要点
在元宇宙中，物理空间和虚拟空间是共存的，并且是相互呼应的。虽然物理空间可以通过信息来被优化和提升，但虚拟空间却在通过实时的、现实空间的信息来持续更新。为了让用户能够在真实空间和数字空间之间无缝地处理和操纵信息，相对应的新技术需要被开发出来，这其中包括智能接口、新的增强现实、高效的存储和数据管理和传播技术。本文首先讨论一些有前景的元宇宙（物理空间和虚拟空间共存, co-space）应用，这些应用提供了两个空间都无法单独实现的体验和机会。数据库社区可以为这个领域提供很多帮助。最后，为了可以更好地管理元宇宙，我们提出了一些挑战。
简介
传统意义上来说，物理空间和虚拟空间是相互独立的。每个空间中的用户都在各自空间范围内进行操作，即他们可以相互交流，但不会越界到另一个空间。但随着新硬件（GPU，FPGA, NVM）、物联网（IoT）、5G、人工智能、 普适计算、智能接口和新的增强现实等技术的兴起，物理空间和虚拟空间能够在一个统一的空间共存，即元宇宙（metaverse）。
在元宇宙（网络-物理系统，cyber-physical system）中，物理空间和虚拟空间可以实时地进行交互。物理空间中的位置和事件可以通过使用大量传感器和移动设备来捕获，进而被虚拟空间所使用。相应地，虚拟空间中的某些动作或事件同样会影响物理空间（例如，购物或产品促销以及体验式计算机游戏）。因此，一方面，物理空间可以被信息增强；另一方面，虚拟空间通过实时、真实世界的输入不断刷新。图一展示了共存空间环境中的信息流：数据在单个空间内流动，但更重要的是，数据也流入另一个空间。这将元宇宙与混合现实（mixed reality，或增强现实或增强虚拟）区分开来：混合现实整合了真实和虚拟世界（例如，用计算机生成的图形增强实时视频图像），但它是在一个僵化和静态方式，没有捕捉实时变化及其对任一空间的影响。
【图一】
在元宇宙中，我们可以设计创新的应用程序，提供物理和虚拟空间都无法提供的体验和机会。一些示例应用程序包括基于位置的游戏和社交网络、在线购物者和实体购物者之间的购物合作等。在这样的背景下，我们很容易看出，大量的数据和信息必须在元宇宙内以及物理和虚拟空间之间流动，以确保两个世界同步。这就带来了新的挑战，例如需要处理异构数据流以实现虚拟世界中的真实世界事件，并将虚拟空间中有趣事件的信息传播给物理世界中的用户。此外，还需要新技术使用户能够在真实空间和数字空间之间无缝地管理信息。其中包括智能接口、新的增强现实、高效的存储管理和大规模数据传播。
数据丰富的元宇宙用例 （Data-rich Metaverse Use Cases）
The Marketplace (市场)
现如今，我们要么在商场购物，要么在网上购买我们的产品。一家实体店可能有一个网页（比较原始的虚拟空间），但两个空间之间的实时交互非常有限。在未来的虚拟世界商店中，物理空间可能会被“扩展”以展示更多物品。图二说明了 Metaverse 糕点店中的共同空间购物场景。同样，在未来的元宇宙市场中，实体商场将被“扩展”成一个）拥有比实体商场更多商店的商场。除了实体店的虚拟店铺外，虚拟商城还可以为虚拟店主出租虚拟空间。在实体商场中，可以在每个实体商店内设置大型显示器，以供网络购物者与同一商店内的实体购物者交流（例如，通过简单的文本消息和/或更复杂的沉浸式技术）。虽然实体购物者仅限于实际位于购物中心的商店，但在线购物者可以选择更广泛的商店（和产品）。虚拟商城需要与实体商城的实时信息保持同步，例如，实体商城正在发生的直播节目、正在进行的幸运抽奖、产品可用性的更新等。类似的概念同样可以被用来扩大博物馆的陈列空间，或者可以用来扩大赛事体育馆的容纳人数（体育爱好者可以通过球员的“眼睛”观看比赛）。
【图二】
游戏、社交网络和电子商务
Metaverse中的一类游戏是基于位置的游戏 (location-based gaming, LBG)。LBG 越来越受欢迎，被认为是视频游戏的未来，玩家的日常体验（例如，在城市中移动）与游戏的非凡体验交织在一起。这些游戏提供的体验会根据玩家的位置和动作而变化。在 LBG 中，配备有 GPS 功能的手机（例如手机）的用户可以玩将玩家的真实世界（即他的物理位置）与手机上的虚拟世界相结合的视频游戏。物理位置成为游戏板的一部分，玩家的移动直接影响游戏进程（并可能影响游戏角色和/或环境）。Pok´emon GO 和 Zombies, Run! 是比较出名的LBG的成功案例。
