务表现（使用称为“难度指数”的综合指标）类似。我们将 FPS 瞄准与其他瞄准任务一视同仁，因为 Julian Looser 表明 FPS 瞄准的响应与其他指向任务类似。图 2 展示了从此类研究中选出的结果，这些研究的难度系数差不多，因此在同一张图中进行比较是合情合理的。

图 2：在以前发布的研究结果中，系统延迟对于简单指向任务完成时间的影响。

一个明显的趋势是，任务完成时间会随着延迟增加而变得更长。在所有研究中，随着延迟不断向零靠近，该趋势都表现出了持续的改进。Ivkovic 研究中的最低延迟数据点代表着垂直同步设置的更改，因此可能存在其他交互性因素发挥作用。对于较复杂的任务，比如跟踪移动目标，由于需要重复的瞄准任务，所以此类收益可能加倍。

低延迟第一人称射击（FPS）瞄准

在之前发布的研究结果中，低延迟级别的可用数据很少。部分原因是，创建出始终保持此类低延迟级别的系统的难度较大。要研究低延迟下的 FPS 瞄准，我们决定利用刷新率为 240 Hz 且像素响应时间较快的 G-SYNC 显示器。

我们还开发了一个简化的 FPS 游戏（见图 1），让我们能够严谨地控制目标参数，如产生速率、大小和运动类型。此游戏还支持我们跟踪所有类型的系统相关数据，如系统延迟，玩家瞄准情况以及消灭每个目标所花的时间。有关使用独立延迟度量工具的更多信息，请参阅 Latency of 30 ms Benefits First Person Targeting Tasks More Than Refresh Rate Above 60 Hz（相较于将刷新率提升至 60Hz 以上，延迟缩短 30 毫秒对第一人称瞄准带来的收益更大）。由于此游戏旨在用于第一人称瞄准的科学研究，我们称之为“第一人称科学 （First Person Science）”。在这一可控环境中，我们设计了以下视频中所示的简单瞄准任务。

要求用户在我们的研究中完成的任务。每次试玩开始时都会先清除红色目标。任务是要清除绿色目标，这些目标会以尽可能快的速度随意移动。需要单次命中来清除目标。该任务会针对每个延迟条件重复 400 次。

由于我们能够收集用户表现，因此我们对 8 名用户开展了本次实验。每名用户在 12 毫秒延迟的情况下完成简单的瞄准任务，重复 400 次；把延迟增加 8 毫秒到20 毫秒，再完成另外 400 次任务。在我们的实验配置中，我们在 240 Hz 下利用 NVIDIA RTX 2080 Ti 所达到的最低平均延迟为 12 毫秒。这是延迟分析器所测量的平均“点击到显示”时间的测量值。

在所有 3200 次试玩中，12 毫秒延迟（1.348 秒）下测得的此任务的完成时间中位数低于 20 毫秒延迟（1.530 秒）下所测得的中位数。在图 3 中，此类中位数由相应的标准误差度量来表示。Wilcoxon 检验表明这些中位数是不同的（p 值=0.001）。额外的统计检验可展示其影响大小，其中的差异十分显著。

实验中的任务完成时间略高于已发表研究成果中简单指向任务的结果。这是因为我们要求用户执行的任务更加困难。FPS 瞄准要求检测变化或目标，确定目标在哪里，根据可感知的目标运动进行规划，移动手指、手、手臂和手腕，将瞄准十字线定位到目标上，最后点击鼠标按键。对于那些经验丰富、规划周密的玩家来说，这一系列动作可以很快完成，但是当目标的形状复杂且运动特征也复杂多变时，玩家可能需要不断更新对目标的瞄准点击操作。

图 3 在 12 毫秒和 20 毫秒系统延迟下，3200 次试玩的瞄准任务完成时间中位数和标准误差度量。

结束语

根据以往的发布结果和我们自己的数据，我们可以得出结论，缩短计算机系统延迟有利于提升 FPS 瞄准性能。单从响应时间来看，我们认为求胜心切的玩家应该尽可能缩短延迟。此外，我们最新的数据表明，此类改进远不止是由响应时间所带来的。

我们将继续收集数据，推进此领域的研究，并希望很快能带给大家更多消息。如果想要帮助我们开展此类研究，您可以在即将推出的 KovaaK 2.0 中，花时间玩一下新发布的实验模式。

关于作者

Josef Spjut 是 NVIDIA 的高级研究科学家，致力于新的人类体验，例如电子竞技和增强现实。他的研究兴趣包括计算机图形学、光线追踪、视频游戏和高性能人机交互。在加入 NVIDIA 之前，他是 Harvey Mudd College 的工程学客座助理教授。 Josef 获得了博士学位。来自犹他大学和学士学位来自加州大学河滨分校，计算机工程专业。

Joohwan Kim 是 NVIDIA 新体验研究小组的一名视觉科学家。 Joohwan 获得了博士学位。 2009 年毕业于首尔国立大学，2015 年之前一直在加州大学伯克利分校担任博士后研究员。 Joohwan 目前的兴趣是了解和改善各种显示器的观看体验，尤其是在电子竞技方面。

Ben Boudaoud 是 NVIDIA Research 新体验小组的一名研究工程师。他的背景是超低功耗嵌入式和医疗系统设计，他拥有弗吉尼亚大学的电气工程硕士学位。最近，他的研究兴趣转向系统延迟和竞技游戏用户性能的各个方面。

审核编辑：郭婷