論文の概要: Digital Twin AI: Opportunities and Challenges from Large Language Models to World Models
- arxiv url: http://arxiv.org/abs/2601.01321v1
- Date: Sun, 04 Jan 2026 01:17:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-06 16:25:22.226592
- Title: Digital Twin AI: Opportunities and Challenges from Large Language Models to World Models
- Title（参考訳）: Digital Twin AI: 大規模言語モデルから世界モデルへの機会と課題
- Authors: Rong Zhou, Dongping Chen, Zihan Jia, Yao Su, Yixin Liu, Yiwen Lu, Dongwei Shi, Yue Huang, Tianyang Xu, Yi Pan, Xinliang Li, Yohannes Abate, Qingyu Chen, Zhengzhong Tu, Yu Yang, Yu Zhang, Qingsong Wen, Gengchen Mai, Sunyang Fu, Jiachen Li, Xuyu Wang, Ziran Wang, Jing Huang, Tianming Liu, Yong Chen, Lichao Sun, Lifang He,
- Abstract要約: 物理的システムの正確なデジタル表現としてのデジタルツインは、受動的シミュレーションツールからインテリジェントで自律的なエンティティへと進化してきた。
本稿では,デジタルツインライフサイクルにおけるAI統合を特徴付ける4段階統合フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 95.9909582708447
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Digital twins, as precise digital representations of physical systems, have evolved from passive simulation tools into intelligent and autonomous entities through the integration of artificial intelligence technologies. This paper presents a unified four-stage framework that systematically characterizes AI integration across the digital twin lifecycle, spanning modeling, mirroring, intervention, and autonomous management. By synthesizing existing technologies and practices, we distill a unified four-stage framework that systematically characterizes how AI methodologies are embedded across the digital twin lifecycle: (1) modeling the physical twin through physics-based and physics-informed AI approaches, (2) mirroring the physical system into a digital twin with real-time synchronization, (3) intervening in the physical twin through predictive modeling, anomaly detection, and optimization strategies, and (4) achieving autonomous management through large language models, foundation models, and intelligent agents. We analyze the synergy between physics-based modeling and data-driven learning, highlighting the shift from traditional numerical solvers to physics-informed and foundation models for physical systems. Furthermore, we examine how generative AI technologies, including large language models and generative world models, transform digital twins into proactive and self-improving cognitive systems capable of reasoning, communication, and creative scenario generation. Through a cross-domain review spanning eleven application domains, including healthcare, aerospace, smart manufacturing, robotics, and smart cities, we identify common challenges related to scalability, explainability, and trustworthiness, and outline directions for responsible AI-driven digital twin systems.
- Abstract（参考訳）: デジタルツインは、物理的システムの正確なデジタル表現として、受動的シミュレーションツールから人工知能技術の統合を通じて、インテリジェントで自律的なエンティティへと進化してきた。
本稿では、モデリング、ミラーリング、介入、自律管理を対象とする、デジタル双生児ライフサイクルにおけるAI統合を体系的に特徴付ける4段階統合フレームワークを提案する。
既存の技術とプラクティスを合成することにより、(1)物理ベースおよび物理インフォームドAIアプローチによる物理双生児のモデリング、(2)リアルタイム同期によるデジタル双生児へのミラーリング、(3)予測モデリング、異常検出、最適化戦略による物理双生児の介入、(4)大規模言語モデル、基礎モデル、インテリジェントエージェントによる自律的管理の実現。