另一种形式的元宇宙游戏将物理环境与相应的虚拟模型相结合。在这里，RFID 和传感器用于捕获有关玩家当前上下文的信息，并将其传输到服务器。服务器（可能由其他玩家控制）遵循游戏规则并将一些有助于他们继续进行的信息（例如，附近敌人的位置）传递回物理玩家。此类游戏的示例包括Tourality和Wanderer。
社交网络也可以在虚拟世界中进行。物理空间中某个位置的人可以检测到虚拟空间中同一位置的朋友，他们可能会一起“对抗”虚拟空间中的一些“敌人”。同样，在虚拟空间中并肩作战的两个“战友”在物理空间中彼此靠近时也可以相互察觉，从而为更多的社交互动提供机会。用户可以组建兴趣小组来共享信息，并会使用创建的内容或虚拟贵重物品进行交易（比如不可替代的代币NFT）。他们可以使用元宇宙来进行物理世界产品的消费者对消费者（C2C）或企业对消费者（B2C）的销售。
智慧医疗
多年来，随着人工智能、传感器和改进的硬件和网络带宽等的使用，医疗保健一直在改善。随着 Covid-19 大流行的冲击，我们看到远程医疗、远程会诊和在线协作的接受度越来越高。远程医疗提高了患者的效率和舒适度。临床医生能够监测和诊断许多慢性病例或小病，或有效地了解病情。借助元宇宙，可以通过虚拟现实 (VR) 改进虚拟医疗保健。图三说明了远程辅助手术可以通过 VR 成为现实，从而改善远程医院和诊所的知识共享和培训。心理学家和精神科医生可以在厌恶疗法中使用 VR 来帮助解决焦虑问题或克服妄想。它可用于重播情境以克服恐惧或内疚，并治疗创伤后应激障碍 (PTSD)。元宇宙可以在私人环境中进行治疗，并且可以在其中捕获交互以进行分析。放射学使临床医生能够查明需要医疗护理或治疗的受影响器官的关键部位。其扫描技术与人工智能技术相结合，在质量和精度方面取得了巨大进步，从而实现了更准确的诊断和更好的医疗保健结果。元宇宙具有更先进的可视化和实时合并症分析，可以使外科医生在手术和治疗中做出更好的决策。
【图三】
智慧城市
智慧城市是指利用技术进行技术辅助生活和城市规划和管理的技术现代化城市区域。需要传感器、摄像头、VR/AR 和快速网络连接来实现这样的生活条件。在元宇宙中，交互式平台支持 3D 城市环境建模以及大量点云（point cloud）和基础设施数据（infrastructure data），从而实现更好的城市规划，提高效率和舒适度。这与数字孪生（Digital Twin）的概念有些相关。然而，元宇宙在很大程度上是有自己的“生命”的，数据是由人类在物理世界中创建和交换的。
元宇宙不仅提高了生活质量，让生活变得更加方便和丰富，而且可以有效管理各种资源，有助于减少碳排放。在智慧城市中，游客可以通过可视化检索信息，并在做出决定之前预览每日活动。智慧医疗、市场、环境、社会和治理，以及先进的基础设施，构成了智慧城市的结构。
以数据为中心的挑战
从上述讨论中，我们对数据丰富的元宇宙有以下观察：
元宇宙内产生了大量的数据/信息。其中一些是静态的（例如，地图、现有数量），而另一些是动态的（例如，位置、传感器数据）并且经常变化。此外，数据可能有不同的格式（例如，非结构化的视频和文本和结构化的个人数据）。这些数据也可能来自多个不同的数据源（例如，来自关系数据库的静态数据、来自视频流服务的视频数据）。此外，大量数据可能必须从一个空间流向另一个空间，特别是从物理空间到虚拟空间，以确保实时跟踪环境。 我们会用大量的传感器来捕获物理空间中的数据。在传输之前可能需要网络内处理来聚合数据。 元宇宙内可以产生大量的事件。在物理世界和虚拟世界中可能会触发进一步的动作/事件。 存在大量用户（和查询）。每个用户设备基本上都可以看成是在一个高度分布式环境下的一个节点。
