3Dシーングラフ（3DSG）は、幾何学的なグラウンディングと環境の意味的・関係的な抽象化を組み合わせた強力な表現手段として、空間AI分野で注目を集めています。ロボティクスとコンピュータビジョンの広範な領域において、物体操作、ナビゲーション、タスク計画、シーン理解など多くの問題に関連性を持つようになりました。しかし現在、この分野は異なる定式化、構築パイプライン、評価プロトコルが各コミュニティで独立して採用されており、分断化した状態にあります。このため、異なるアプローチの比較、共通の前提条件の特定、実世界での堅牢な展開に向けた課題の評価が困難になっています。 本論文は3Dシーングラフについて統一的かつ批判的なレビューを提供し、特にオープンチャレンジと今後の方向性に重点を置いています。まず、3Dシーングラフを統一的な定義の下で形式化し、既存の定式化を特徴付ける主要なモデリング選択肢を分析します。これにはノードとエッジの属性、階層的構造、動的シーン表現、アフォーダンス認識拡張が含まれます。 次に、生のセンサー観測から3Dシーングラフがどのように構築されるかをレビューし、最も一般的な用語、規約、技術について論じます。最後に、グラフの品質内在的評価からタスクレベルのパフォーマンスまで、ダウンストリーム応用と評価戦略を検討します。コミュニティの支援として、著者らは調査内容を整理・拡張した専用ウェブサイト（https://3dscenegraphs.com/）も提供しており、より詳細な情報へのアクセスが可能になっています。