我們已經和流行的 科瓦克的 FPS 瞄準教練游戲 制造商 Meta 合作了一段時間，將實驗分發給他們的玩家。我們最近的一組實驗旨在測試玩家在變化的延遲下的瞄準能力，并讓玩家有機會在較低和較高的延遲下爭奪排行榜的第一名。

在 2021 12 月為期一周的促銷期間，玩家可以通過參與獲得獎勵，超過 12000 名玩家嘗試了其中一項新的延遲實驗。這篇帖子使用了 15000 多名玩家提供的數據，包括截至 2022 年 4 月 17 日的促銷期的結果。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。

實驗

我們為此版本設計了兩個實驗，一個是為了有趣和令人興奮，另一個是為了挑戰和測試最有技能和能力的玩家的極限。

這些實驗的目的是強調計算機系統延遲的重要性，并讓玩家有機會在家里親身體驗，而無需復雜的設備。為此，兩個實驗都在低、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驗的描述和簡短視頻，如果你想親身體驗的話，你可以在游戲中嘗試它們。我們計劃在未來一段時間內讓他們在比賽中保持可用。

科瓦克 NVIDIA 實驗模式的所有參與者在自愿參與之前都必須提交知情同意書，歡迎隨時停止參與。

兩個實驗的結構都是在 15 秒的預熱期之后，針對我們測試的每個潛伏期條件進行 45 秒的實驗。只有 45 秒的實驗階段分數用于進入排行榜，我們在分析中只考慮這些結果。這是基于一個眾所周知的原則，即不熟悉某項任務的人需要一些時間來學習它。因此，熱身期是作為運動員的訓練期。

理想情況下，訓練期和實驗期要長得多，但時間的選擇是為了平衡我們收集的數據質量和球員的享受。在我們的測試中，每種情況下玩一分鐘游戲感覺很好，我們相信這對玩家來說效果很好。

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任務與之前的工作不同，但選擇這些任務是為了反映我們之前 SIGGRAPH 亞洲出版物中測試的延遲設置。有關更多信息，請參閱 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任務 。

在這個實驗中，我們使用科瓦克的反射積分來測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，因此排行榜和我們的大部分分析中忽略了非反射結果。

對于這些非反射系統，我們仍然盡最大努力為玩家提供類似的體驗，而不是將他們系統的默認延遲視為基線（向玩家顯示 25 毫秒），其他兩個條件有效地為基本+ 30 毫秒和基本+ 60 毫秒。

如果沒有反射積分得到的標記，我們無法確定從一臺計算機到另一臺計算機的基線是否相似。我們還盡了最大努力估計了外部延遲的貢獻，包括鼠標和監視器。

實驗 1 ：延遲狂熱

第一個實驗的目的是讓幾乎所有人都能享受到樂趣，我們把它放在了榜首。大多數玩家（ 95% ）都嘗試過。

這項實驗基于流行的瘋狂模式，在這種模式下，一組目標在墻上的網格中生成，用戶必須計劃向每個目標射擊的順序。在一次點擊殺死一個目標后，一個新的目標會在網格上的其他地方產生。

這種瘋狂模式設置為同時看到三個目標。玩家的得分等于他們在 45 秒內摧毀的目標數量乘以他們的準確度（投籃/命中次數）；我們以此作為主要衡量標準。

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

由于這個實驗結合了準確性和計劃性，我們預計延遲不是影響玩家快速連續擊中目標數量的唯一因素。技能水平顯然很重要，但玩家用來實現最快、最準確的目標路徑的策略也很重要。

隨著時間的推移，許多玩家會制定自己的瞄準策略。因此，當他們學習如何規劃自己的道路時，他們可能會迅速提高。希望是熱身期給他們一個選擇策略的機會，盡管重復實驗的玩家可能已經調整了他們的策略。

實驗 2 ：延遲翻轉

第二個實驗被設計得更具挑戰性。它強調了計算機系統延遲對瞄準性能有很大影響的情況。

從結果中可以看出，我們成功地完成了一項具有挑戰性的任務，尤其是在玩高延遲游戲時。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。

彈撥任務是從玩家瞄準屏幕中心開始，在那里放置一個虛擬目標。當玩家點擊該目標時，第二個目標會在遠離中心的任意位置生成，玩家將有 600 毫秒的時間瞄準并消滅該目標。

這項任務成功的主要衡量標準是玩家在 45 秒的持續時間內能夠完成的這些中心瞄準殺死目標循環的數量。同樣，我們使用被殺目標的數量作為得分，并根據所有三個延遲級別的綜合得分將玩家放在排行榜上。

