在虛擬現實和增強現實系統環境中，可預測追蹤技術能夠對某個對象或身體某一部位的下一步方向和（或）位置進行預測處理。給你舉個例子，當你的頭部朝著某個方向轉動時，可以同步來預測你的手可能放置的位置。

　　為什么可預測追蹤技術如此有用？

　　可預測追蹤技術的一個常見應用，就是減少“運動光子”延遲時間，所謂運動的光子延遲是指用戶在虛擬現實或增強現實環境下完成一個動作，到該動作被充分反映在顯示屏上的時間。由于運動本身就會產生一些延遲，而當運動完成、信息展現在屏幕上時又會出現一段時延（更多引起時延的原因請參見下文），因此當你能夠預測下一步方向和位置，然后將相關數據優先更新到屏幕上，就可以大大縮短感知延遲。

　　雖然在虛擬現實應用中，對于可預測追蹤技術的關注比較多，但其實該技術在增強現實領域里也同樣非常重要，特別是當用戶在真實世界中發生瞬時移動，相應的增強現實疊加也要在顯示屏上體現出來。舉個例子，如果你帶著一個增強現實頭盔，看到增強顯示的圖形疊加在實體對象的頂部，更重要的是，即使你旋轉了自己的頭庫，增強現實環境中的“覆蓋物”需要依然“鎖定”在原來的那個對象上，而不是隨著你的頭部轉動而轉動，它其實展示的是真實世界的一部分。對象或許可以被攝像頭識別，但是攝像頭可能需要耗費一些時間來捕獲幀，以便處理器能夠判斷出這個對象在幀中的位置，然后圖形處理芯片需要再呈現疊加層上的新位置。而通過使用可預測追蹤技術，相比于現實世界，在疊加層中運動處理能夠有所減少。

　　可預測追蹤技術如何工作？

　　如果你看到一輛汽車正在以恒定的速度行駛，然后你想要預測這輛汽車在下一秒后可能達到的位置似乎是一件非常簡單的事情，而且不出意外的話，預測的準確度也會很高——因為你不但知道這輛汽車的準確位置，而且還知道它當前的（或是估算的）行駛速度，所以有了這些條件之后，基本就能推斷出這輛汽車未來所處的位置在哪里。

　　當然，如果你要預測這輛汽車在一秒鐘時間內到底能開到哪兒，那么這個預測可能無法做到每次都百分之百準確，因為在這段時間里，汽車可能會改變方向，也有可能會加速。因此對于汽車行駛預測而言，你嘗試預測的范圍越遠，預測的就會更不準確。簡單的說，如果讓你預測汽車在一秒鐘時間之后所在的位置，準確度肯定比讓你預測汽車在一分鐘時間之后所在的位置要高。

　　此外，你對汽車本身情況了解的越多，那么預測準確的機會也就越大。比如，你不僅要測量汽車的速度，還要測量它的加速度，繼而進行更準確的預測。

　　所以，假如你能夠獲得被追蹤物體對象更多的行為信息，那么也可以提高預測準確度。在舉例說明，當你進行頭部追蹤時，如果能夠了解頭部旋轉的速度、以及可能旋轉的角度，那么就能進一步優化追蹤模型，從而做出更準確的判斷。同樣地，假如你正在進行眼球追蹤，那么也可以將獲取到的眼球追蹤信息用于預測頭部運動（這會在本文后詳細探討）。