論文の概要: Adaptive Sensor Steering Strategy Using Deep Reinforcement Learning for Dynamic Data Acquisition in Digital Twins

• arxiv url: http://arxiv.org/abs/2504.10248v1
• Date: Mon, 14 Apr 2025 14:11:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-15 16:53:52.182889
• Title: Adaptive Sensor Steering Strategy Using Deep Reinforcement Learning for Dynamic Data Acquisition in Digital Twins
• Title（参考訳）: デジタル双生児における動的データ獲得のための深部強化学習を用いた適応型センサステアリング戦略
• Authors: Collins O. Ogbodo, Timothy J. Rogers, Mattia Dal Borgo, David J. Wagg,
• Abstract要約: 本稿では,デジタル双生児の予測精度と意思決定支援能力を高めるために,深層強化学習に基づくセンサステアリング手法を提案する。 提案手法は、デジタルツインパラダイム内のセンサ配置に適応的なフレームワークを提供することにより、この制限に対処する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This paper introduces a sensor steering methodology based on deep reinforcement learning to enhance the predictive accuracy and decision support capabilities of digital twins by optimising the data acquisition process. Traditional sensor placement techniques are often constrained by one-off optimisation strategies, which limit their applicability for online applications requiring continuous informative data assimilation. The proposed approach addresses this limitation by offering an adaptive framework for sensor placement within the digital twin paradigm. The sensor placement problem is formulated as a Markov decision process, enabling the training and deployment of an agent capable of dynamically repositioning sensors in response to the evolving conditions of the physical structure as represented by the digital twin. This ensures that the digital twin maintains a highly representative and reliable connection to its physical counterpart. The proposed framework is validated through a series of comprehensive case studies involving a cantilever plate structure subjected to diverse conditions, including healthy and damaged conditions. The results demonstrate the capability of the deep reinforcement learning agent to adaptively reposition sensors improving the quality of data acquisition and hence enhancing the overall accuracy of digital twins.
• Abstract（参考訳）: 本稿では,データ取得プロセスの最適化により,デジタル双生児の予測精度と意思決定支援能力を高めるために,深層強化学習に基づくセンサステアリング手法を提案する。 従来のセンサ配置技術は、連続的な情報的データ同化を必要とするオンラインアプリケーションに適用性を制限するワンオフ最適化戦略によって制約されることが多い。 提案手法は、デジタルツインパラダイム内のセンサ配置に適応的なフレームワークを提供することにより、この制限に対処する。 センサ配置問題はマルコフ決定プロセスとして定式化され、デジタルツインで表される物理的構造の進化状況に応じて、動的にセンサを配置できるエージェントの訓練および展開を可能にする。 これにより、デジタルツインは、物理的に非常に代表的で信頼性の高い接続を維持することができる。 提案手法は, 健康状態や損傷条件を含む多種多様な条件下でのカンチレバープレート構造を含む一連の包括的ケーススタディにより検証された。 以上の結果から,データ取得の精度を高め,デジタル双生児の全体的な精度を向上させるために,センサを適応的に再配置する深部強化学習エージェントの有効性が示された。

