EGONORMIA $\epsilon$는 1,853개(EGONORMIA-verified는 200개)의 객관식 문제(MCQ)로 구성된 새로운 데이터셋으로, 인간 상호작용의 자기중심적 비디오에 기반한 규범적 추론 평가 및 개선을 위한 것입니다. 7가지 규범 범주(안전, 프라이버시, 근접성, 예의범절, 협력, 조정/능동성, 의사소통/가독성)를 포함하며, 원시 자기중심적 비디오에서 맥락 기반 MCQ를 생성하는 새로운 파이프라인을 제안합니다. 현재 최첨단 VLMs는 EGONORMIA에서 최대 54%, EGONORMIA-verified에서 65%의 점수를 얻어 견고한 규범 이해가 부족함을 보여주며, 특히 안전 및 프라이버시 측면에서 실제 에이전트에 VLMs를 사용할 때 상당한 위험이 있음을 시사합니다. 또한, EGONORMIA를 사용한 단순한 검색 기반 생성(RAG) 방법을 통해 VLMs의 규범적 이해를 향상시킬 수 있음을 보여줍니다.
