Feb, 2024

一种基于学习的自主车辆交通标志识别的数字孪生原型

PDF
TL;DR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。
发现论文，激发创造
  • 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

    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

  • 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

  • 一种可扩展和可并行化的数字孪生框架，用于多智能体强化学习系统的可持续的模拟到现实过渡

    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

  • 基于多模空间数据的基础设施数字化关键技术研究

    构建一个包含数字孪生、交通行业、点云、道路网络和道路标志检测的研究论文的关键词和总结。

    Oct, 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

  • 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

  • 智慧城市数字孪生框架用于实时多数据集成和广泛公众分布

    数字双胞胎是城市智能化发展中的关键工具，能够监测和控制实体状态，预测其未来发展，模拟替代场景以理解变化的影响。本文介绍了 Snap4City 智慧城市数字双胞胎框架，通过数据收集、索引、计算和信息分发等功能实现持续更新的数字双胞胎，在网页界面中集成了建筑模型、道路网络、物联网设备、感兴趣点、路径等信息，以支持市民参与城市决策过程。

    Sep, 2023

  • CAVIAR: 6G 通信、3D 场景和人工智能数字孪生的协同仿真

    CAVIAR 是一种模块化的共模拟方法，用于支持数字孪生系统的虚拟对应物，并使用不同的与 6G 相关的模拟器评估 6G 应用，主要关注了使用开源解决方案模拟救援任务的性能和资源使用数据。

    Jan, 2024

  • 在油气工业中增强可靠性和适应性的数字孪生框架，实现最优和自治决策

    该研究提出了一个数字孪生框架，应用于石油和天然气工业中的气举过程，旨在提高数字孪生系统的稳健性和适应性。该框架结合了贝叶斯推断、蒙特卡罗模拟、迁移学习和不确定性管理等技术，为数字孪生系统提供高效、可靠、值得信赖的识别，并致力于改进复杂实际场景中的决策过程。

    Nov, 2023