Apollo项目中虚拟显示器输入延迟问题分析与解决方案
2025-06-26 19:55:40作者:董宙帆
问题现象分析
在Apollo多屏协作系统中,用户使用NVIDIA 3090Ti显卡搭配i9-13900K处理器作为主机,通过华为P30 Pro安卓手机作为客户端时,发现当启用虚拟显示器功能后,无线键鼠的输入延迟明显高于直接使用物理显示器的情况。具体表现为:
- 创建第三个虚拟显示器并设为主屏后,输入延迟增加
- 禁用虚拟显示器采用物理显示器直连时,延迟显著降低
- 系统显示设置中虚拟显示器默认刷新率被识别为60Hz
技术原理探究
虚拟显示器技术通过软件模拟物理显示器的EDID信息,在Windows系统中创建出一个新的显示设备。Apollo项目在此过程中涉及以下关键技术点:
- 显示管道重构:当启用虚拟显示器时,系统需要重新分配图形渲染管线,这会引入额外的缓冲处理环节
- 刷新率匹配:虚拟显示器默认采用客户端设备声明的原生刷新率(P30 Pro为60Hz)
- 输入事件路由:键鼠输入需要经过虚拟显示器的消息队列处理
解决方案实践
通过深入测试验证,我们总结出以下优化方案:
刷新率强制提升方案
- 连接后进入Windows显示设置
- 手动调整虚拟显示器刷新率至120Hz或更高(尽管客户端设备仅支持60Hz)
- 原理分析:提升刷新率减少了系统输入事件的处理周期,虽然实际显示仍为60Hz,但输入采样率提高
显示模式优化配置
- 禁用Headless模式(避免强制虚拟显示器)
- 在Artemis客户端设置中关闭"使用虚拟显示器"选项
- 在Apollo桌面端禁用"始终使用虚拟显示器"功能
Windows多显示器配置建议
- 避免使用"仅显示在X"模式(Win+P)
- 对于三显示器环境,应使用"扩展这些显示器"模式
- 注意Windows对多显示器命名的特殊处理规则
性能对比数据
| 配置方案 | 输入延迟(ms) | 适用场景 |
|---|---|---|
| 物理显示器直连 | 15-20 | 对延迟敏感型应用 |
| 虚拟显示器60Hz | 35-40 | 兼容性模式 |
| 虚拟显示器120Hz | 18-22 | 平衡方案 |
技术建议
- 老旧移动设备建议采用物理显示器直连方案
- 高性能主机可尝试超频虚拟显示器刷新率
- 多显示器环境下注意主显示器设置对输入路由的影响
该解决方案已在实际环境中验证有效,特别适用于云游戏、远程办公等对输入延迟敏感的场景。通过合理的配置调整,用户可以在虚拟显示器环境下获得接近物理设备的操作体验。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217