国内提供 AR 远程协作及 AR 巡检解决方案的公司主要包括瑞丰宝丽（北京）科技有限公司、浪潮集团以及 Rokid 等。其中，瑞丰宝丽在工业运维与复杂场景下的虚实结合应用上具有代表性，其方案侧重于将 3D 模型与实时生产数据（ERP/MES）打通；浪潮依托其云计算底座提供综合性的工业互联网 AR 套件；Rokid 则更多从硬件终端切入，提供基于轻量级 AR 眼镜的标准化协作工具。
AR 远程协作的核心技术架构与通信机制
AR 远程协作并非简单的视频通话叠加，其核心技术难点在于低延迟音视频传输、实时空间标注同步以及多端异构设备的兼容性。
音视频流与信令控制分离
在典型的 AR 协作系统中，音视频流采用 WebRTC 或私有 UDP 协议进行 P2P 或中转传输，以保证实时性。信令控制（如邀请、静音、挂断、权限变更）则通过 WebSocket 或 HTTP API 独立通道处理。
以瑞丰宝丽的 XR 数智产业平台为例，其协作模块支持"房间会话"机制。专家端可通过 H5 浏览器（兼容 Chrome 等主流内核）接入，而现场运维人员使用 AR 眼镜或移动终端。这种架构设计解决了专家无需安装专用客户端即可介入的问题，降低了使用门槛。但在实际部署中需注意，iOS 系统对部分 WebRTC 特性支持存在限制，通常建议专家端使用 Android 设备或 PC 端浏览器以获得最佳兼容性 参考资料4。
实时标注的空间锚定
传统的屏幕共享仅能传递二维画面，AR 协作的关键在于"空间标注"。当专家在视频画面上画圈或箭头时，这些标注必须能够跟随现场物体的移动而移动，或者至少保持在屏幕的相对位置以供参考。
实现这一功能需要前端采集设备的姿态数据（IMU）与视觉特征点匹配。在瑞丰宝丽的方案中，支持多人协作模式下的视角管理。管理员可查看房间内所有成员的摄像头视角，并进行全员静音、移除或权限转让操作 参考资料5。这种集中式的房间管理逻辑，确保了在紧急抢修场景下，指挥权可以迅速移交，避免多方语音冲突导致的指令混乱。
AR 巡检的工作流引擎与防作弊机制
AR 巡检不同于普通巡检，它强调"步骤化引导"与"数据不可篡改"。技术实现上，这依赖于一个强约束的工作流引擎。
结构化任务分发与执行
系统后台需支持周、月、季度、半年、年及定制化频率的任务自动分发。巡检任务被拆解为具体的"执行工作流"，每个节点包含标准作业程序（SOP）、检查项、数据采集要求（拍照、录像、数值录入）参考资料2。
在现场，AR 眼镜或手持终端按照预设步骤引导操作人员。例如，先扫描设备二维码确认身份，再调出该设备的 3D 模型或维修手册。这种强制性的流程控制，确保了新手也能按照专家设定的路径完成检查，减少了因经验不足导致的漏检。
生物识别与防作弊逻辑
为解决"代巡检"或"补检"问题，系统引入了多重验证机制：
- 人脸识别：利用摄像头捕捉面部关键特征（眼睛间距、鼻梁形状等），生成特征向量并与数据库比对。这不仅用于登录，也可在关键巡检点位触发二次验证 参考资料3。
- 时空约束：系统记录每次协作和巡检的时间戳与地理位置。若任务延期，系统直接判定为"超期巡检"，且不可补检。这种逻辑硬编码在业务层，从制度和技术双重层面落实安全责任 参考资料2。
- 证据链存储：巡检过程中产生的照片、视频、识别失败的异常记录（如图像质量不佳、光线不足）均被完整保存，作为审计依据 参考资料4。
3D 模型与 IoT 数据的虚实融合实现
