論文の概要: Mind Meets Space: Rethinking Agentic Spatial Intelligence from a Neuroscience-inspired Perspective

• arxiv url: http://arxiv.org/abs/2509.09154v1
• Date: Thu, 11 Sep 2025 05:23:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-12 16:52:24.236247
• Title: Mind Meets Space: Rethinking Agentic Spatial Intelligence from a Neuroscience-inspired Perspective
• Title（参考訳）: Mind Meets Space: 神経科学にインスパイアされた視点からエージェント的空間知性を再考する
• Authors: Bui Duc Manh, Soumyaratna Debnath, Zetong Zhang, Shriram Damodaran, Arvind Kumar, Yueyi Zhang, Lu Mi, Erik Cambria, Lin Wang,
• Abstract要約: エージェントAIの最近の進歩は、自律的なタスク実行と言語に基づく推論が可能なシステムにつながっている。 人間の空間知能は、統合された多感覚知覚、空間記憶、認知マップに根ざし、非構造環境における柔軟でコンテキスト対応の意思決定を可能にする。
• 参考スコア（独自算出の注目度）: 53.556348738917166
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advances in agentic AI have led to systems capable of autonomous task execution and language-based reasoning, yet their spatial reasoning abilities remain limited and underexplored, largely constrained to symbolic and sequential processing. In contrast, human spatial intelligence, rooted in integrated multisensory perception, spatial memory, and cognitive maps, enables flexible, context-aware decision-making in unstructured environments. Therefore, bridging this gap is critical for advancing Agentic Spatial Intelligence toward better interaction with the physical 3D world. To this end, we first start from scrutinizing the spatial neural models as studied in computational neuroscience, and accordingly introduce a novel computational framework grounded in neuroscience principles. This framework maps core biological functions to six essential computation modules: bio-inspired multimodal sensing, multi-sensory integration, egocentric-allocentric conversion, an artificial cognitive map, spatial memory, and spatial reasoning. Together, these modules form a perspective landscape for agentic spatial reasoning capability across both virtual and physical environments. On top, we conduct a framework-guided analysis of recent methods, evaluating their relevance to each module and identifying critical gaps that hinder the development of more neuroscience-grounded spatial reasoning modules. We further examine emerging benchmarks and datasets and explore potential application domains ranging from virtual to embodied systems, such as robotics. Finally, we outline potential research directions, emphasizing the promising roadmap that can generalize spatial reasoning across dynamic or unstructured environments. We hope this work will benefit the research community with a neuroscience-grounded perspective and a structured pathway. Our project page can be found at Github.
• Abstract（参考訳）: エージェントAIの最近の進歩は、自律的なタスク実行と言語に基づく推論が可能なシステムに繋がったが、その空間推論能力は限定的で未探索であり、象徴的でシーケンシャルな処理に大きく制約されている。 対照的に、統合された多感覚知覚、空間記憶、認知マップに根ざした人間の空間知能は、非構造環境における柔軟でコンテキスト対応の意思決定を可能にする。 したがって、このギャップを埋めることは、エージェント空間知能を物理的な3D世界との相互作用を改善するために重要である。 この目的のために、我々はまず、計算神経科学において研究される空間神経モデルの精査から始め、それに伴い、神経科学の原理に基づく新しい計算枠組みを導入する。 このフレームワークは、生体機能の中核を6つの重要な計算モジュールにマッピングする: バイオインスパイアされたマルチモーダルセンシング、多感覚統合、自我中心中心変換、人工認知マップ、空間記憶、空間推論。 これらのモジュールは、仮想環境と物理環境の両方にわたるエージェント空間推論能力のための視点ランドスケープを形成する。 その上で,最近の手法のフレームワーク誘導分析を行い,各モジュールとの関連性を評価し,より神経科学的な空間推論モジュールの開発を妨げる重要なギャップを特定する。 さらに、新しいベンチマークやデータセットを調べ、ロボット工学のような仮想システムからエンボディシステムまで、潜在的なアプリケーション領域について検討する。 最後に、動的または非構造環境における空間的推論を一般化できる有望なロードマップを強調し、潜在的研究の方向性を概説する。 この研究が、神経科学的な視点と構造化された経路で研究コミュニティに利益をもたらすことを期待している。 プロジェクトのページはGithubにある。

