論文の概要: Relativistic Digital Twin: Bringing the IoT to the Future

• arxiv url: http://arxiv.org/abs/2301.07390v2
• Date: Fri, 8 Sep 2023 21:13:01 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-12 22:29:31.030929
• Title: Relativistic Digital Twin: Bringing the IoT to the Future
• Title（参考訳）: 相対論的デジタルツイン:IoTを未来に持ち込む
• Authors: Luca Sciullo, Alberto De Marchi, Angelo Trotta, Federico Montori, Luciano Bononi, Marco Di Felice
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 2.995426306159199
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Complex IoT ecosystems often require the usage of Digital Twins (DTs) of their physical assets in order to perform predictive analytics and simulate what-if scenarios. DTs are able to replicate IoT devices and adapt over time to their behavioral changes. However, DTs in IoT are typically tailored to a specific use case, without the possibility to seamlessly adapt to different scenarios. Further, the fragmentation of IoT poses additional challenges on how to deploy DTs in heterogeneous scenarios characterized by the usage of multiple data formats and IoT network protocols. In this paper, we propose the Relativistic Digital Twin (RDT) framework, through which we automatically generate general-purpose DTs of IoT entities and tune their behavioral models over time by constantly observing their real counterparts. The framework relies on the object representation via the Web of Things (WoT), to offer a standardized interface to each of the IoT devices as well as to their DTs. To this purpose, we extended the W3C WoT standard in order to encompass the concept of behavioral model and define it in the Thing Description (TD) through a new vocabulary. Finally, we evaluated the RDT framework over two disjoint use cases to assess its correctness and learning performance, i.e., the DT of a simulated smart home scenario with the capability of forecasting the indoor temperature, and the DT of a real-world drone with the capability of forecasting its trajectory in an outdoor scenario.
• Abstract（参考訳）: 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。 DTはIoTデバイスを複製し、行動の変化に時間をかけて適応することができる。 しかし、IoTのDTは一般的に、異なるシナリオにシームレスに適応することが可能になるため、特定のユースケースに合わせて調整される。 さらに、IoTの断片化は、複数のデータフォーマットとIoTネットワークプロトコルの使用を特徴とする異種シナリオでのDTのデプロイ方法に、さらなる課題をもたらす。 本稿では、IoTエンティティの汎用DTを自動的に生成し、実際のオブジェクトを常に観察することで、時間とともに行動モデルを調整するRelativistic Digital Twin(RDT)フレームワークを提案する。 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。 この目的のために、W3C WoT標準を拡張し、行動モデルの概念を包含し、新しい語彙を通してThing Description (TD)で定義した。 最後に, 室内温度の予測能力を備えたスマートホームシナリオのDTと, 屋外シナリオにおける軌道の予測能力を備えた実世界のドローンのDTの2つの相反する使用事例について, その正しさと学習性能を評価するために, RDTフレームワークを評価した。

