見ることから行動へ：スマートグラスを一人称知能プラットフォームとして捉える

スマートグラスを、単なる撮影・表示デバイスではなく、装着者の知覚・持続的コンテキスト・デジタル/物理的アクションを結ぶ一人称知能プラットフォームとして捉えたサーベイ論文。一人称データフローと制約付きタスク有用性を形式化し、8つのハードウェア能力軸、7つの基盤能力、L0-L5フレームワーク、9つの応用シーン、9次元の展開フレームワーク、主張条件付き評価プロトコル、エビデンスラダーを導入し、スマートグラスの比較・展開・再現可能な評価を可能にする統一フレームワークを提供する。

既存研究はデバイス、タスク、ベンチマークごとに断片的で、認識・応答・記憶・行動を個別に扱うことが多い。本サーベイは、知覚-状態-相互作用-行動ループ全体の信頼性・時間的妥当性・修正可能性・統治可能性に焦点を当てた統一フレームワークを初めて体系的に提示する点が新しい。

手法の肝は、一人称データフローと制約付きタスク有用性の形式化、8つの検証可能なハードウェア能力軸によるデバイス特性評価、7つの相互依存する基盤能力による文献整理、L0-L5フレームワーク（capture, reactive perception, contextual assistance, persistent state, governed action, embodied coupling）の導入、9つの応用シーンでのタスクとデータセット・システム・製品・ステークホルダー・障害結果・エビデンスギャップの関連付け、9次元の展開フレームワーク、主張条件付き評価プロトコル、エビデンスラダー（制御測定から縦断的フィールド検証・監査まで）の提示。

要旨からは、具体的な実験やデータセットによる検証方法は不明。ただし、9つの応用シーンでタスクとデータセット、システム、製品、ステークホルダー、障害結果、エビデンスギャップを関連付け、評価プロトコルとエビデンスラダーを提案していることから、文献の体系化とフレームワークの適用可能性を通じて有効性を示そうとしていると推測される。

議論としては、スマートグラスがエネルギー、熱、プライバシー、フィードバックの厳しい制約下で動作する必要があること、認識・回答・記憶・行動が個別に機能するだけでなく、完全なシステムとして持続可能なループを維持できるかが鍵であると指摘。また、文献が断片的である問題を解決するための統一フレームワークの必要性を強調している。

要旨で参照されている関連分野として、augmented reality, egocentric vision, multimodal models, human-computer interaction, embodied intelligence が挙げられる。次に読むべき論文は、これらの分野の代表的な研究（例：egocentric vision のデータセットやモデル、multimodal models の基盤モデル、embodied intelligence のエージェント研究）が考えられるが、具体的なタイトルは要旨からは不明。