arXiv AI Education· Clarisa Grijalva-Lugo, Yu-Zheng Lin, Shalaka Satam, Sicong Shao, Jesus Pacheco, Soheil Salehi, Pratik Satam·· 1 天前评分16
A Human-Centric Adaptive Multi-Fidelity Digital Twin Framework for Cyber-Physical Systems
摘要
数字孪生系统必须在有限数据下运行,针对部署后变化的资产,满足人类不同需求,但现有实现仅在设计时固定精度,无法匹配人类或任务的表示。本文提出一种以人为本的自适应多精度数字孪生框架,建模不断变化的人类、物理孪生体和数字孪生核心,并添加人类推理与适应功能,估计人类状态、预测响应并调整表示。框架通过适应性和耦合度区分低、中、高精度层级,适应度量化为数字孪生延迟与过程步骤持续时间的比值。
推荐理由
请对照arXiv AI Education原文,核对完整说明及适用条件。
本站只提供摘要与原文入口。完整内容请阅读原文。
来源:arXiv AI Education · arxiv.org