本研究提出了一种新的度量标准——50%任务完成时间标准，以评估人工智能在现实世界中的能力。研究表明，当前AI模型完成任务的时间约为50分钟，自2019年以来，其能力每七个月翻倍，未来五年可能使AI自动化许多人类需一个月完成的任务。

通过提供前馈多模态反馈和更新的ADMC建议，用户能够实时比较当前和建议的映射。在VR面对面研究中，与经典控制方法相比，新方法有效地降低了任务完成时间，减少了模式切换次数，显著降低了感知的工作负荷。ADMC方法可以超越经典模式切换，连续和阈值之间没有明显的定量差异。用户为中心的定制选项的重要性将提高机器人技术的可用性和用户接受度。

通过提供前馈多模态反馈和更新的ADMC建议，用户能够实时比较当前和建议的映射。在VR面对面研究中，通过与经典控制方法比较，降低了任务完成时间，减少了模式切换次数，显著降低了感知的工作负荷。ADMC方法在前馈情况下超越了经典模式切换。连续和阈值之间没有明显的定量差异表明用户定制选项的重要性。将这些影响纳入开发过程将提高可用性，对成功实施具有高用户接受度的机器人技术至关重要。

该论文研究了智能可穿戴眼镜在医疗监测应用中的任务卸载场景，评估了任务完成时间、计算能力和能量消耗等性能指标。研究重点关注机场等室内区域的特定用例，安全人员佩戴智能眼镜来检测个体体温是否升高，可能表明患有COVID-19。研究结果证明了在医疗环境中为可穿戴设备进行任务卸载的潜在益处。