Fugu-MT 論文翻訳(概要): Real-Time AI-Driven Milling Digital Twin Towards Extreme Low-Latency

論文の概要: Real-Time AI-Driven Milling Digital Twin Towards Extreme Low-Latency

arxiv url: http://arxiv.org/abs/2512.13482v1
Date: Mon, 15 Dec 2025 16:18:36 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-16 17:54:56.74355
Title: Real-Time AI-Driven Milling Digital Twin Towards Extreme Low-Latency
Title（参考訳）: リアルタイムAI駆動型ミリングデジタルツインが極低レイテンシを目指す
Authors: Wenyi Liu, R. Sharma, W. "Grace" Guo, J. Yi, Y. B. Guo,
Abstract要約: Digital twin(DT)は、リアルタイムデータ、AIモデル、インテリジェントコントロールシステムを活用することで、スマート製造を可能にする。本稿では,加工現場におけるDTの現況分析について述べる。
参考スコア（独自算出の注目度）: 1.5021086904264258
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Digital twin (DT) enables smart manufacturing by leveraging real-time data, AI models, and intelligent control systems. This paper presents a state-of-the-art analysis on the emerging field of DTs in the context of milling. The critical aspects of DT are explored through the lens of virtual models of physical milling, data flow from physical milling to virtual model, and feedback from virtual model to physical milling. Live data streaming protocols and virtual modeling methods are highlighted. A case study showcases the transformative capability of a real-time machine learning-driven live DT of tool-work contact in a milling process. Future research directions are outlined to achieve the goals of Industry 4.0 and beyond.
Abstract（参考訳）: Digital twin(DT)は、リアルタイムデータ、AIモデル、インテリジェントコントロールシステムを活用することで、スマート製造を可能にする。本稿では,加工現場におけるDTの現況分析について述べる。 DTの重要な側面は、物理ミリングの仮想モデルのレンズ、物理ミリングから仮想モデルへのデータフロー、仮想モデルから物理ミリングへのフィードバックを通して探索される。ライブデータストリーミングプロトコルと仮想モデリング方法が強調されている。ケーススタディでは、リアルタイムの機械学習駆動型ライブDTによる、加工プロセスにおけるツールワークコンタクトの変換能力を示す。産業4.0以降の目標達成に向けた今後の研究方針について概説する。

関連論文リスト

Do-Undo: Generating and Reversing Physical Actions in Vision-Language Models [57.71440995598757]
我々は,視覚言語モデルにおける重要なギャップに対処するために,Do-Undoタスクとベンチマークを導入する。 Do-Undoは、物理的な行動の結果をシミュレートし、それを正確に反転させるモデルを必要とし、視覚の世界における真の原因と効果を反映している。
論文参考訳（メタデータ） (2025-12-15T18:03:42Z)
A Data-Centric Revisit of Pre-Trained Vision Models for Robot Learning [67.72413262980272]
事前訓練された視覚モデル(PVM)は現代のロボティクスの基本であるが、その最適構成は定かではない。セマンティック・ボトルネックを導入してオブジェクト中心の表現を誘導する手法であるSlotMIMを開発した。提案手法は,画像認識,シーン理解,ロボット学習評価において,従来の作業よりも大幅に改善されている。
論文参考訳（メタデータ） (2025-03-10T06:18:31Z)
Learning Paradigms and Modelling Methodologies for Digital Twins in Process Industry [1.1060425537315088]
デジタルツイン(Digital Twins、DT)は、センサーデータと高度なデータベースまたは物理ベースのモデル、あるいはその組み合わせを組み合わせた物理製造システムの仮想レプリカで、プロセス監視、予測制御、意思決定支援など、さまざまな産業関連タスクに対処する。 DTのバックボーン、すなわち、これらのモデルをサポートする具体的なモデリング方法論とアーキテクチャフレームワークは、複雑で多様性があり、急速に進化し、最新の最先端の手法と競争の激しい市場のトップに留まる傾向を徹底的に理解する必要がある。
論文参考訳（メタデータ） (2024-07-02T14:05:10Z)
Synthetic location trajectory generation using categorical diffusion models [50.809683239937584]
拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
論文参考訳（メタデータ） (2024-02-19T15:57:39Z)
Learning Quasi-Static 3D Models of Markerless Deformable Linear Objects for Bimanual Robotic Manipulation [6.212335606641129]
本稿では,変形可能な線形物体(DLO)の学習に基づく3次元モデルについて解析する。本稿では,異なる長さのDLOであっても高い精度を実現するトランスフォーマーアーキテクチャに基づく新しい手法を提案する。また、ほぼすべてのDLOデータ駆動モデルの予測性能を向上させるデータ拡張手法も導入する。
論文参考訳（メタデータ） (2023-09-14T11:17:43Z)
Exploring Model Transferability through the Lens of Potential Energy [78.60851825944212]
トランスファーラーニングは、事前訓練されたディープラーニングモデルが広く利用可能であることから、コンピュータビジョンタスクにおいて重要になっている。既存のトレーニング済みモデルの転送可能性の測定方法は、符号化された静的特徴とタスクラベルの間の統計的相関に依存する。我々はこれらの課題に対処するために,PEDという物理に着想を得たアプローチを提案する。
論文参考訳（メタデータ） (2023-08-29T07:15:57Z)
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)
Generative AI-empowered Simulation for Autonomous Driving in Vehicular Mixed Reality Metaverses [130.15554653948897]
車両混合現実(MR)メタバースでは、物理的実体と仮想実体の間の距離を克服することができる。現実的なデータ収集と物理世界からの融合による大規模交通・運転シミュレーションは困難かつコストがかかる。生成AIを利用して、無制限の条件付きトラフィックを合成し、シミュレーションでデータを駆動する自律運転アーキテクチャを提案する。
論文参考訳（メタデータ） (2023-02-16T16:54:10Z)
The Interplay of AI and Digital Twin: Bridging the Gap between Data-Driven and Model-Driven Approaches [2.842794675894731]
Digital Twin(DT)の概念は、物理エンティティとネットワークダイナミクスのための仮想ツインを作成することを目的としている。 AIがDTのシードであるという一般的な理解にもかかわらず、DTとAIが互いに有効になることを期待しています。
論文参考訳（メタデータ） (2022-09-26T05:12:58Z)
A transfer learning enhanced the physics-informed neural network model for vortex-induced vibration [0.0]
本稿では、VIV(2D)を研究するために、物理インフォームドニューラルネットワーク(PINN)モデルを用いたトランスファーラーニングを提案する。物理インフォームドニューラルネットワークは、転送学習法と併用することにより、学習効率を高め、大量のデータセットを必要とせずに、ソースモデルからの共通特性知識による目標タスクの予測可能性を維持する。
論文参考訳（メタデータ） (2021-12-29T08:20:23Z)

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。