迈向互联互通世界的下一个步骤是：让任何人都能远程教学、学习及开展活动。通过这种方式，人类技能的给予或获取将不再受限于任何物理边界，人类的知识将在全球氛围内更加快速高效地传播。我们称这一概念为“技能互联网”，在未来数字化世界里，技能互联网是一场重头戏。

技能互联网的出现是爱立信首席技术官提出的五大关键技术趋势其中之一。实现技能互联网的一大主要前提是视觉、听觉和触觉技术的获取，从而使人类在远程学习、教学或开展活动时，能够获得与本地相近的感官体验。

例如，当一位斯德哥尔摩的外科医生对一位身在哥德堡的病人实施远程手术时，其所听到、看到、感觉到的，都应该像在斯德哥尔摩的手术室现场操刀一样。同样，技术人员在某个地方维修机器时，应该能够获得远程专家的指导，就像专家就在身旁。

允许用户与远程终端和机器人进行无缝交互也是基本前提之一。并且，由于该系统需借助超低延迟和高带宽网络以及云技术来提供端到端体验，通信技术也是重要的组成部分。

过去几年中，这些技术领域均取得了一定的进展。现在，市场上既有能够呈现3D视觉效果的经济实惠的虚拟现实(VR)和混合现实(MR)终端，又有能够实时采集世界各地高质量3D视觉和听觉信息的新型传感器。此外，3D空间音频技术也已被开发出来，最新的触觉技术能在用户体验动作、力量、形状和质地时不断提高真实感。

PengramAR和ScopeAR联合开发的混合现实远程专家辅助系统就是其中一个例子。然而，当前的系统缺乏听觉、视觉和触觉技术能力以及与终端和机器互动的方法，因此不能算是全沉浸式的技能互联网系统。由于这些系统需要包含多个技术组件并具备像人类一样的理解能力，因此，我们是否能真正构建此类系统将取决于每个组件的开发情况和成熟度。此外，这些系统目前还缺乏可用的5G通信和云技术，无法提供所需的灵活性、高带宽和低延迟。

实时远程通信

高质量并且高效率地抓取、传输和渲染视觉、听觉和触觉信息至关重要。因此，适用于所有这些形态的传感器、算法和执行器缺一不可。

在视觉组件方面，技术的发展主要集中在实时3D视频采集、处理和渲染方面。对于视频采集，近几年市场上已经推出了基于不同基础技术的几种新型传感器，价格也已大幅下降。这些传感器将深层信息与RGB贴图相结合，以3D的形式展现捕捉到的世界，从而为用户提供沉浸式的混合或虚拟现实体验。鉴于用户希望这种体验能够接近其与自然环境的互动体验，所以通常这些沉浸式场景需在进行编码和渲染之后再呈现给用户，以达到足够高的质量。但是，这种做法将会因为分辨率和帧速率的提高而产生带宽压力，当用户在虚拟世界中遨游或与之实时互动时会产生延迟。

机器学习的进步提高了算法采集和处理的质量与效率。在渲染方面，市场上每年都会推出几款新的VR和MR终端，画面分辨率越来越高，视野、深度感、可穿戴性和终端定位方面均有所改进。尤其是近期开发的基于智能手机的低成本MR耳机，似乎预示着MR应用的前景不可限量。鉴于人们已在采集和渲染技术领域进行了大量投资，这些技术的质量、性能和可用性将不断提升。

在音频组件方面，技术的发展主要集中在空间音频麦克风上，希望能够研发出更加经济实惠的新型空间音频麦克风来采集房间内一个或多个空间位置的声场。然后，人们希望借助空间音频滤波方法使用这些麦克风，以分离房间中的各个声源并估计它们在3D空间中的位置，或者呈现声场图。空间音频渲染器的性能很大程度上取决于渲染中使用的HR滤波器型号与用户自己的物理HR滤波器的匹配效果。这是一个非常活跃的研发领域，现在已有合理的解决方案，而在不久的将来还会有更好的解决方案出现。目前，相关各方正努力规范交换空间音频流所用的格式并开发压缩技术，以应对采集空间音频所需的日益庞大的数据。

在触觉组件方面，技术的发展日益专注于可穿戴触觉终端，这主要是受VR应用的推动。新面市的终端主要是指环和手环，主要目的是让用户能够感受到3G场景中的动作、力量和质地。同样，这些终端也能感受到用户在互动中施加的动作和力量。鉴于目前的可穿戴终端通常难以设置或穿戴（主要是因为无法实现较高的自由度），因此这方面仍存在严峻挑战。