本文基于数字化的环境 3D 模拟，研究了 6G 系统中的 MIMO 信道和光束选择，并讨论了射线跟踪生成信道时速度和准确性的权衡。

Apr, 2022

在通信网络的背景下，数字孪生技术提供了一种复制无线电频率（RF）传播环境和系统行为的方法，从而实现基于仿真的已部署系统性能优化的方式。我们提出了一个实用的数字孪生创建流程和一个仅依赖单个安装摄像头和位置信息的通道模拟器，通过使用 DeepSense6G 挑战的真实世界数据集，在波束获取的下游子任务上展示了与不明确建模 3D 环境的方法相比的性能优势。

Jan, 2024

本文提出了一种基于因果语义通信的数字孪生系统 (DT) 框架，通过利用人工智能等技术来实现连接智能服务，从而处理基于 DT 的大量网络数据，实现网络决策并较好地实现语义可靠性。

Apr, 2023

本文提出了一个新颖的数字孪生原型，用于学习能力的自动驾驶车辆，其主要目标是进行交通标志识别和车道保持。数字孪生架构依赖于联合仿真，采用了功能模拟接口和 SystemC 事务级建模标准。数字孪生由四个客户端组成，即 i）在 Amesim 工具中设计的车辆模型，ii）在 Prescan 中开发的环境模型，iii）在机器人操作系统中设计的车道保持控制器，以及 iv）在 BIP（行为、交互、优先级）的形式建模语言中开发的感知和速度控制模块。这些客户端与数字孪生平台 PAVE360-Veloce System Interconnect（PAVE360-VSI）进行接口。PAVE360-VSI 充当联合仿真协调器，负责通过服务器进行同步、互连和数据交换。服务器在不同客户端之间建立连接，并确保遵守以太网协议。最后，我们给出了数字孪生仿真和未来工作的建议。

Feb, 2024

数字孪生通过同步数字复制品实现物理实体的仿真、评估和优化，在复杂的无线网络中作为一项有前景的技术引起了越来越多的关注。本文讨论了在 6G 时代中，考虑到复杂的网络架构、巨大的网络规模、广泛的覆盖范围和多样化的应用场景，对无线网络数字孪生的新要求，并进一步探讨了生成式人工智能，如变压器和扩散模型等在多个方面强化 6G 数字孪生的应用，包括实施、物理 - 数字同步和切片能力。随后，我们提出了一个基于分层生成式人工智能的无线网络数字孪生，包括消息层和策略层，并通过数值结果提供了一个典型的应用案例来验证其有效性和效率。最后，我们讨论了 6G 时代无线网络数字孪生的开放性研究问题。

Nov, 2023

本文考虑了车载毫米波无线电的数字孪生，通过多个不同精度等级的数字孪生的相互交互，提供一种基于多元宇宙的数字孪生选择策略，同时使用异构数字孪生提高决策的可靠性和实时性，实验结果表明多元宇宙策略可以在线上实时提供符合要求的数字孪生结果，实现波束选择的优化。

May, 2023

使用数字孪生技术对第六代（6G）无线系统进行虚拟建模和优化，使其适于物联网（IoE）应用；同时，本文还提供了基于边缘孪生、云孪生和边缘 - 云孪生的体系结构组件和趋势描述，进行比较并为未来研究方向提供指导。

Feb, 2021

通过引入数字同胞的概念，本研究提出一种新的模拟测试框架，该框架可以在多个通用模拟器上测试自动驾驶软件，并可以计算集成预测失败概率，并将失败仅在同胞之间达成一致时报告。研究结果表明，数字同胞的集成失败预测器优于每个单独的模拟器，可以帮助感兴趣的研究人员进行自动化测试的研究。

May, 2023

本文提出了一种可持续的多智能体深度强化学习框架，能够按需选择性地扩展并行训练工作负载，并利用最小的硬件资源将训练策略从模拟转移到真实环境中。我们引入了 AutoDRIVE 生态系统作为一种使合作和竞争的多智能体强化学习策略能够从模拟环境转移到现实环境中进行训练、部署和传输的数字孪生框架。在研究中，我们首先探讨了 4 个合作车辆（Nigel）在单个智能体和多智能体学习环境中共享有限状态信息时的交叉路口问题，并采用了共同的策略方法。然后，我们使用个体策略方法研究了 2 辆车（F1TENTH）的对抗自主赛车问题。在实验中，我们采用了分散式学习架构，能够在不确定性环境中进行稳健的策略训练和测试。智能体只能观察到有限的观测空间，并且只能采样满足运动动力学和安全约束的控制动作。我们以定量指标和定性评述的方式报告了两个问题陈述的实验结果，包括训练和部署阶段。我们还讨论了用于加速多智能体强化学习训练的智能体和环境并行化技术，并分析了它们的计算性能。最后，我们使用提出的数字孪生框架展示了从模拟环境到真实环境中训练策略的资源感知过渡。

Mar, 2024

本研究介绍了一种信息共享和安全多智能体强化学习框架，通过车辆间通信收集处理后的 LIDAR 和摄像头数据，在提高交通效率和安全方面取得优势，并在 CARLA 模拟器中得到验证。

Feb, 2023