論文の概要: Digital Twin: Where do humans fit in?

• arxiv url: http://arxiv.org/abs/2301.03040v1
• Date: Sun, 8 Jan 2023 13:25:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-10 18:05:21.978235
• Title: Digital Twin: Where do humans fit in?
• Title（参考訳）: Digital Twin: 人間はどこに収まるのか?
• Authors: Ashwin Agrawal, Robert Thiel, Pooja Jain, Vishal Singh, Martin Fischer
• Abstract要約: 作業システムで人間とDTが果たす役割に関する知識の欠如は、多大なコスト、リソースの配置ミス、DTからの非現実的な期待、戦略的ミスアライメントをもたらす可能性がある。 2次元概念的枠組みであるLevels of Digital Twin (LoDT)を提案する。 このフレームワークは, (1) オブザーバ, (2) アナリスト, (3) 意思決定者, (4) アクション実行者(Action Executor) と,これらの役割の自動化範囲を, 完全に手作業から完全に自動化された5つのレベルに分けて, DTが果たす役割のタイプを統合する。
• 参考スコア（独自算出の注目度）: 2.5104070350683787
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Digital Twin (DT) technology is far from being comprehensive and mature, resulting in their piecemeal implementation in practice where some functions are automated by DTs, and others are still performed by humans. This piecemeal implementation of DTs often leaves practitioners wondering what roles (or functions) to allocate to DTs in a work system, and how might it impact humans. A lack of knowledge about the roles that humans and DTs play in a work system can result in significant costs, misallocation of resources, unrealistic expectations from DTs, and strategic misalignments. To alleviate this challenge, this paper answers the research question: When humans work with DTs, what types of roles can a DT play, and to what extent can those roles be automated? Specifically, we propose a two-dimensional conceptual framework, Levels of Digital Twin (LoDT). The framework is an integration of the types of roles a DT can play, broadly categorized under (1) Observer, (2) Analyst, (3) Decision Maker, and (4) Action Executor, and the extent of automation for each of these roles, divided into five different levels ranging from completely manual to fully automated. A particular DT can play any number of roles at varying levels. The framework can help practitioners systematically plan DT deployments, clearly communicate goals and deliverables, and lay out a strategic vision. A case study illustrates the usefulness of the framework.
• Abstract（参考訳）: デジタルツイン(DT)技術は包括的で成熟していないため、DTによって自動化された関数や、人間によってまだ実行されている関数が実際に実装されている。 このDTの断片的な実装は、作業システムにおけるDTにどんな役割(あるいは機能)を割り当てるか、そしてそれが人間にどのように影響するかを、実践者に任せることが多い。 作業システムで人間とDTが果たす役割に関する知識の欠如は、多大なコスト、リソースの配置ミス、DTからの非現実的な期待、戦略的ミスアライメントをもたらす可能性がある。 この課題を軽減するために,本論文では,人間がDTを扱う場合,DTが果たす役割の種類や,それらの役割がどの程度自動化されるのか,という,研究上の疑問に答える。 具体的には,2次元概念枠組みであるlevel of digital twin (lodt)を提案する。 このフレームワークは, (1) オブザーバ, (2) アナリスト, (3) 意思決定者, (4) アクション実行者(Action Executor) と,これら各ロールの自動化範囲を,完全に手動から完全に自動化された5つのレベルに分けて,DTが果たす役割のタイプを統合する。 特定のdtは様々なレベルで様々な役割を演じることができる。 このフレームワークは、実践者がDTデプロイメントを体系的に計画し、目標と成果を明確に伝達し、戦略的ビジョンを示すのに役立つ。 ケーススタディでは、フレームワークの有用性が示されている。

