Цифровой двойникГибридныйEdge-Cloud цифровой двойник для управления птицеводствомarXiv — Systems and Control (eess.SY) · вчераМоделированиеСовместное управление DRL и MPC для транспортных сетей с разными классами ТСarXiv — Systems and Control (eess.SY) · вчераЦифровой двойникМноговидовая система моделирования для интеграции цифровых двойников с LLM-анализом совместимостиarXiv API — полнотекстовый поиск "digital twin" · 18 чЦифровой двойникСтруктурированное извлечение персоны для цифровых двойников на основе LLMarXiv — Computers and Society (cs.CY) · вчераПрогнозированиеСтресс-тест LLM-агентов: влияние ленты постов на лексическое разнообразиеarXiv — Multiagent Systems (cs.MA) · вчераМоделированиеКак управлять поведением многоагентных системХабр · вчераЦифровой двойникЦифровой двойник для квантового канала спутника QEYSSatarXiv API — полнотекстовый поиск "digital twin" · 2 днЦифровой двойникСогласование верхних онтологий для обороны: IES, HQDM и BFOarXiv API — полнотекстовый поиск "digital twin" · 2 днЦифровой двойникПланирование передачи данных для цифровых двойников с учётом надёжностиarXiv API — полнотекстовый поиск "digital twin" · 2 днЦифровой двойникИИ меняет производство стекловолокна: прогнозирование, цифровые двойники и инфраструктураGlobeNewswire · 3 днЦифровой двойникКМГ внедряет цифровые двойники на 12 месторожденияхdprom.kz — промышленность · 4 днЦифровой двойникЦифровой двойник сетей SWER для узкополосной связиarXiv API — полнотекстовый поиск "digital twin" · 4 дн
Стресс-тестирование цифрового двойника умного здания
США и Запад ·
Представлена среда моделирования с учётом истинного состояния (ground-truth-aware) для оценки влияния ошибок датчиков на управление умным зданием. Синтетический двойник включает 20 зон, моделируется с 15-минутным интервалом в течение 30 дней, учитывает CO2, вентиляцию, дрейф датчиков, шум измерений и пропуски данных. Проводится сравнение политик управления, основанных на данных датчиков, с идеальным контроллером.
Почему это важно
Важно для понимания надёжности цифровых двойников при несовершенных данных, что критично для управления зданиями и другими системами.
Разработана гибридная архитектура цифрового двойника для контроля климата на птицефабриках. Она объединяет распределенные датчики, оценку состояния на устройстве, физико-данные модели и управление с прогнозом, что позволяет учитывать биологическую изменчивость и обеспечивать соблюдение ограничений благополучия.
Рассматривается совместное использование глубокого обучения с подкреплением (DRL) и управления с прогнозирующей моделью (MPC) для управления мультиклассовыми транспортными сетями, где присутствуют разные типы транспортных средств. Цель — преодолеть ограничения каждого метода: сложность обучения DRL в больших пространствах состояний и вычислительные затраты MPC.
Предложена многовидовая рамка моделирования для интеграции и повторного использования цифровых двойников. Она рассматривает интеграцию как проблему согласованности между моделями и представлениями, а также использует LLM для анализа совместимости.
