如果需要多个用户/设备使用Apple的新ARKit技术，最佳方式是什么？
每个设备似乎都会单独获得其自身的场景理解。目前我最好的猜测是使用原始特征点位置，并尝试在设备之间匹配它们以将不同视角的点粘合在一起，因为ARKit没有提供任何绝对参考参照。
===编辑1，我尝试过的事情===
1) 特征点
我已经玩弄了暴露的原始特征点，并且现在确信它们在当前状态下是死路一条：
因此，总体而言，我认为尝试以某种有意义的方式使用它们是不合理的，在一个设备内无法进行任何良好的点匹配，更不用说在多个设备上了。 另一种选择是实现自己的特征点检测和匹配，但那将更换ARKit而不是利用它。
2) QR码
正如@Rickster建议的那样，我还尝试识别易于识别的物体（例如QR码），并从该固定点获取相对参照变化（请参见此问题）。这有点困难，并且需要我使用一些openCV来估计相机姿态。但更重要的是非常受限制。
ARWorldMap将ARKit知道的本地环境打包成可序列化的对象，以便您可以保存它以备后用或将其发送到另一台设备。在后一种情况下，“重新定位”到由同一本地环境中的另一台设备保存的世界地图会为两个设备提供相同的参考框架（世界坐标系）。
使用您选择的网络技术将 ARWorldMap 在设备之间发送：AirDrop、云共享、信鸽等都可以，但 Apple 的 Multipeer Connectivity framework 是一个好的、易用的、安全的选项，所以它是 Apple 在他们的示例项目中使用的。
所有这些只为创建共享体验提供了基础——多个设备上您的应用程序的多个副本都使用与相同真实世界环境对齐的世界坐标系。这就是您需要的全部内容，以使多个用户体验相同的静态 AR 内容，但如果您希望他们在 AR 中交互，则需要再次使用您喜欢的网络技术。
Apple 的 basic multiuser AR demo 演示了如何对一个 ARAnchor 进行编码并将其发送给同伴，以便一个用户可以轻触以在世界中放置一个 3D 模型，所有其他用户都可以看到它。SwiftShot game example 构建了一个完整的网络协议，以使所有用户获得相同的游戏动作（如相互之间发射弹弓）和同步的物理结果（如被击中后块的倒塌）。两者都使用 Multipeer Connectivity。
（顺便说一句，上面第二和第三点是你从@andy's answer中得出“2到6”的数字的原因——在ARKit方面没有限制，因为ARKit不知道有多少人可能已经接收了你保存的世界地图。然而，Multipeer Connectivity有一个8个对等节点的限制。无论你在这个基础上构建什么游戏/应用程序/体验，随着添加更多的对等节点，可能会出现延迟/性能缩放问题，但这取决于你的技术和设计）
下面是原始答案，供历史参考...
gravityAndHeading 可能会有所帮助：它将所有方向固定到（假定/估计为）绝对参考框架，但位置仍然相对于设备在会话开始时的位置。如果您能找到一种将该位置与某些绝对值（例如纬度/经度或iBeacon）可靠地关联起来，并且足够精确......那么，您不仅可以拥有供多个用户共享的参考框架，还可以获得基于位置的AR的主要组成部分。（你知道的，像一个浮动的虚拟箭头，指向某个地方，告诉你去机场的A113登机口右转，或者其他什么地方。）gravityAndHeading 实际上非常有 bug。-z 轴根本不对应北方，并且可能偏差达到 150 度（在我的测试中）。 - dmr07session.getCurrentWorldMap { worldMap, error in
guard let worldMap = worldMap else {
showAlert(error)
return
}
}
let configuration = ARWorldTrackingConfiguration()
configuration.initialWorldMap = worldMap
session.run(configuration)
世界地图，然后您的iOS应用程序变为非活动状态，您可以在下次启动应用程序时轻松恢复它，并在相同的物理环境中进行。您可以使用恢复的世界地图中的ARAnchors将相同的虚拟3D内容（以USDZ或DAE格式）放置在以前保存的会话中相同的位置。DIY ARKit 在AR会话启动后很快就会建立起世界坐标系。因此，如果你能让所有玩家依次将其设备放置并与相同物理位置对齐，然后在那里启动会话，那么问题就解决了。可以想象成一个固定在任何可用表面上的L形直尺的内边缘。或者是带孔的任何平面：将手机靠在表面上，透过孔看相机，（重新）初始化会话。
Medium 不要让玩家手动对准手机，而是使用图像分析检测真实世界的标记，就像 @Rickster 所描述的那样。
Involved 训练一个Core ML模型来识别iPhone和iPad及其相机位置，就像对人脸和眼睛所做的那样。在服务器上聚合数据，然后关闭ML以节省电力。注意：确保您的模型具有覆盖范围。
这是一个非常困难的问题 - 目前正在解决此问题的最重要的创业公司是6D.ai。
“多人 AR” 与持久 SLAM 是同样的问题，您需要将自己定位在可能不是自己构建的地图中。 这是大多数自动驾驶汽车公司正在积极解决的问题。