関連論文リスト

• SPIRE: Synergistic Planning, Imitation, and Reinforcement Learning for Long-Horizon Manipulation [58.14969377419633]
  タスクをより小さな学習サブプロブレムに分解し、第2に模倣と強化学習を組み合わせてその強みを最大化するシステムであるspireを提案する。 我々は、模倣学習、強化学習、計画を統合する従来の手法よりも平均タスク性能が35%から50%向上していることを発見した。
  論文  参考訳（メタデータ） (2024-10-23T17:42:07Z)
• Digital Twins in Additive Manufacturing: A Systematic Review [0.4218593777811082]
  デジタルツイン (DT) は添加性製造 (AM) で人気が高まっている 機械学習(ML)、拡張現実(AR)、シミュレーションベースのモデルは、DTの開発において重要な役割を果たす。
  論文  参考訳（メタデータ） (2024-09-02T00:11:48Z)
• Towards an Extensible Model-Based Digital Twin Framework for Space Launch Vehicles [12.153961316909852]
  Digital Twin(DT)の概念は、ドメイン間の異なる抽象化レベルにあるシステムにますます適用されています。 DTの定義は明確ではなく、DTの能力を完全に実現するための明確な経路も存在しない。 本稿では,モデルに基づくDT開発手法を提案するDT成熟度行列を提案する。
  論文  参考訳（メタデータ） (2024-06-04T11:31:00Z)
• Solving Continual Offline Reinforcement Learning with Decision Transformer [78.59473797783673]
  連続的オフライン強化学習(CORL)は、連続的およびオフライン的な強化学習を組み合わせたものである。 Actor-Critic構造とエクスペリエンス・リプレイ(ER)を取り入れた既存の手法は、分散シフト、低効率、知識共有の弱さに悩まされている。 我々は,マルチヘッドDT (MH-DT) とローランク適応DT (LoRA-DT) を導入し,DTの無視問題を緩和する。
  論文  参考訳（メタデータ） (2024-01-16T16:28:32Z)
• Robotic Handling of Compliant Food Objects by Robust Learning from Demonstration [79.76009817889397]
  本稿では,食品に適合する物体をロボットで把握する上で,実証からの学習(LfD)に基づく頑健な学習方針を提案する。 教師の意図した方針を推定し,無矛盾な実演を自動的に除去するLfD学習ポリシーを提案する。 提案されたアプローチは、前述の業界セクターで幅広い応用が期待できる。
  論文  参考訳（メタデータ） (2023-09-22T13:30:26Z)
• Relativistic Digital Twin: Bringing the IoT to the Future [2.995426306159199]
  複雑なIoTエコシステムは、予測分析を実行し、何のシナリオをシミュレートするために、物理資産のDigital Twins(DT)の使用を必要とすることが多い。 我々はRelativistic Digital Twin(RDT)フレームワークを提案し、IoTエンティティの汎用DTを自動的に生成する。 このフレームワークはWeb of Things(WoT)を通じたオブジェクト表現に依存しており、各IoTデバイスとDTに標準化されたインターフェースを提供する。
  論文  参考訳（メタデータ） (2023-01-18T09:37:05Z)
• A new perspective on Digital Twins: Imparting intelligence and agency to entities [1.3633989508250934]
  Digital Twin(DT)の概念はあいまいであり、他の技術と差別化できない。 我々は、知性とエージェンシーをエンティティに付与する手段として、DTを新しい光として提示する。 DTに対するこの新たな視点は、DTがどれほどインテリジェントであるべきかについての議論を始めることで、混乱を減らし、コンセプトを人間化するのに役立ちます。
  論文  参考訳（メタデータ） (2022-10-11T11:27:14Z)
• Pre-Training for Robots: Offline RL Enables Learning New Tasks from a Handful of Trials [97.95400776235736]
  新しいタスクを効果的に学習しようとするオフラインRLに基づくフレームワークを提案する。 既存のロボットデータセットの事前トレーニングと、新しいタスクの迅速な微調整と、最大10のデモを組み合わせたものだ。 我々の知る限り、PTRは本物のWidowXロボットで新しいドメインで新しいタスクを学習する最初のRL手法である。
  論文  参考訳（メタデータ） (2022-10-11T06:30:53Z)
• Learning Neuro-Symbolic Skills for Bilevel Planning [63.388694268198655]
  意思決定は、連続したオブジェクト中心の状態、継続的なアクション、長い地平線、まばらなフィードバックを持つロボット環境では難しい。 タスク・アンド・モーション・プランニング(TAMP)のような階層的なアプローチは、意思決定を2つ以上の抽象レベルに分解することでこれらの課題に対処する。 我々の主な貢献は、オペレーターとサンプルラーを組み合わせたパラメータ化警察の学習方法である。
  論文  参考訳（メタデータ） (2022-06-21T19:01:19Z)
• LDSA: Learning Dynamic Subtask Assignment in Cooperative Multi-Agent Reinforcement Learning [122.47938710284784]
  協調型MARLにおける動的サブタスク代入(LDSA)を学習するための新しいフレームワークを提案する。 エージェントを異なるサブタスクに合理的に割り当てるために,能力に基づくサブタスク選択戦略を提案する。 LDSAは、より優れたコラボレーションのために、合理的で効果的なサブタスクの割り当てを学習していることを示す。
  論文  参考訳（メタデータ） (2022-05-05T10:46:16Z)
• Digital Twin: From Concept to Practice [1.3633989508250934]
  本稿では,デジタルツインにおいて,実践者が適切なレベルの高度化を選択するためのフレームワークを提案する。 実生活における3つのケーススタディは、フレームワークの適用と有用性を示している。
  論文  参考訳（メタデータ） (2022-01-14T17:41:26Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。