很显然，数据库社区一直在处理上述问题（也许，不是元宇宙所需要的规模）。数据库社区已经解决并正在解决广泛的相关研究问题——传感器网络、数据流、分布式数据库、更新密集型操作、搜索和数据检索。
元宇宙的挑战
作为物理和虚拟空间的整合，可以肯定的是，元宇宙会带来每个空间内的研究问题。在物理空间，我们需要设计有效的方法来感知物理环境（通过广泛使用 RFID 或传感设备），将这些数据转换为用户将欣赏的形式（通过数据清理、数据挖掘、聚合或插值），以及处理网络中的查询，等等。
在虚拟空间中，随着大型多人在线游戏的流行，近年来人们对设计支持交互式虚拟环境的技术产生了极大的兴趣，以便用户实时相互交流。这其中有许多研究挑战需要注意，包括为游戏工作负载设计数据库引擎和保证跨多个虚拟视图的一致性的方法。缓存和索引虚拟环境的技术需要进一步研究以扩展到大量用户。
我们将重点关注数据库社区可能感兴趣的两个空间之间的集成而出现的挑战。我们忽略的一些与数据库无关的问题包括（a）新颖的接口技术，可以无缝连接物理和网络空间，以支持两个空间内用户之间的实时交互；(b) 在各种设备和平台（小型与大型显示器，固定与移动）上的创新可视化和呈现输出（事件和数据）；(c) 用于从物理环境中获取数据以及为虚拟环境创建内容（高质量数字图像、动画和效果、沉浸式体验）的技术、工具和设备；(d) 支持社交网络和学习的语言翻译、转录和调解方法，以及许多其他方法（例如，安全和网络基础设施）。
异构数据源的数据融合
数据融合通常被定义为使用通过推断组合来自多个来源的数据的技术，以便产生比从单一来源获得的数据可能更准确的数据。虽然数据融合已经在传感器网络的背景下进行了研究，但元宇宙中的数据融合更具挑战性，因为输入可能来自各种来源，包括博客、视频/音频剪辑等。
考虑图四中图书馆的虚拟世界，需要来自摄像机和 RFID 阅读器的信息，以确保在数字空间中准确地表示书籍的位置。此外，还可以从网络和用户的社交网络中获取对书籍的评论和意见，以增强他们的浏览体验。这种关于单个实体的信息融合需要对从多个数据源中提取的语义进行大量推断。
【图四】
从上面的讨论中，我们注意到元宇宙数据管理与数据流处理、传感器网络和数据集成等研究领域相关。但是，它也至少在两个方面有所不同。首先，与目前在数据流和传感器上进行的相对简单的聚合不同，在元宇宙中管理数据需要对这些数据源进行更复杂的逻辑推理。其次，与旨在为一组异构数据库导出通用模式的数据集成不同，元宇宙数据管理更关注于检测在不同数据源产生的时间，并在元宇宙中准确有效地描述这些事件。显然，我们需要开发能够有效处理这两个问题的数据融合机制。最近关于多语言数据管理的工作提供了一个很好的起点。
分布式/并行和其他新颖的架构
拥有大量网络用户和手持设备的物理用户，元宇宙平台非常自然地形成了一个高度分布式（点对点）的系统。由于设备的异质性，该系统变得非常复杂。此外，还有大量静态和动态数据在每个空间内和跨空间流动。
对于访问本地存储的静态数据的查询，我们需要探寻有助于搜索/发现相关信息的技术。P2P 搜索方法可能适用于某些情况，但是，对于需要从一个空间流式传输到另一个空间的动态数据，这些方法可能不适合。虽然在分布式流处理方面已有大量工作，但这些工作仅限于查询处理，并且通常假设节点数量较少，并且不能解决节点之间的异构性。发布/订阅架构（publish/subscribe architecture）可能更有效。我们需要能够支持流数据和高效搜索的新型架构。例如，我们设想在P2P网络上架设发布/订阅系统，其中每个节点可能是一个高度并行的集群，可以支持大量移动客户端。
支持高并发以及数据和计算密集型活动的需求要求新的系统架构具有自主性、自适应性和可扩展性。此外，负载平衡需要自适应，且无需大量重新配置工作即可轻松添加新节点。最近，MapReduce和其他类似的应用程序编程框架的处理范式已经彻底改变了集群上的极端数据分析，并且 Clustera等系统利用现代软件理论来提高效率和可扩展性。这些以及最近在利用多核架构和商品硬件（例如，GPU、FPGA、非易失性存储器NVM）方面的一些其他科研成果可能为开发新的数据库引擎提供基础。高效的资源分配和利用，以及无服务器计算等新的处理范式对于效率和可扩展性也非常重要。