関連論文リスト

• Bridging Brains and Machines: A Unified Frontier in Neuroscience, Artificial Intelligence, and Neuromorphic Systems [30.78088656917387]
  この位置と調査論文は、神経科学、人工知能、ニューロモルフィックコンピューティングの出現する収束を識別する。 我々は,次世代AGIシステムの設計原則として,シナプスの可塑性,スパーススパイクに基づくコミュニケーション,マルチモーダルアソシエーションがいかに重要であるかを強調した。 我々は、シリコンの脳規模の効率を達成するために、フォン・ノイマンのボトルネックを破ることのできる新しい物理基板について論じる。
  論文  参考訳（メタデータ） (2025-07-14T18:43:05Z)
• Neural Brain: A Neuroscience-inspired Framework for Embodied Agents [58.58177409853298]
  大規模な言語モデルのような現在のAIシステムは、いまだに解体され続けており、物理的に世界と関わりが持てない。 この課題の核心は、人間のような適応性を持つエンボディエージェントを駆動するために設計された中枢知能システムであるNeural Brain(ニューラル・ブレイン)の概念である。 本稿では,2つの基本的な課題に対処する,エンボディエージェントのニューラルブレインの統一的枠組みを提案する。
  論文  参考訳（メタデータ） (2025-05-12T15:05:34Z)
• Nature's Insight: A Novel Framework and Comprehensive Analysis of Agentic Reasoning Through the Lens of Neuroscience [11.174550573411008]
  エージェント推論のための神経科学に着想を得た新しい枠組みを提案する。 我々は,既存のAI推論手法を体系的に分類し,分析するために,この枠組みを適用した。 本稿では,ニューラルインスパイアされた新しい推論手法を提案する。
  論文  参考訳（メタデータ） (2025-05-07T14:25:46Z)
• Brain-like Functional Organization within Large Language Models [58.93629121400745]
  人間の脳は長い間人工知能(AI)の追求にインスピレーションを与えてきた 最近のニューロイメージング研究は、人工ニューラルネットワーク(ANN)の計算的表現と、人間の脳の刺激に対する神経反応との整合性の説得力のある証拠を提供する。 本研究では、人工ニューロンのサブグループと機能的脳ネットワーク(FBN)を直接結合することで、このギャップを埋める。 このフレームワークはANサブグループをFBNにリンクし、大きな言語モデル(LLM)内で脳に似た機能的組織を記述できる。
  論文  参考訳（メタデータ） (2024-10-25T13:15:17Z)
• Enhancing learning in spiking neural networks through neuronal heterogeneity and neuromodulatory signaling [52.06722364186432]
  人工ニューラルネットワーク(ANN)の強化のための生物学的インフォームドフレームワークを提案する。 提案したデュアルフレームアプローチは、多様なスパイキング動作をエミュレートするためのスパイキングニューラルネットワーク(SNN)の可能性を強調している。 提案手法は脳にインスパイアされたコンパートメントモデルとタスク駆動型SNN, バイオインスピレーション, 複雑性を統合している。
  論文  参考訳（メタデータ） (2024-07-05T14:11:28Z)
• A Review of Findings from Neuroscience and Cognitive Psychology as Possible Inspiration for the Path to Artificial General Intelligence [0.0]
  本論は,神経科学と認知心理学の手法を検討することによって,人工知能の探求に貢献することを目的とする。 深層学習モデルによって達成された印象的な進歩にもかかわらず、抽象的推論と因果的理解にはまだ欠点がある。
  論文  参考訳（メタデータ） (2024-01-03T09:46:36Z)
• Brain-Inspired Machine Intelligence: A Survey of Neurobiologically-Plausible Credit Assignment [65.268245109828]
  本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。 我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。 本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
  論文  参考訳（メタデータ） (2023-12-01T05:20:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。