论文页面 - 从观察到行动：智能眼镜作为第一人称智能平台

来源：https://huggingface.co/papers/2608.24877

摘要

本文综述智能眼镜作为统一的第一人称智能平台，需要在受限硬件和多样化应用中构建持续的感知-状态-交互-行动闭环。

智能眼镜正从捕捉与显示配件演变为连接人类感知、持久上下文及数字或物理行动的第一人称智能平台。其佩戴视角与穿戴者的视觉、听觉、运动及手-物交互对齐，但必须在严格的能耗、散热、隐私与反馈限制下运行。尽管增强现实、自我中心视觉（https://huggingface.co/papers?q=egocentric%20vision）、多模态模型（https://huggingface.co/papers?q=multimodal%20models）、人机交互和具身智能（https://huggingface.co/papers?q=embodied%20intelligence）等领域进展迅速，现有文献仍呈现设备、任务与基准的碎片化特征。关键挑战并非模型能否独立识别、应答、记忆或行动，而在于完整系统能否维持可靠、时序有效、可纠正且受控的感知-状态-交互-行动闭环。本综述是\textbf{首个通过统一框架系统研究智能眼镜的学术工作}。我们形式化第一人称数据流与受限任务效用，沿八个可验证硬件能力轴对设备特性进行刻画，围绕七个相互依存的基础能力组织文献，并提出涵盖捕获、反应式感知、情境辅助、持久状态、受控行动与具身耦合的L0-L5框架。通过九类应用场景，我们将任务与数据集、系统、产品、利益相关方、失效后果及证据缺口相连接。此外，我们提出九维部署框架、声明条件评估协议，以及从受控测量到纵向现场验证与审计的证据阶梯。这些要素共同使智能眼镜更具可比性、可部署性及可复现评估性，并勾勒出迈向可信第一人称智能的路线图。

查看arXiv页面（https://arxiv.org/abs/2608.24877）查看PDF（https://arxiv.org/pdf/2608.24877）项目页面（https://github.com/zhangzjn/awesome-smart-glasses）GitHub3（https://github.com/zhangzjn/awesome-smart-glasses）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2608.24877）

在你的智能体中获取此论文：

hf papers read 2608\.24877

尚未安装最新CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用本文的模型数量：0

无模型链接此论文

在模型README.md中引用arxiv.org/abs/2608.24877以从此页面建立链接。

引用本文的数据集数量：0

无数据集链接此论文

在数据集README.md中引用arxiv.org/abs/2608.24877以从此页面建立链接。

引用本文的Space数量：0

无Space链接此论文

在Space README.md中引用arxiv.org/abs/2608.24877以从此页面建立链接。

包含本文的合集数量：0

无合集包含此论文

将此论文添加到合集（https://huggingface.co/new-collection）以从此页面建立链接。