雖然這是一項公平的任務，因為每個人都必須遵守相同的規則，但鑒于 45 秒的計時器持續運行，即使玩家將瞄準重新設置為中間的虛擬目標，對目標的實際嘗試次數也因人而異。因此，一個習慣了 600 毫秒節奏并擅長回到中鋒的球員會得到更多的嘗試，并且可能獲得更高的最高分數。

在我們對這些結果的初步分析中，我們沒有考慮每個玩家可以嘗試多少次，但我們可能會在未來進行分析。

后果

自 2021 2 月我們首次發布實驗模式以來，已有 45000 多人嘗試了我們的一個或多個實驗，完成了 470000 多個實驗環節。從 2021 12 月發布這些新的延遲實驗到 2022 年 4 月 17 日，超過 18000 名玩家至少完成了其中一項新實驗。

在我們的分析中，我們關注這些結果，盡管像您這樣的玩家可以繼續玩游戲，并為未來的任何分析提供數據。無論如何，任何人都可以嘗試并比較實驗結果。

由于對延遲的控制被認為是完全公平和有效的，對于那些具有反射功能的 GPU 的系統，只有反射功能的結果才被允許發布到排行榜上。我們排除了 15 秒的熱身訓練，因為它們旨在讓玩家熟悉任務。

玩家可以根據自己的意愿多次完成每個實驗，我們將這些重復嘗試納入分析。這意味著，玩過一次以上的玩家很可能能夠隨著時間的推移完善他們的策略，提高他們的技能。

為了分析結果，我們還排除了所有顯示無法達到目標延遲值的結果。以下分析表明，延遲被控制在距離目標 500 微秒以內的置信度相對較高。

其余的混雜因素包括小鼠和監視器的潛伏期。這種延遲只有在許多情況下才被估計出來，這在像 PC 游戲這樣的開放平臺上進行大規模分布式研究時幾乎是不可避免的。

技能水平

除了對所有參與者進行總體分析外，我們還根據每個實驗的技能水平對參與者進行了分類。這是通過平均每個球員在所有比賽中的總分來完成的，然后根據這個綜合平均分對所有球員進行排名。

雖然研究各種技能水平可能很有趣，但我們決定在詳細的技能水平分析中只關注前 10% 和前 1% 的玩家群體。你可以將這兩個群體視為高技能愛好者（前 10% ）和最優秀的（前 1% ），他們實際上是科瓦克任務的“電子競技專業人士”。

延遲狂熱結果

這里分析的延遲狂熱實驗結果包括來自 12168 名玩家的 27032 個完整實驗，相當于 81096 次每次 45 秒。

最大的結果是，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數量（圖 3 ），這一差異在成對 t 檢驗中具有統計學意義（ p-value 《《 0.001 ）。與 85 毫秒相比，玩家在 55 毫秒的系統延遲下平均多命中 13.2 個目標，在 25 毫秒的系統延遲下又多命中 8.9 個目標。這意味著 55 毫秒的目標命中率增加了 15% ， 25 毫秒的目標命中率增加了 24% 。

散點圖上原始數據的二次擬合。擬合線顯示了潛伏期變化時可能的平均分數，在這些分布的平均值處穿過分散的點群。因為有太多的點，所以在這個圖中它們看起來像垂直線。

查看圖 5 中的分數分布，您可以在數據中看到更有趣的趨勢。特別是，隨著延遲時間的減少，每一個百分位線都會沿著分數軸向上移動。更令人興奮的是，整個分布范圍都在擴大，從而更容易區分技能水平相似的玩家。

我們認為，這些總結結果表明，由于計算機系統延遲的變化，狂熱型瞄準任務有明顯的好處（盡管分數有點小）。平均而言，運動員在 25 毫秒時 45 秒內命中的目標比在 85 毫秒時多 20% 。

延遲翻轉結果

如前所述，輕彈實驗具有挑戰性。事實上，在我們的最終數據集中， 595 次跑步（ 7.20% ）和 421 名球員（ 7.55% ）在 85 毫秒時命中 0 個目標。我們通常從分析中排除 0 分，因為它們可能表明球員離開了電腦，他們的分數可能沒有用。然而，這 0 分是球員完成這項任務的重要部分。

幸運的是，通過將延遲時間減少到 25 毫秒， 327 次（ 3.96% ）和 230 名玩家（ 4.12% ）仍能達到 0 個目標。換句話說，系統延遲的減少使得 3.4% 的玩家可以完成一項艱巨得難以置信的任務。

