К интерактивному интеллекту для цифровых людей
Towards Interactive Intelligence for Digital Humans
December 15, 2025
Авторы: 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
Аннотация
Мы представляем новую парадигму цифрового человека — Интерактивный Интеллект, способный к выражению, согласованному с личностью, адаптивному взаимодействию и саморазвитию. Для её реализации предлагается Mio (Multimodal Interactive Omni-Avatar) — сквозная фреймворк-архитектура, состоящая из пяти специализированных модулей: Модуль мышления, Модуль речи, Аниматор лица, Аниматор тела и Модуль визуализации. Данная унифицированная архитектура интегрирует когнитивные рассуждения с реальным многомодальным воплощением, обеспечивая плавное и последовательное взаимодействие. Кроме того, мы создали новый эталонный тест для строгой оценки возможностей интерактивного интеллекта. Многочисленные эксперименты демонстрируют, что наша система превосходит современные методы по всем оцениваемым параметрам. В совокупности эти достижения выводят цифровых людей за рамки поверхностного подражания, приближая их к интеллектуальному взаимодействию.
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.