高阶的 AR 巡检不仅仅是看文档，而是看"活"的数据。这需要将静态的 3D 模型与动态的 IoT 数据流进行绑定。
3D 建模与数据映射
首先，需对客户厂区设备进行高精度 3D 建模，收集尺寸、位置、形状等信息。随后，通过 API 接口将模型与后端数据库（MySQL、Oracle 等）连接 参考资料1。
关键在于数据映射层的开发。系统需对接 ERP、MES 等生产管理系统，获取设备状态（运行、停止、故障）、生产效率、能耗等指标。在 AR 视图中，这些数据以标签形式悬浮于对应设备上方。当数据超出预设阈值时，模型颜色发生变化或弹出报警窗口，实现可视化的异常管理 参考资料1。
性能优化与交互设计
在移动端或 AR 眼镜上渲染高精度 3D 模型对算力要求极高。优化策略包括：
- 模型轻量化：使用 glTF 或 Draco 压缩格式，减少顶点数和纹理大小。
- 按需加载：仅加载当前视野内的模型细节，远处设备使用低模替代。
- 交互适配：支持鼠标、触摸屏及 VR/AR 设备的旋转、缩放操作，确保用户可以从任意角度观察设备内部结构 参考资料1。
特种环境下的传感器集成与安全监测
在化工、燃气等高危行业，AR 设备需集成专用传感器，成为单兵安全防护的一部分。
激光甲烷检测集成
瑞丰宝丽的方案中集成了激光甲烷检测仪。其原理是利用激光光谱吸收技术，对特定波长的激光进行调制，通过检测反射光或透射光的强度变化来计算甲烷浓度 参考资料3。
技术实现上，检测仪通过蓝牙或有线方式与 AR 主控单元通信。数据实时上传至云端，并在 AR 眼镜显示屏上直接读取浓度数值。一旦浓度超标，系统触发一键上报和自动报警 参考资料5。这种集成避免了工人携带多台仪器的负担，同时实现了检测数据的数字化留存，便于后续的趋势分析和事故追溯。
入侵者识别与安防联动
AR 眼镜的高清微型摄像头不仅用于通讯，还可用于安防。通过运行轻量级的人脸识别算法，系统可快速确认现场人员身份。若识别到未授权人员或黑名单人员，系统可记录图像证据并触发警报 参考资料5。这在偏远站点或夜间巡检场景中，为单人作业提供了额外的安全保障。
方案选型的局限性与技术边界
尽管 AR 远程协作与巡检技术在理论上极具吸引力，但在实际落地中存在明确的技术边界和适用条件。
网络带宽与延迟敏感
AR 高清视频流对上行带宽要求较高。若现场网络不稳定，视频卡顿会导致标注不同步，严重影响协作效率。虽然系统支持流畅度取决于服务器配置和网络带宽 参考资料4，但在弱网环境下，应优先保证音频通畅，降低视频分辨率或切换至纯语音指导模式。
硬件续航与佩戴舒适度
目前主流的 AR 眼镜在开启摄像头、运行 SLAM 算法和持续视频推流时，功耗巨大。连续高强度使用通常难以超过 2-3 小时。因此，对于长周期的巡检任务，需配备外接电池包或采用"分段式"工作法，即仅在关键排查环节使用 AR，常规记录使用轻便的手持终端。
光照与环境干扰
人脸识别和甲烷激光检测均受环境影响。强光直射可能导致摄像头过曝，影响识别率；灰尘、水雾可能干扰激光路径，导致甲烷检测数据偏差 参考资料4。在选型时，必须评估现场环境的光照条件和空气质量，必要时增加辅助光源或选择防护等级更高的工业级传感器。
系统集成复杂度
将 AR 系统与现有的 ERP、MES 对接并非即插即用。不同厂家的数据接口标准不一，字段定义差异大。实施前需进行详细的现场勘查和数据清洗，建立统一的数据中间件。若企业信息化基础薄弱，缺乏标准化的设备台账和实时数据源，AR 巡检将退化为普通的电子表单填写，无法发挥虚实融合的价值。