少子高齢化による労働力不足が懸念される状況は、世界中の多くの先進国で見られます。そのため、科学実験や製品の組み立てなどの高価値タスクを自動化するための視覚言語融合（Vision & Language）および関連技術に対する注目が高まっています。本講演では、手続き的なテキストと動画データからの人間行動の理解に焦点を当て、その応用や技術的課題、社会活用の展望について解説します。たとえば、作業動画に対するキャプション生成では、一般的な動画キャプションよりも詳細に作業内容を描写する必要があります。また、作業をロボットに代替させることを目的として、手順書や動画からロボットのタスクや動作計画を生成する取り組みも始まっています。本講演では、このような状況に対する国内外の最新の研究状況を紹介するとともに、今後の展望についても語ります。

本講演では，3D身体モデルを用いた人間行動センシングの最新動向を俯瞰する．まず，SMPL/MANO/SMPL-X に代表される統一的メッシュモデルの構築原理と身体形状パラメタの解釈を概説する．続いて，単眼RGB画像や多視点カメラからの３次元姿勢・形状推定アルゴリズムを取り上げ，深層学習による幾何的事前知識と統計モデルの融合手法を紹介する．また，推定結果を産業作業解析や技能評価に接続する実例として，講演者が取り組んできた実世界の手作業映像の解析や，物体操作や自己接触を含む複雑な姿勢の再構成といった課題を整理する．こうした実装知見を共有することで，3D身体モデルに基づく人間理解技術の理解を深め，研究および産業界を含む多様な分野への応用可能性について議論する．

AIの発展は，人間が容易に思い浮かばないアイデアを次々に生み出すことを可能にしています．このような新時代において，人間自らが創造する喜びが奪われてしまうことを危惧されるかもしれません．しかし，私たち人間は，自ら思い描いた創造性を「具現化する」ことによって，喜びや幸せを感じられる生き物です．自らの身体を使うことを通して，“できなかったことができるようになる喜び”や“イメージが形になる感動”を享受しています．したがって，アイデアが溢れる世界となっても，身体を使って創造性を具現化する行為こそが，人間の感動の源泉と言っても過言ではないでしょう．とはいえ，身体と道具を巧みに使いこなし，創造性を具現化することは容易ではありません。この能動的な営みを充実させるためには，トレーニングや教育を通した創造者自身の成長と，ヒューマンセントリックなテクノロジーの発展の双方が不可欠です．本講義はその一例として，音楽家のための研究・開発・教育が循環しながら互いに相乗効果を生み出す「サーキュラーリサーチ」という取り組みを紹介します．ロボット工学や情報科学，神経科学や心理学，身体運動学といった様々な分野が学際的に融合したサイエンスとテクノロジーを通して，技能の熟達の限界から解放する術を生み出し，それをトレーニングや指導の現場に一気通貫に実装するプラットフォームについて，最新の知見についてお話します．