最近，已经有一些开发用于管理视觉数据的新颖架构的工作。这些工作中的大多数将视觉数据作为视频数据进行操作。例如，LightDB以视频内容的形式被用来处理增强、虚拟现实和混合现实数据。然而，这些方法仍旧局限于静态场景。
元宇宙的数据库引擎
针对元宇宙，我们需要重新考量其数据库引擎。这是因为我们需要处理 (a) 大量不同类型的数据，从结构化到非结构化、文本到视频、静态和动态；(b) 存在于两个不同空间中的数据。
存储管理器
虽然不同类型的数据需要分开管理，但两个空间中相同类型的数据是否应该分开处理还不是很清楚。换言之，实体商城购物者的位置是否应该与在线购物者的位置一起存储？或者应该以与虚拟图像相同的方式处理博物馆的实景图像。一方面，我们可以简单地标记数据以反映它所属的空间。这样做可以统一元宇宙的视图，从而简化数据管理。但是，对于仅涉及来自特定空间的数据的操作，性能可能会受到影响。另一方面，我们可以分别管理来自这两个空间的数据。但是，这最终可能会导致资源重复。如何将最近的存储设计（例如面向行或列的存储、自组织存储、以及不可变和可验证的数据库引擎）应用于元宇宙，是一个有趣的课题。从分布式架构来看，我们需要设计在节点之间划分数据的方案来高效处理数据。
查询处理和优化
元宇宙中的查询处理和优化需要新的机制。首先，可能需要引入新的操作符（算子）。例如，我们可能需要对传感器数据进行插值（或使用一些用户定义的函数进行组合），以便虚拟空间使用它们。事实上，数据一收到就可以进行处理和转换；或者，它们可以在运行时进行转换。虚拟空间中的数据也可能以不同于物理空间中的数据的方式被解释。这些都将改变传统的优化器，使得它可以根据这些操作符产生更好的查询计划。Hellerstein 早期关于使用昂贵的谓词优化查询的工作可能会提供一个很好的起点。
其次，两个空间的性能要求不一定相同。例如，将实体店购物者的销售优先于在线购物者（当他们都想要最后可用的商品时）是合理的。在网络用户的情况下，虽然非常需要实时信息，但可以容忍近似数据（例如，代替高分辨率视频流，可以接受低分辨率流或动画）。这要求查询处理或优化技术具有“空间”意识。
第三，除了 I/O、CPU 和带宽方面的考虑之外，优化器可能必须是设备感知的，以便可以生成可行的（并且对于设备而言是最优的）查询计划。一些关于便携式设备处理和节能优化的工作可以扩展到元宇宙。
第四，我们不仅要处理移动对象（一些在物理空间中移动），我们还要处理移动查询（在虚拟环境中移动的用户可能需要跟踪他/她视图中的所有用户 - 因为他/她移动，他/她对空间的看法发生变化）。在移动对象上移动查询的工作很少，这个领域当然值得进一步探索。
第五，设计分布式架构的一个关键挑战是确保可以在每个节点/集群本地估计优化所需的元数据，以最大限度地减少信息交换，同时生成的计划的质量不会显著降低。设计这样一个系统是比较困难的。
最后，元宇宙以数据流的形式产生大量数据。流和原位或模式读取（schema-on-read）处理变得很重要。为了维持高流入口流量，我们需要多个多线程的数据处理器。流执行计划优化和适当的新硬件的开发是必要的。通过优化内核和服务器上的处理 以及基于远程直接内存访问 (RDMA)的高效远程处理，可以实现可扩展性的并行性。
索引
元宇宙提供了广泛多样的数据。为了解决这个问题，我们可能需要新的索引方法。之前的研究中提出了一种 HDoV 树来索引虚拟漫游环境中不同可见度的内容。这种结构是静态获得的，需要很高的计算开销。在元宇宙中，我们可能需要一个更健壮和动态的结构来满足信息的频繁更新。虽然已经有一些基于位置数据的工作，但还没有为虚拟域设计索引方法。我们需要更灵活的方案来处理更新密集型应用程序和频繁变化的场景。
缓冲区管理/缓存
两类数据（来自物理空间和虚拟空间）需要新的缓冲区管理和缓存方案。我们期望一个方案是语义感知的。例如，来自真实空间的数据可以被赋予比来自虚拟空间的数据更高的优先级。但是，我们需要制定标准来比较两个领域的优先级。
数据一致性
