May, 2023

数字孪生在自主驾驶机动系统中的应用探索 —— 新的移动时代

PDF
TL;DR本篇论文提供了数字孪生在自主车辆工业中的系统评述，重点强调了准确的数据收集、实时分析和高效的模拟能力，以此来提高性能和可靠性，同时探讨了数字孪生的技术挑战和中心技术，并对在智慧城市中自主车辆所使用的不同方法进行了对比分析，最后讨论了数字孪生在自主车辆行业中的应用挑战和限制。
digital twinsautonomous vehicular industrydata collectionsimulation capabilitiessmart cities
发现论文，激发创造
  • 城市物流中数字孪生应用概述

    本研究提供了数字孪生技术在城市物流网络中的应用框架，包括城市物流的关键因素、数字孪生技术的本体论、学习能力和优化能力，以及定量模型。此外，我们还对数字孪生技术在城市物流中的应用进行了调查，并讨论了潜在的研究效益和局限性。

    Feb, 2023

  • 自动驾驶中的模拟现实和数字孪生：综述

    本文探讨了自动驾驶技术中的安全性和成本问题，并介绍了通过两种技术解决虚拟仿真与实际场景差异带来的问题的研究进展：从仿真到真实场景的知识迁移（sim2real）和数字孪生的学习。同时，对算法、模型、仿真器的最新发展进行了概述，阐述了 sim2real 和数字孪生对自动驾驶领域的深远影响。

    May, 2023

  • 交通诊断数字孪生系统的系统性映射研究

    数字孪生在交通领域的诊断能力有限，需要进一步研究以实现诊断推理。

    Jan, 2024

  • 构建和评估数字孪生：一个智能框架用于 DT 开发

    数字孪生的发展代表了一种在受控数字空间中模拟和优化复杂系统的变革性进展，本文介绍了一种智能框架用于构建和评估数字孪生，旨在提高数字孪生在测试算法性能方面的准确性和实用性。

    Jun, 2024

  • TwinExplainer：解释汽车数字孪生的预测

    本文介绍一种 TwinExplainer 系统，其可以解释汽车数据驱动数字孪生系统的预测，并且它可以帮助汽车利益相关者了解传感器通道的全球规模以及它们对通用 DT 预测的贡献。

    Feb, 2023

  • 双胞胎车联网络在密集区域是否能提升其性能？

    该研究探讨了数字孪生（DT）在提升密集人口城区中的网络性能方面的潜力，具体关注车辆网络。研究包括两个阶段，第一阶段利用交通数据和人工智能聚类来确定关键位置，尤其是在事故率高的拥挤城区。第二阶段评估了通过三种部署场景对车辆网络进行孪生的优势：基于边缘的孪生、基于云的孪生和混合孪生。我们的分析表明，孪生显著减少了网络延迟，虚拟孪生优于物理网络。虚拟孪生即使在车辆密度增加的情况下，如 300 辆车的情况下，仍保持较低的延迟，例如 15.05 秒。此外，在某些情境中，云孪生的计算速度较快，是边缘孪生的 1.7 倍。这些发现为高效车辆通信提供了见解，并强调在做出部署决策时考虑现实因素的重要性。

    Feb, 2024

  • 数字孪生的新视角：为实体赋予智能和代理能力

    将数字孪生作为赋予智能和机构的实体的方式，可以避免混淆，人性化概念，并讨论数字孪生的智能程度、角色和责任，以及为数字孪生设定长期方向。

    Oct, 2022

  • 数字孪生：从概念到实践

    本文提出了一个数字化框架，通过权衡每个层次的利弊，制定数字孪生系统的评价标准，评估所选数字孪生系统对组织流程、策略和价值创造的影响，来帮助实践者选择数字孪生系统中的适当复杂度，同时提出数字孪生系统能提供诸如预测、模拟、人工智能和机器学习等新兴能力的误用选择可能带来的风险。三个实际案例证明了该框架的应用和实用性。

    Jan, 2022

  • 工业数字孪生在下一代无线网络和计算智能交汇处的调查

    该研究介绍了数字孪生技术在智能制造业中的功能方面和创新应用，并对 NextG 无线技术、数据分析和边缘云计算等进行了全面的综述和反思，同时讨论数字孪生在不同工业通信层的部署策略，总结了相关的关键问题和未来研究方向。

    Aug, 2021

  • 基于图像的深度学习技术对智能数字孪生的综述

    通过持续数据同化，智能数字孪生系统（SDTs）在多个领域中使用图像数据观察和学习系统行为，并控制其行为，从而提高复杂系统的性能优化。本文聚焦于不断同化物理系统中的图像数据来发展基于图像的 SDTs 的各种方法及相关挑战，并讨论了设计和实现 DL 模型用于 SDTs 所面临的挑战，包括数据采集、处理和解释等方面。此外，还提供了关于发展新的基于图像的 DL 方法以构建稳健 SDTs 的未来方向和机会，包括利用生成模型进行数据增强，开发多模态 DL 模型，以及探索与 5G、边缘计算和物联网等其他技术的融合。本文描述了基于图像的 SDTs，使得数字孪生系统（DT）的范式能够在广泛的领域得到更广泛的应用，并开发新的方法以提高 SDTs 在复制、预测和优化复杂系统行为方面的能力。

    Jan, 2024