Dentro del continuo de la realidad mixta, la realidad virtual se encuentra en el extremo más alejado del mundo físico. Esto implica que la experiencia que viven los participantes se basa exclusivamente en estímulos generados de forma digital. Suelen mencionarse como primeros ejemplos de realidad virtual los trabajos de Ivan Sutherland The Ultimate Display (1965) y La espada de Damocles (1968). Este último ya usaba un visor con efecto estereoscópico y sensores para detectar el movimiento de la cabeza [1], pero la expresión realidad virtual no apareció hasta 1988. La formuló Jaron Lanier, que la definió como una «tecnología que usa ropa informatizada para producir realidad compartida. Esto recrea nuestra relación con el mundo físico en un nuevo plano, ni más ni menos» [2]. Entre la ropa que él consideraba esencial incluía un visor para percibir el entorno virtual y unos guantes para poder sentir y para interaccionar con él, aunque Lanier no restringía la percepción del entorno virtual a solo la vista o el tacto, y entendía que el resto de sentidos también podían desempeñar un papel importante. En opinión de los investigadores Narcís Parés y Roc Parés, el problema del enfoque de Lanier y otros investigadores era que restringían la realidad virtual a la noción de simulación digital del mundo físico. Este es un tema recurrente tanto entre algunos investigadores como entre los medios de comunicación, y en gran parte fue así como se popularizó en los años noventa del siglo xx y vuelve a hacerlo hoy en día. Para Narcís Parés y Roc Parés, esto resultaba demasiado restrictivo y limitaba el potencial del medio. Propusieron una nueva definición que intentaba ser más abierta y flexible y que consistía en entender la realidad virtual como una «interacción con estímulos digitales generados al instante» [3], liberándola de ciertas cargas conceptuales problemáticas, como la del realismo, la inmersión o el 3D. Temas, todos, asociados popularmente a la realidad virtual, pero que según ellos no eran imprescindibles y, además, resultaban difíciles de definir y de generalizar. Asimismo, incorporaron a la definición un concepto, el tiempo real, que consiste en la capacidad del sistema informático de generar inmediatamente respuestas no registradas con anterioridad. Esta definición centra el foco en la interacción, entendida como un diálogo en el que el sistema informático procesa y modula su respuesta en función de las acciones de la parte humana.
A finales del siglo xx, la realidad virtual había despertado grandes expectativas y fue popularizada, a menudo proporcionando una visión distorsionada de sus verdaderas posibilidades, mediante películas como The Lawnmower Man [4] o The Matrix [5]. Durante los siguientes años, las limitaciones en la potencia de cálculo, en los dispositivos de visión y en las comunicaciones evidenciaron que el medio se encontraba todavía lejos de estas fantasías. La realidad virtual continuó evolucionando en los laboratorios y ganó terreno en los ámbitos de uso industrial y profesional. Después de unos años sin ocupar portadas ni acaparar la atención del gran público, finalmente, a inicios de la segunda década del siglo xxi, la realidad virtual volvió a ser noticia gracias al anuncio de la comercialización de sistemas de grandes prestaciones a un precio suficientemente bajo como para llegar al mercado doméstico, como Oculus Rift o HTC Vive. Estas novedades vienen acompañados de dispositivos controladores para poder interactuar con los entornos virtuales y del anuncio de todo un ecosistema de proyectos de nuevos dispositivos, de aplicaciones y de entornos de trabajo para el desarrollo. En esta nueva ola, la visión tiene un papel destacado, con la promesa de poder vivir la experiencia de «estar ahí» o de sentirse allí sin los inconvenientes o las limitaciones de estar físicamente, y los equipos de desarrollo dedican muchos esfuerzos a proporcionar respuestas visuales fluidas, sin retrasos perceptibles, es decir, con la latencia más baja posible. A menudo, las marcas comerciales compiten para demostrar la calidad de sus visores ofreciendo aplicaciones que proporcionen escenas realistas a pesar de ser pregrabadas y no interactivas, como el vídeo y las panorámicas de 360° estereoscópicas, que conviven con otras aplicaciones plenamente interactivas basadas en procesamiento a tiempo real. En un contexto en el que se generaliza el uso de dispositivos móviles equipados con sensores, con una capacidad creciente de procesamiento, resolución de imagen y comunicación, la futura ola parece que se fundamentará en la promesa no solo de estar allí, sino de estar en todo momento y con los demás, aunque antes de ello será necesario superar varios retos que hoy en día todavía son objeto de investigación [6].