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

数字孪生技术在移动增强现实环境中，通过创建精确的物理对象数字副本，对于重塑三维物体追踪和定位场景具有重要潜力。本文基于我们之前的工作《数字孪生追踪数据集》（DTTD），针对移动增强现实环境中的挑战，提出了一种基于转换器的 6 自由度姿态估计器，并引入了使用 iPhone 14 Pro 的创新 RGBD 数据集，通过大量实验和深入分析，证明了我们方法在处理深度数据错误时的有效性，超过现有基线的性能。代码将公开提供。

Sep, 2023

本文介绍了 Ditto 模型，它是一个通过交互感知的方式学习配置模型估计和立体几何重建的数字孪生模型，可用于虚拟环境中的应用。使用隐式神经表示来实现联合几何和构建模型，可以实现物体的数字孪生模型制作和物理仿真应用。

Feb, 2022

本文提出了一种基于物理和数据驱动的数字孪生框架，用于自主食品加工，该框架含有最小计算负载、数据存储和传感器数据要求的精益数字孪生概念，并采用一个节俭的实验设计用于训练热处理的非侵入式降阶模型，其最佳模型的测试均方根误差小于 1 开尔文（0.2％平均百分比误差），模拟速度加快达到 1.8E4 Sp，可用于设备内的模型预测控制。

Sep, 2022

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。

May, 2023

通过使用多个标注源数据集，并结合基于粗标签的标签映射以及跨数据集对象注入的数据增强方法，提高了在不同环境中、由不同传感器配置采集的数据上测试时三维物体检测模型的鲁棒性。

Aug, 2023

提出了一种名为 KDDT 的新方法用于列车控制和管理系统 (TCMS) 的异常检测，该方法利用语言模型 (LM) 和长短期记忆 (LSTM) 网络来提取背景和时间特征，在实证研究中，KDDT 表现出了卓越的性能。

Sep, 2023

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

该研究通过比较 Turbo 框架和 Denoising Diffusion Probabilistic Models 在 CDP 数据集上的能力，旨在确定 DDPM 模型在 CDP 安全的数字孪生应用中的实际益处，并评估所研究模型在移动电话数据采集环境中的生成潜力。

Sep, 2023

本文提出了一种基于知识蒸馏的联邦学习训练框架，利用数据孪生技术在服务器上训练大型教师模型，解决设备资源受限和异构性问题，并将联合问题建模为混合整数规划问题，使用 Q - 学习进行模型选择和本地或服务器训练决策，并基于优化分配用户的资源，仿真结果显示该方法显著提高了用户平均精度，同时减少了总延迟。

Mar, 2023