完成這項任務的玩家比完成“瘋狂”任務的玩家要少，這可能部分是因為“瘋狂”比“輕彈”任務更有趣，難度更小。然而， 5576 名參與者完成了 8265 項實驗，包括 24795 個環節。

與瘋狂結果一樣，較低的延遲條件改善了 45 秒內被摧毀的目標的平均數量，但改善幅度更大（圖 6 ）。同樣，兩兩 t 檢驗顯示這些差異具有統計學意義（ p-value 《《 0 ）。令人印象深刻的是，玩家平均在 25 毫秒時命中的目標數量是系統延遲 85 毫秒時的兩倍多。

與 flicking 結果的二次擬合表明，即使是最熟練的玩家，只要稍微多一點延遲，也不可能完成這種 flicking 任務。這是有意義的，因為計算機系統延遲減少了 600 毫秒的瞄準時間；在系統延遲達到最大值后，玩家才能看到目標的顯示位置。調整目標以確保其達到目標的時間也更少。

在設計這項任務的過程中進行測試時，我們發現，對于高技能玩家來說， 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特殊實驗的另一個令人興奮的方面。與“瘋狂”結果一樣，我們發現所有百分位數都在較低的潛伏期內提高了分數，但最底層的 5% – 10% 的人除外，他們仍然無法完成如此困難的瞄準任務。

在更高的技能水平上，分數之間的差異變得更大。例如，在潛伏期為 25 毫秒時，得分最高的 25% 在 85 毫秒時高于得分最高的 10% 線。 25 毫秒時得分最高的 1% 高于 55 毫秒時的任何得分。

該實驗中前 10% 的最熟練玩家的結果分布。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明顯的區別。事實上， 25 毫秒（ 31 秒）時的中位數是 85 毫秒（ 15 秒）時的 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，分數仍有一些重疊，但 85 毫秒之間的重疊僅高達 25 毫秒時分數最低的 25% 。

結論

我們很感謝 Meta 的朋友們幫助我們在他們的游戲中使用這種實驗模式，并使我們能夠在家里與玩家進行實驗。

之前的研究表明，對于許多類型的瞄準任務，計算機延遲對于最小化非常重要。然而，之前的大部分研究都依賴于少數仔細控制實驗條件的參與者。這項研究代表了首次在野外進行的研究，在野外，潛伏期能夠得到很好的控制，足以用于分析。因為這些結果的趨勢加強了之前的發現，所以對于有競爭力的 FPS 玩家來說，延遲的重要性有了更大的信心。

也許我們發現的最大的新結果是，對于技能最高的玩家來說，較低的延遲是最重要的。技能確實決定了很多次誰贏誰輸，但特別是在最高技能水平中，延遲對誰贏誰輸的影響越來越重要。

我們鼓勵所有玩家使用 NVIDIA Reflect 等技術，為比賽創造最佳條件。對于那些對優化電腦和游戲延遲設置特別感興趣的玩家，帶有反射延遲分析儀的 G-SYNC 監視器可以讓你直接測量延遲。

NVIDIA 是一款供游戲開發人員使用的工具，旨在實現低延遲模式，實現即時渲染并優化系統延遲。

關于作者

Josef Spjut 是 NVIDIA 的高級研究科學家，致力于新的人類體驗，例如電子競技和增強現實。他的研究興趣包括計算機圖形學、光線追蹤、視頻游戲和高性能人機交互。在加入 NVIDIA 之前，他是 Harvey Mudd College 的工程學客座助理教授。 Josef 獲得了博士學位。來自猶他大學和學士學位來自加州大學河濱分校，計算機工程專業。

Seth Schneider 是電子競技以及 G-SYNC 電子競技顯示屏和 NVIDIA Reflection 等競爭性游戲產品的高級產品經理。作為一名有競爭力的玩家，賽斯努力將最具競爭力的游戲產品推向市場。當前任務：英勇。

Ben Boudaoud 是 NVIDIA Research 新體驗小組的一名研究工程師。他的背景是超低功耗嵌入式和醫療系統設計，他擁有弗吉尼亞大學的電氣工程碩士學位。最近，他的研究興趣轉向系統延遲和競技游戲用戶性能的各個方面。

Joohwan Kim 是 NVIDIA 新體驗研究小組的一名視覺科學家。 Joohwan 獲得了博士學位。 2009 年畢業于首爾國立大學，2015 年之前一直在加州大學伯克利分校擔任博士后研究員。 Joohwan 目前的興趣是了解和改善各種顯示器的觀看體驗，尤其是在電子競技方面。

審核編輯：郭婷