Verso un’Intelligenza Interattiva per gli Umani Digitali
Towards Interactive Intelligence for Digital Humans
December 15, 2025
Autori: Yiyi Cai, Xuangeng Chu, Xiwei Gao, Sitong Gong, Yifei Huang, Caixin Kang, Kunhang Li, Haiyang Liu, Ruicong Liu, Yun Liu, Dianwen Ng, Zixiong Su, Erwin Wu, Yuhan Wu, Dingkun Yan, Tianyu Yan, Chang Zeng, Bo Zheng, You Zhou
cs.AI
Abstract
Introduciamo Interactive Intelligence, un nuovo paradigma di umano digitale in grado di espressione allineata alla personalità, interazione adattiva e auto-evoluzione. Per realizzarlo, presentiamo Mio (Multimodal Interactive Omni-Avatar), un framework end-to-end composto da cinque moduli specializzati: Thinker, Talker, Face Animator, Body Animator e Renderer. Questa architettura unificata integra il ragionamento cognitivo con un'embodiment multimodale in tempo reale per abilitare un'interazione fluida e coerente. Inoltre, stabiliamo un nuovo benchmark per valutare rigorosamente le capacità dell'intelligenza interattiva. Esperimenti estensivi dimostrano che il nostro framework raggiunge prestazioni superiori rispetto ai metodi state-of-the-art in tutte le dimensioni valutate. Complessivamente, questi contributi spostano gli umani digitali oltre la semplice imitazione superficiale verso l'interazione intelligente.
English
We introduce Interactive Intelligence, a novel paradigm of digital human that is capable of personality-aligned expression, adaptive interaction, and self-evolution. To realize this, we present Mio (Multimodal Interactive Omni-Avatar), an end-to-end framework composed of five specialized modules: Thinker, Talker, Face Animator, Body Animator, and Renderer. This unified architecture integrates cognitive reasoning with real-time multimodal embodiment to enable fluid, consistent interaction. Furthermore, we establish a new benchmark to rigorously evaluate the capabilities of interactive intelligence. Extensive experiments demonstrate that our framework achieves superior performance compared to state-of-the-art methods across all evaluated dimensions. Together, these contributions move digital humans beyond superficial imitation toward intelligent interaction.