自动扶梯问题：识别 AI 无障碍应用中的隐式运动盲区

多模态大语言模型作为视障人士的辅助技术具有巨大潜力。然而，我们发现了一个关键的失效模式，该模式削弱了它们在实际应用中的可信度。我们提出“自动扶梯问题”——即最先进的模型无法感知自动扶梯的运行方向——作为我们称之为“隐式运动盲区”这一更深层次局限性的典型例子。这种盲区源于视频理解中占主导地位的帧采样范式，该范式将视频视为离散的静态图像序列，从根本上难以感知连续的、低信号的运动。作为一篇立场论文，我们的贡献并非提出一个新模型，而是：（I）正式阐明这一盲点，（II）分析其对用户信任的影响，以及（III）发出行动呼吁。我们倡导从纯粹的语义识别转向鲁棒的物理感知，并敦促开发新的、以人为中心的基准，优先考虑动态环境中用户的安全性、可靠性和真实需求。