論文の概要: Holi-World: Building Holistic World Intelligence from Human-Ego Experience

• arxiv url: http://arxiv.org/abs/2610.26549v1
• Date: Mon, 19 Oct 2026 15:10:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 02:42:18.597944
• Title: Holi-World: Building Holistic World Intelligence from Human-Ego Experience
• Title（参考訳）: Holi-World: 人間-エゴの経験からホロスティックな世界インテリジェンスを構築する
• Abstract要約: 人間の自我中心の体験は、世界がどのように組織化され、それが相互作用を通してどのように変化するかを学ぶための豊富な基盤を提供する。 本稿では、体験キャプチャー、世界表現、自動データ構築、モデル学習、独立評価を結合する統合エコシステムであるHOLI-WORLDを紹介する。
• 参考スコア（独自算出の注目度）: 47.32272268475361
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Human egocentric experience offers a rich foundation for learning how the world is organized and how it changes through interaction. Realizing this potential at scale requires turning growing volumes of recordings into learning resources that connect scene structure, object semantics, and interaction histories across viewpoints and time, while reducing dependence on costly manual annotation. We introduce HOLI-WORLD, an integrated ecosystem connecting experience capture, world representation, automated data construction, model learning, and independent evaluation. To sup- port learning at scale, HOLIWORLD-Foundry combines complementary static and dynamic perception to automatically construct world records that connect persistent scene structure and evolving object states with interaction histories and supporting observations. HOLIWORLD-Data organizes these records from approximately 100 self-collected scenes into grounded learning resources, including approximately 80K QA pairs used to train HOLIWORLD-VL-4B. Independent human annotations of heldout recordings form HOLIWORLD-Bench, supporting evaluation of both annotation quality and learned spatial and temporal understanding. Experiments on ScanNet, ScanNet++, Aria Digital Twin, and HOLIWORLD-Bench demonstrate strong performance in static perception and dynamic tracking, while training on HOLIWORLD-Data substantially improves HOLIWORLD-VL-4B's spatial and temporal reasoning on HOLI- WORLD-Bench and EgoDynamic4D. HOLIWORLD provides a practical foundation for expanding learning resources from the continuous flow of human experience and advancing machine understanding of the dynamic world.
• Abstract（参考訳）: 人間の自我中心の体験は、世界がどのように組織化され、それが相互作用を通してどのように変化するかを学ぶための豊富な基盤を提供する。 この可能性を大規模に実現するには、増大する記録をシーン構造、オブジェクトセマンティクス、相互作用履歴を視点や時間にわたって接続する学習リソースに変換するとともに、コストのかかる手作業によるアノテーションへの依存を減らす必要がある。 本稿では、体験キャプチャー、世界表現、自動データ構築、モデル学習、独立評価を結合する統合エコシステムであるHOLI-WORLDを紹介する。 HOLIWORLD-Foundryは、大規模にポート学習を行うため、相補的な静的および動的知覚を組み合わせることで、永続的なシーン構造とオブジェクト状態と相互作用履歴と相互作用し、観察をサポートする世界記録を自動構築する。 HOLIWORLD-Dataは、約100の自己コンパイルシーンから、HOLIWORLD-VL-4Bのトレーニングに使用される約80KのQAペアを含む、基礎となる学習リソースに、これらの記録を整理する。 ホールドアウト記録の独立した人間のアノテーションはHOLIWORLD-Benchを形成し、アノテーションの品質評価と空間的および時間的理解の両立を支援する。 ScanNet、ScanNet++、Aria Digital Twin、HOLIWORLD-Benchの実験は静的知覚と動的追跡において強い性能を示し、HOLIWORLD-DataのトレーニングはHOLIWORLD-VL-4BのHOLI-WORLD-BenchとEgoDynamic4Dの空間的および時間的推論を大幅に改善する。 HOLIWORLDは、人間の体験の継続的な流れから学習資源を拡大し、動的世界の機械的理解を促進するための実践的な基盤を提供する。