関連論文リスト

• 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)
• Enhancing IoT Security via Automatic Network Traffic Analysis: The Transition from Machine Learning to Deep Learning [0.0]
  この研究は、IoT(Internet of Things)内のタスクに対処する上で、ディープラーニング(DL)が機械学習(ML)を上回る方法を示す比較分析を提供する。 このアプローチでは,さまざまなIoT関連データセットを使用して,DLモデルをトレーニングし,評価する。 実験では、DLが手動で設計した機能に関連する制約を克服し、攻撃検出およびデバイスタイプの識別において同等の結果を維持する能力を示す。
  論文  参考訳（メタデータ） (2023-11-20T16:48:50Z)
• JRDB-Traj: A Dataset and Benchmark for Trajectory Forecasting in Crowds [79.00975648564483]
  ロボット工学、自動運転車、ナビゲーションなどの分野で使用される軌道予測モデルは、現実のシナリオにおいて課題に直面している。 このデータセットは、ロボットの観点から、すべてのエージェント、シーンイメージ、ポイントクラウドの位置を含む包括的なデータを提供する。 本研究の目的は,ロボットに対するエージェントの将来の位置を,生の感覚入力データを用いて予測することである。
  論文  参考訳（メタデータ） (2023-11-05T18:59:31Z)
• A New Era of Mobility: Exploring Digital Twin Applications in Autonomous Vehicular Systems [0.0]
  デジタルツイン(Digital twins、DT)は、物理的オブジェクトやプロセスの仮想表現で、実際の環境から情報を収集して、物理的ツインの現在と将来の振る舞いを表現、検証、複製することができる。 製造、自動車、医療、スマートシティなど、さまざまな分野でDTが普及している。 我々はDTとその重要な特徴に対処し、正確なデータ収集、リアルタイム分析、効率的なシミュレーション機能を強調しながら、パフォーマンスと信頼性の向上におけるそれらの役割を強調した。
  論文  参考訳（メタデータ） (2023-05-09T06:39:57Z)
• Test-time Adaptation in the Dynamic World with Compound Domain Knowledge Management [75.86903206636741]
  テスト時間適応(TTA)により、モデルは新しい環境に適応し、テスト時間中にパフォーマンスを向上させることができる。 TTAのいくつかの研究は、継続的に変化する環境において、有望な適応性能を示している。 本稿ではまず,複合ドメイン知識管理を用いた堅牢なTTAフレームワークを提案する。 次に、ソースと現在のターゲットドメイン間のドメイン類似性を用いて適応率を変調する新しい正規化を考案する。
  論文  参考訳（メタデータ） (2022-12-16T09:02:01Z)
• Evaluating Short-Term Forecasting of Multiple Time Series in IoT Environments [67.24598072875744]
  IoT(Internet of Things)環境は、多数のIoT対応センシングデバイスを介して監視される。 この問題を緩和するため、センサーは比較的低いサンプリング周波数で動作するように設定されることが多い。 これは、予測などの後続の意思決定を劇的に妨げる可能性がある。
  論文  参考訳（メタデータ） (2022-06-15T19:46:59Z)
• Edge Continual Learning for Dynamic Digital Twins over Wireless Networks [68.65520952712914]
  デジタルツイン(DT)は、現実世界とメタバースの間の重要なリンクを構成する。 本稿では,物理的双生児とそれに対応するサイバー双生児の親和性を正確にモデル化する新しいエッジ連続学習フレームワークを提案する。 提案するフレームワークは,破滅的忘れ込みに対して頑健な,高精度かつ同期的なCTモデルを実現する。
  論文  参考訳（メタデータ） (2022-04-10T23:25:37Z)
• Generalized Decision Transformer for Offline Hindsight Information Matching [16.7594941269479]
  本稿では、後視情報マッチング(HIM)問題を解くための一般化決定変換器(GDT)を提案する。 特徴関数と反因果アグリゲータの異なる選択が, 将来の異なる統計値に適合する新しいカテゴリーDT (CDT) と双方向DT (BDT) にどのように寄与するかを示す。
  論文  参考訳（メタデータ） (2021-11-19T18:56:13Z)
• PWPAE: An Ensemble Framework for Concept Drift Adaptation in IoT Data Streams [9.953967527396316]
  本稿では,IoTデータストリーム分析による適応型IoT異常検出のためのPWPAE(Performance Weighted Probability Averaging Ensemble)フレームワークを提案する。 2つの公開データセットを用いた実験により,提案手法の有効性を最先端手法と比較した。
  論文  参考訳（メタデータ） (2021-09-10T17:50:49Z)
• Adaptive Anomaly Detection for Internet of Things in Hierarchical Edge Computing: A Contextual-Bandit Approach [81.5261621619557]
  階層エッジコンピューティング(HEC)を用いた適応型異常検出手法を提案する。 まず,複雑性を増した複数のDNNモデルを構築し,それぞれを対応するHEC層に関連付ける。 そこで我々は、文脈帯域問題として定式化され、強化学習ポリシーネットワークを用いて解決される適応モデル選択スキームを設計する。
  論文  参考訳（メタデータ） (2021-08-09T08:45:47Z)
• SMART: Simultaneous Multi-Agent Recurrent Trajectory Prediction [72.37440317774556]
  本稿では,将来の軌道予測における2つの重要な課題に対処する手法を提案する。 エージェントの数に関係なく、トレーニングデータと予測と一定時間の推測の両方において、マルチモーダリティ。
  論文  参考訳（メタデータ） (2020-07-26T08:17:10Z)

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。