本研究评估了实时视频语言模型在辅助视觉障碍者中的有效性，构建了基准数据集（VisAssistDaily）。结果显示，GPT-4o在任务成功率上表现最佳。此外，提出了环境意识数据集SafeVid，以检测动态环境中的潜在危险，为未来研究提供了启示。