関連論文リスト

• EWAM: Emergent Depth-Wise Specialization in a Unified Embodied Model -- From Semantic Understanding through Visual Foresight to Action [65.7650775259592]
  視覚言語行動(VLA)ポリシーは意味理解を重視し、世界行動モデル(WAM)は環境力学の予測表現を学習する。 本研究では,アクション中心の統一型エンボディモデルであるEWAMについて述べる。
  論文  参考訳（メタデータ） (2026-09-30T15:35:53Z)
• OPINE-World: Programmatic World Modeling with Ontology-error-Prioritized Interactive Exploration [29.764166104307932]
  本稿では,対話からオブジェクト中心のプログラミング世界モデルを学ぶエージェントOPINE-Worldを紹介する。 OPINE-Worldは25試合中20試合をゲームごとのトレーニングなしで解決し、人間のベースラインに対するアクション効率スコア78.4に達する。
  論文  参考訳（メタデータ） (2026-07-01T23:04:47Z)
• Perceiving and Acting in First-Person: A Dataset and Benchmark for Egocentric Human-Object-Human Interactions [110.43343503158306]
  本稿では、手動支援タスクを視覚言語アクションフレームワークに組み込み、そのアシスタントは、自我中心のビジョンとコマンドに従ってインストラクターにサービスを提供する。 この設定の下で、我々は、マルチモーダルデータの11.4時間1.2Mフレームを持つ、最初の大規模人・物・人間のインタラクションデータセットであるInterVLAを達成した。 我々は,エゴセントリックな人の動き推定,相互作用合成,および包括的分析による相互作用予測に関する新しいベンチマークを構築した。
  論文  参考訳（メタデータ） (2025-08-06T17:46:23Z)
• A Human Digital Twin Architecture for Knowledge-based Interactions and Context-Aware Conversations [0.9580312063277943]
  人工知能(AI)と機械学習(ML)の最近の進歩は、HAT(Human-Autonomy Teaming)の新しい機会を生み出している。 本稿では,知識報告,回答,レコメンデーションのためのLarge Language Models(LLM)を統合したリアルタイムHuman Digital Twin(HDT)アーキテクチャを提案する。 HDTは、トレーニングからデプロイメント、アフターアクションレビューまで、ミッションライフサイクル全体を通して統合された、視覚的で行動的に現実的なチームメンバーとして機能します。
  論文  参考訳（メタデータ） (2025-04-04T03:56:26Z)
• Dual Cognitive Architecture: Incorporating Biases and Multi-Memory Systems for Lifelong Learning [21.163070161951868]
  本稿では,複数のサブシステム,暗黙的かつ明示的な知識表現,帰納的バイアス,マルチメモリシステムを含むDual Cognitive Architecture(DUCA)を紹介する。 DUCAはさまざまな設定やデータセットにまたがって改善を示し、余分な情報を必要とせずにタスクの遅延バイアスを低減している。 分散シフトが困難な場合の生涯学習手法の汎用性をさらに検証するため,ドメイン・インクリメンタル・データセットDN4ILを導入する。
  論文  参考訳（メタデータ） (2023-10-17T15:24:02Z)
• OCTScenes: A Versatile Real-World Dataset of Tabletop Scenes for Object-Centric Learning [41.09407455527254]
  OCTScenes と呼ばれるオブジェクト中心学習のためのテーブルトップシーンの多用途実世界のデータセットを提案する。 OCTScenesには5000のテーブルトップシーンがあり、合計で15のオブジェクトがある。 オブジェクト中心学習手法の比較、評価、分析のためのベンチマークとして、慎重に設計されている。
  論文  参考訳（メタデータ） (2023-06-16T08:26:57Z)
• DynaVol: Unsupervised Learning for Dynamic Scenes through Object-Centric Voxelization [67.85434518679382]
  幾何学構造と物体中心学習を統一した3次元シーン生成モデルDynaVolを提案する。 鍵となるアイデアは、シーンの3D特性を捉えるために、オブジェクト中心のボキセル化を実行することである。 ボクセルの機能は標準空間の変形関数を通じて時間とともに進化し、グローバルな表現学習の基礎を形成する。
  論文  参考訳（メタデータ） (2023-04-30T05:29:28Z)
• Bridging the Gap to Real-World Object-Centric Learning [66.55867830853803]
  自己教師付き方法で訓練されたモデルから特徴を再構成することは、完全に教師なしの方法でオブジェクト中心表現が生じるための十分な訓練信号であることを示す。 我々のアプローチであるDINOSAURは、シミュレーションデータ上で既存のオブジェクト中心学習モデルよりも大幅に優れています。
  論文  参考訳（メタデータ） (2022-09-29T15:24:47Z)

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。