論文の概要: Human-Centric Intelligence in the Era of Foundation Models: A Survey

• arxiv url: http://arxiv.org/abs/2608.18184v1
• Date: Tue, 18 Aug 2026 08:12:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-20 20:13:55.173266
• Title: Human-Centric Intelligence in the Era of Foundation Models: A Survey
• Title（参考訳）: 基礎モデル時代における人間中心知性:調査
• Abstract要約: 人間中心の知性は、基盤モデル時代において進化し、スケール、転送可能性、汎用モデリングに重点を置いている。 この広い景観における最近の進歩は、タスク、モダリティ、研究コミュニティにまたがって断片化され続けており、その固有の概念的および方法論的関係ははっきりしないままである。 これらの分割を橋渡しし、基礎モデル時代における人間中心の知性を再考するために、フルスペクトルの人間文脈分類を導入する。
• 参考スコア（独自算出の注目度）: 159.29291047252138
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Human-centric intelligence is evolving in the foundation-model era, with growing emphasis on scale, transferability, and general-purpose modeling. Yet it has not fully integrated with foundation models to achieve the comparable progress seen in them. More importantly, recent advances across this broad landscape remain fragmented across tasks, modalities, and research communities, leaving their intrinsic conceptual and methodological connections unclear. To bridge these divides and rethink human-centric intelligence in the foundation-model era, we introduce a full-spectrum human context taxonomy that integrates six interconnected levels by viewing humans as observable subjects through visual appearance and spatial geometry, as dynamic actors through kinematic dynamics and interaction modeling, and as situated agents through world simulation and embodied agency. We next present the methodological foundations of the field, covering human-centric data families, computational architecture paradigms, and representative training and inference optimization strategies. We then systematically review representative methods across these levels and organize the associated datasets, benchmarks, and evaluation metrics. We further discuss open challenges and promising research directions toward human-centric intelligence that is scalable, trustworthy, physically grounded, and deployable, aiming to provide a coherent framework and practical reference for advancing the field. Finally, we provide a systematically organized and continuously updated collection of human-centric AI literature and resources on our project page.
• Abstract（参考訳）: 人間中心の知性は、基盤モデル時代において進化し、スケール、転送可能性、汎用モデリングに重点を置いている。 しかし、それらに匹敵する進歩を達成するために、基礎モデルと完全に統合されていない。 さらに重要なことは、この広い風景を横断する最近の進歩は、タスク、モダリティ、研究コミュニティの間で断片化され続けており、その固有の概念的および方法論的関係ははっきりしないままである。 これらの分割を橋渡しし、基礎モデル時代における人間中心の知性を再考するために、視覚的外観と空間幾何学を通して人間を観察可能な対象として、運動力学と相互作用モデリングにより動的アクターとして、そして世界シミュレーションとエボデードエージェンシーを通して位置決めエージェントとして見ることによって、6つの相互接続レベルを統合するフルスペクトルヒューマンコンテキスト分類を導入する。 次に、人間中心のデータファミリー、計算アーキテクチャのパラダイム、代表的トレーニングと推論最適化戦略など、この分野の方法論的基盤について述べる。 次に、これらのレベルにわたる代表的メソッドを体系的にレビューし、関連するデータセット、ベンチマーク、評価メトリクスを整理する。 さらに、オープンな課題と、スケーラブルで信頼性があり、物理的に基盤があり、デプロイ可能な人間中心のインテリジェンスに向けた有望な研究方向性について論じる。 最後に、プロジェクトページ上で、体系的に組織化され、継続的に更新された人間中心のAI文献とリソースのコレクションを提供します。

関連論文リスト

• Monocular Depth Estimation from a Single Image: Progress and Opportunities [51.389814411876294]
  この調査は、初期学習に基づく手法からトランスフォーメーション基盤モデルの出現まで、この分野の進化を辿るものである。 本稿では,視覚SLAM,コンテンツ生成,ロボット知覚などのアプリケーションへの深度推定の統合を強調した。
  論文  参考訳（メタデータ） (2026-09-01T12:48:10Z)
• Hand-Object Interaction in the Age of Large Foundation Models:Reconstruction, Generation, and Embodied Transfer [55.982669669569624]
  本調査は,手動物体相互作用における基礎モデル-モデル先行の体系的検討である。 我々は,8つの基礎モデルサブプライヤの分類を幾何学的,意味的,視覚的ファミリーに分類する。 本研究では,人-データ事前学習,人間-ロボットのスキル伝達,HOI-to-ロボットデータ生成など,HOI由来の知識がロボット学習にどのように利用されているかを検討する。
  論文  参考訳（メタデータ） (2026-07-30T15:48:16Z)
• World Action Models: The Next Frontier in Embodied AI [123.5787299299832]
  VLA(Vision-Language-Action)モデルは、具体的政策学習のための強力なセマンティックな一般化を実現している。 彼らは、物理的な世界が介入の下でどのように進化するかを明示的にモデル化することなく、リアクティブな観察から行動へのマッピングを学ぶ。 成長するこの制限には、世界モデル、環境ダイナミクスの予測モデル、アクション生成パイプラインを統合することで対処する。
  論文  参考訳（メタデータ） (2026-05-12T13:10:52Z)
• Vision-and-Language Navigation for UAVs: Progress, Challenges, and a Research Roadmap [10.048113624715151]
  UAV-VLN (Vision-and-Language Navigation for Unmanned Aerial Vehicles) は、人工知能において重要な課題である。 本稿では,その形式的タスク定義から現状まで,その分野を包括的かつ構造化した調査を行う。
  論文  参考訳（メタデータ） (2026-04-15T09:20:02Z)
• Forging Spatial Intelligence: A Roadmap of Multi-Modal Data Pre-Training for Autonomous Systems [75.78934957242403]
  自動運転車とドローンは、マルチモーダル搭載センサーデータから真の空間情報を必要とする。 本稿では,この目標に向かって進む中核的な技術群を同定し,マルチモーダル・プレトレーニングのためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-30T17:58:01Z)
• FreeAskWorld: An Interactive and Closed-Loop Simulator for Human-Centric Embodied AI [24.545163508739943]
  FreeAskWorldは対話型シミュレーションフレームワークで、大規模言語モデルを統合して、ハイレベルな振る舞い計画とセマンティックな基礎的なインタラクションを実現する。 我々のフレームワークはスケーラブルでリアルなヒューマンエージェントシミュレーションをサポートし、多様な実施タスクに適したモジュラーデータ生成パイプラインを含んでいる。 再構成環境,6種類のタスクタイプ,16のコアオブジェクトカテゴリ,63,429の注釈付きサンプルフレーム,17時間以上のインタラクションデータからなる大規模ベンチマークデータセットであるFreeAskWorldを公開・公開する。
  論文  参考訳（メタデータ） (2025-11-17T15:58:46Z)
• Human-Centric Foundation Models: Perception, Generation and Agentic Modeling [79.97999901785772]
  人間中心のファンデーションモデルは、多様な人間中心のタスクを単一のフレームワークに統合します。 我々は,現在のアプローチを4つのグループに分類する分類法を提案することで,HcFMの包括的概要を示す。 この調査は、より堅牢で汎用的でインテリジェントなデジタルヒューマン・エンボディメントモデリングを目指す研究者や実践者のロードマップとして機能することを目的としている。
  論文  参考訳（メタデータ） (2025-02-12T16:38:40Z)

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。