在网络化的虚拟环境中，用户对虚拟世界有一致的视图是很重要的。这需要在虚拟世界中传输数据。不幸的是，迄今为止还没有可以很好扩展性的解决方案。在元宇宙中，一致性的要求变得更具挑战性——虚拟世界也必须反映现实世界中正在发生的事情。鉴于带宽的限制和要传输的大量数据，我们不希望在两个世界中看到真正一致的视图。但是，我们可以尝试让虚拟世界尽可能接近现实世界。一种解决方案是容忍某种程度的差异——针对数值数据，它们可能在一定的一致性要求内；对于多媒体数据，可以使用低分辨率图像/视频来代替。最近的一些工作着眼于如何在保持数据一致性的同时将流数据传播给大量客户端。这些技术假设的对象较少，因此不能扩展到大量对象。
一种比较相关的方法是研究应如何优先传输要传输的数据。例如，可以先传输更关键的数据，然后再传输不太关键的数据。我们可以借鉴intermittently-connected, disruptive网络的工作。我们相信在这方面有很多需要探索的方面，例如，研究不同的调度方案。除了对数据进行优先级排序之外，还可能需要设计解决方案来安排满足不同服务质量 (QoS) 指标的多个（连续）查询。
数据安全和隐私
在虚拟世界中，日益互联和复杂的系统和网络增加了我们面临各种威胁的风险，例如数据丢失、对软件系统和网络失去控制、因恶意内容和行为导致的不信任等。因此，数据安全和隐私是主要问题。
为了增强虚拟世界中的数据安全性，各种新兴技术被提出。可以通过安全通信、数字文档和资产的传输和交换、可验证性和可审计性来实现可信的协作和交互。例如，商业安全硬件可用于建立可信执行环境 (TEE)，其中数据和计算不能被任何其他方修改，包括云供应商或服务提供商；加密技术可用于保护通信信道和云上不受信任的存储中的数据和模型。区块链可以作为元宇宙连接的基础，使其开放和去中心化。元宇宙中不同方之间的交易可以在区块链中永久记录和验证，从而促进更广泛地接受元宇宙。这些新应用需要重新设计数据管理和处理系统。例如，去中心化要求计算具有拜占庭容错能力，这在复制和共识建模方面引入了巨大的成本。一种可能的解决方案是使用账本数据库系统（ledger database systems），由受信任的第三方作为审计员。
同时，保护元宇宙中的数据隐私需要在最小化隐私风险和最大化数据效用之间取得微妙的平衡。一方面，降低隐私风险需要限制对敏感数据的访问并遵守政府出台的隐私法规。另一方面，元宇宙中以数据为中心的应用程序可能依赖于与用户相关的各种类型数据的可用性。为了解决数据隐私和实用性之间的这种关系，我们需要开发新的算法和范式，以保护隐私的方式进行数据分析。联邦学习和差分隐私等新兴技术被提出以解决隐私问题。我们仍旧需要设计针对元宇宙应用程序的隐私保护技术。此外，激励用户共享信息以进行隐私保护分析是一个具有挑战性的问题。
智能决策和自我驱动优化
最近，我们看到有许多工作尝试整合数据库系统和机器学习 (ML)。一方面，随着机器学习更加以数据为中心，需要数据库支持来高效地管理数据。另一方面，将学习融入数据库系统有助于设计自调整、自修复和自主的数据库管理系统。鉴于元宇宙中的应用程序与现代应用程序一样复杂，我们需要以数据为中心的机器学习来进行有效的预测和建议，以支持决策的制定。此外，为了确保高效处理，新的 ML 机制将需要利用元宇宙中的丰富数据。可以从以数据为中心的角度查看和解决正则化、特征交互、解释、高效通信和许多其他优化问题。
DBxAI 的这种趋势会持续发展下去，以更好地集成和利用这两种技术。然而，要真正使数据系统具有可扩展性和智能性，我们可能需要重新审视将 AI/ML 作为系统集成部分的需求和要求，而不是在现有系统之上放置 AI/ML 层。换句话说，从数据集和查询模式的特定实例中学习可能只会暂时改善数据库优化技术，例如成本估算和索引设计，以及它们的系统性能。由于数据和特征漂移问题，数据库本质上是动态的这一事实可能使 AI/ML 模型和算法无效。在元宇宙中更是如此，用户和应用程序更加多样化和动态化。
AR/VR 数据流和学习