関連論文リスト

• Data Sensor Fusion In Digital Twin Technology For Enhanced Capabilities In A Home Environment [0.0]
  本稿では,デジタルツイン技術におけるデータセンサの融合によるホーム環境機能の強化について検討する。 この研究は、サイバー物理システム、IoT、AI、ロボティクスを統合して、デジタル双生児の能力を強化している。
  論文  参考訳（メタデータ） (2025-02-13T01:14:30Z)
• Predictive Digital Twin for Condition Monitoring Using Thermal Imaging [0.0]
  本稿では,条件監視に特化して設計された予測デジタル双対の開発と実用化について検討する。 我々は、堅牢なデジタルツインフレームワークを確立するために、高度な数学的モデルと熱画像技術を用いている。 本稿では,バーチャルリアリティ,ユーザインタラクションの強化,システム理解などを含むヒューマンマシンインタフェースの利用について紹介する。
  論文  参考訳（メタデータ） (2024-11-08T11:23:57Z)
• Virtual Sensing-Enabled Digital Twin Framework for Real-Time Monitoring of Nuclear Systems Leveraging Deep Neural Operators [0.36651088217486427]
  本稿では,デジタルツインフレームワークのコアコンポーネントとしてDeepOperator Networks (DeepONet) を導入する。 DeepONetは動的でスケーラブルな仮想センサとして機能し、操作された入力パラメータと空間的に分散されたシステムの振る舞いの間の相互作用を正確にマッピングする。 この結果から,DeepONetは平均二乗誤差と相対L2誤差で精度の高い予測を行い,従来のCFDシミュレーションの1400倍の精度で未知データの予測を行うことができた。
  論文  参考訳（メタデータ） (2024-10-17T16:56:04Z)
• Digital Twin Framework for Optimal and Autonomous Decision-Making in Cyber-Physical Systems: Enhancing Reliability and Adaptability in the Oil and Gas Industry [0.0]
  本研究は,石油・ガス産業におけるガスリフトプロセスに適用可能な,最適かつ自律的な意思決定のためのディジタルツインフレームワークを提案する。 このフレームワークは、ベイジアン推論、モンテカルロシミュレーション、トランスファーラーニング、オンライン学習、そしてDTに認知を与える新しい戦略を組み合わせたものである。
  論文  参考訳（メタデータ） (2023-11-21T18:02:52Z)
• A Real-time Human Pose Estimation Approach for Optimal Sensor Placement in Sensor-based Human Activity Recognition [63.26015736148707]
  本稿では,人間の行動認識に最適なセンサ配置の課題を解決するための新しい手法を提案する。 得られた骨格データは、最適なセンサ位置を特定するためのユニークな戦略を提供する。 本研究は,センサ配置の視覚的手法が従来のディープラーニング手法と同等の結果をもたらすことを示唆している。
  論文  参考訳（メタデータ） (2023-07-06T10:38:14Z)
• Joint Sensing, Communication, and AI: A Trifecta for Resilient THz User Experiences [118.91584633024907]
  テラヘルツ(THz)無線システムに対する拡張現実(XR)体験を最適化するために、新しい共同センシング、通信、人工知能(AI)フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-29T00:39:50Z)
• Optimizing a Digital Twin for Fault Diagnosis in Grid Connected Inverters -- A Bayesian Approach [5.335631208278852]
  我々は、限られたデータで柔軟な実装を可能にするデジタルツインのオンライン最適化に向けた我々の取り組みをチャネル化します。 分類性能評価には,仮想同期発電機(VSG)制御グリッドフォーミングコンバータの異なる故障事例を検討する。 我々の研究結果は、デジタルツイン設計によって達成された精度と忠実度の増加を明らかにします。
  論文  参考訳（メタデータ） (2022-12-07T10:44:19Z)
• Visual-tactile sensing for Real-time liquid Volume Estimation in Grasping [58.50342759993186]
  変形性容器内の液体をリアルタイムに推定するためのビジュオ触覚モデルを提案する。 我々は、RGBカメラからの生の視覚入力と、特定の触覚センサーからの触覚手がかりの2つの感覚モードを融合する。 ロボットシステムは、推定モデルに基づいて、リアルタイムで適切に制御され、調整される。
  論文  参考訳（メタデータ） (2022-02-23T13:38:31Z)
• An automatic differentiation system for the age of differential privacy [65.35244647521989]
  Tritiumは、微分プライベート(DP)機械学習(ML)のための自動微分ベース感度分析フレームワークである 我々は、微分プライベート(DP)機械学習(ML)のための自動微分に基づく感度分析フレームワークTritiumを紹介する。
  論文  参考訳（メタデータ） (2021-09-22T08:07:42Z)
• Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor Setups [68.8204255655161]
  本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。 提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
  論文  参考訳（メタデータ） (2021-01-12T12:02:26Z)
• Semantics-aware Adaptive Knowledge Distillation for Sensor-to-Vision Action Recognition [131.6328804788164]
  本稿では,視覚・センサ・モダリティ(動画)における行動認識を強化するためのフレームワーク,Semantics-Aware Adaptive Knowledge Distillation Networks (SAKDN)を提案する。 SAKDNは複数のウェアラブルセンサーを教師のモダリティとして使用し、RGB動画を学生のモダリティとして使用している。
  論文  参考訳（メタデータ） (2020-09-01T03:38:31Z)

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。