要建立元宇宙，一个不可或缺的步骤是将物理空间中的人、物体和场景数字化到虚拟空间中。如今，许多 AR/VR 应用要么只有 (1) 具有低保真数字化身和场景，我们可以很容易地判断它们不是真实的，要么 (2) 仍然严重依赖艺术家手动创建数字对应物，这样严重耗费时间且不适合一般用户采用。最近，一种新的数字孪生技术，即神经辐射场（NeRF），在自动重建类人化身、现实对象和城市等大型场景方面表现出前所未有的高保真度。高保真虚拟世界可以为用户提供身临其境的体验并解锁一些新的应用程序，例如从任何角度观看篮球比赛。尽管前景广阔，但实现高保真度的一个关键挑战是数据爆炸。这是因为，为了看起来逼真，化身需要表现出皮肤级别的细节，而动态对象需要表现出准确的动作，更不用说像城市这样更大的场景了。因此，一个重要的研究问题是联合设计数字表示、它们的学习和渲染方法，以及如何在给定新表示的情况下有效地存储和操作数字资产。
一旦虚拟世界建立起来，虚拟世界中生成的大量数据为开发专门用于 AR/VR 的 AI 模型提供了巨大的机会。不同的元宇宙用户可能有不同的任务需要人工智能来协助，这使得为每个用例定制人工智能模型和训练数据变得具有挑战性。一个可能的解决方案是开发基础深度学习模型，这些模型首先在大规模数据上进行训练，然后可以以最小的任务特定微调应用于各种下游任务。作为起点，最近的工作 EgoVLP对Ego4D进行了视觉语言预训练，这是一个以自我为中心的大型视频数据集，旨在收集智能眼镜在人类日常活动中看到的内容，然后预训练的 EgoVLP 模型使用在元宇宙的各种应用上，例如动作识别、通过文本描述的时刻查询、对象状态变化检测。由于数据规模大，预训练往往需要大量的计算资源，耗时较长。例如，EgoVLP中的预训练在 32 个 A100 GPU 上需要两天时间， 这是开发更高级的预训练模型的主要障碍。为了克服这一挑战，重要的是优化存储和计算节点之间的数据通信，并利用深度学习模型中的并行性。
机器学习的传统工作流程限制了人机交互。如图五(a)所示，它主要是单向的，因为只有机器向人类学习“如何工作”。图五(b) 概述了另一种流行的机器学习工作流程，即自交互机器学习，它用于 AlphaGo，其中 AI agent 与自身交互。机器和人类都可能需要更深入的双向交互才能更好地学习。我们设想了一种交互式机器学习的新范式，即人机协同学习，其中人类可以从模型中学习，而模型可以从人类那里学习，如图五(c)所示。例如，在医疗保健领域，临床医生可以通过机器学习从数据中发现新的知识或事实，并可以帮助机器进行更准确的预测。交互式学习可以适用于虚拟世界中的许多应用程序，其中人类在虚拟和物理世界中与模型交互，传达和发现新知识。最近的工作在智能眼镜上引入了 AI 助手，可以指导新手使用新设备或学习新技能。然而，这些模型仍然没有在用户和学习系统之间形成双向反馈回路。这种双向交互学习带来了新的挑战，即新颖的接口设计、模型更新、模型解释和模型干预。
【图五】
总结和展望
科技的进步改变了我们的生活方式。在现实世界中，我们可以参与虚拟游戏。在虚拟世界中，我们可以购物、参与激动人心的战略游戏、接收实时信息和获取知识。这两个空间的融合将进一步提升用户体验。本文主张两个空间的共存，不是作为独立的实体，而是作为一个集成的世界，两个空间同时交互，用户无缝体验增强世界（现实或虚拟）。我们介绍了元宇宙的几个有前景的应用，并讨论了数据库社区可以贡献的一些研究问题。
在我们的讨论中，我们主要关注：借助虚拟空间技术，时间不再“限制”我们——例如，我们可以身临历史遗址，在我们所处的确切地点体验历史上发生的虚拟事件；同样，我们可以拥有当前位置的虚拟未来视图。
作为研究人员，我们期待着该领域令人兴奋的挑战，并鼓励我们社区的成员加入我们。也许，到 2030 年，我们将作为最终用户体验元宇宙。
Sense The Physical, Walkthrough The Virtual, Manage The Metaverse: A Data-centric Perspective
原文作者：Beng Chin Ooi, Kian-Lee Tan, Anthony Tung, Gang Chen, Mike Zheng Shou, Xiaokui Xiao, Meihui Zhang