物理に基づくモデリングとデータ駆動学習の相乗効果を解析し、従来の数値解法から物理インフォームドおよび物理系の基礎モデルへのシフトを強調した。
さらに、大規模言語モデルや生成的世界モデルを含む生成AI技術が、デジタル双生児を推論、コミュニケーション、創造的なシナリオ生成が可能な積極的で自己改善的な認知システムに変換する方法について検討する。
医療、航空宇宙、スマートマニュファクチャリング、ロボティクス、スマートシティを含む11のアプリケーションドメインにわたるクロスドメインレビューを通じて、スケーラビリティ、説明可能性、信頼性に関する一般的な課題を特定し、AI駆動型デジタルツインシステムの責任を負う方向性を概説する。
関連論文リスト
- Artificial Intelligence for Modeling & Simulation in Digital Twins [3.351714665243138]
モデリングとシミュレーション(M&S)と人工知能(AI)の融合は、先進的なデジタル技術に重点を置いている。
関連する例としては、デジタルツイン(DT)、高忠実さ、物理的資産のライブ表現、コーポレートデジタル成熟とトランスフォーメーションの頻繁な有効化などがある。
したがって、DTにおけるM&Sの役割と、AIとM&Sの収束を可能にするデジタル双生児の役割を理解することが最重要である。
論文 参考訳（メタデータ） (2026-02-22T23:47:43Z) - PAI-Bench: A Comprehensive Benchmark For Physical AI [70.22914615084215]
ビデオ生成モデルは、物理的に一貫性のあるダイナミクスを維持するのに苦労することが多い。
マルチモーダルな大言語モデルは、予測と因果解釈において限られた性能を示す。
これらの観測は、現在のシステムは、物理AIの知覚的および予測的要求を扱う初期段階にあることを示唆している。
論文 参考訳（メタデータ） (2025-12-01T18:47:39Z) - AI4X Roadmap: Artificial Intelligence for the advancement of scientific pursuit and its future directions [65.44445343399126]
我々は、生物学、化学、気候科学、数学、材料科学、物理学、自動運転研究所、非伝統的コンピューティングにまたがるAI可能な科学を考察する。
多様な信頼性のあるデータの必要性、伝達可能な電子構造と原子間モデル、AIシステムがエンドツーエンドの科学合成に統合される。
ドメイン全体にわたって、大規模な基礎モデル、アクティブラーニング、自動運転車研究所が、予測と検証の間のループを閉じる方法について強調する。
論文 参考訳（メタデータ） (2025-11-26T02:10:28Z) - AI Simulation by Digital Twins: Systematic Survey, Reference Framework, and Mapping to a Standardized Architecture [9.087189607749094]
不十分なデータ量と品質は、現代のサブシンボリックAIの採用における課題を迫っている。
これらの課題を軽減するために、AIシミュレーションは、シミュレーションされた合成データを使ってAIエージェントを安全かつ効率的に開発できる仮想トレーニング環境を使用する。
デジタル双生児は、これらの高忠実な物理システムの仮想レプリカが最先端のシミュレータを備えているため、AIシミュレーションに新たな道を開く。
論文 参考訳（メタデータ） (2025-06-06T23:13:38Z) - Neural Brain: A Neuroscience-inspired Framework for Embodied Agents [78.61382193420914]
大規模な言語モデルのような現在のAIシステムは、いまだに解体され続けており、物理的に世界と関わりが持てない。
この課題の核心は、人間のような適応性を持つエンボディエージェントを駆動するために設計された中枢知能システムであるNeural Brain(ニューラル・ブレイン)の概念である。
本稿では,2つの基本的な課題に対処する,エンボディエージェントのニューラルブレインの統一的枠組みを提案する。
論文 参考訳（メタデータ） (2025-05-12T15:05:34Z) - On the Emergence of Symmetrical Reality [51.21203247240322]
物理仮想アマルガメーションの様々な形態を包含した統一表現を提供する対称現実感フレームワークを導入する。
我々は、対称現実の潜在的な応用を示すAI駆動型アクティブアシストサービスの例を提案する。
論文 参考訳（メタデータ） (2024-01-26T16:09:39Z) - Digital Twin and Artificial Intelligence Incorporated With Surrogate
Modeling for Hybrid and Sustainable Energy Systems [0.3969046654861533]
代理モデリングは科学と工学の分野における計算に革命をもたらした。
人工知能が支援するサロゲートモデルは、計算時間を大幅に削減して、高精度な結果を示すことができる。
エネルギーシステムへの適用性を評価するための有望な技術の1つは、デジタルツインである。
論文 参考訳（メタデータ） (2022-09-30T20:14:16Z) - Knowledge Equivalence in Digital Twins of Intelligent Systems [3.7953718547499045]
本論文は,知的システムのデジタル双対モデルに焦点をあてる。
このようなインテリジェントな物理システムのモデリングには、仮想空間における知識認識能力を複製する必要がある。
本稿では,知識比較と更新による知識等価性の概念と等価性維持手法を提案する。
論文 参考訳（メタデータ） (2022-04-15T14:31:17Z) - Hybrid analysis and modeling, eclecticism, and multifidelity computing
toward digital twin revolution [0.0]
i)データ駆動モデルの開発における信頼性と一般化の課題、および(ii)インターフェイス学習と多元結合アプローチのシームレスな統合について検討する。
これらの課題に対処することで、科学と工学のアプリケーションのためのデジタルツイン技術の革命が可能になります。
論文 参考訳（メタデータ） (2021-03-26T17:43:44Z) - RoboTHOR: An Open Simulation-to-Real Embodied AI Platform [56.50243383294621]
インタラクティブで具体化された視覚AIの研究を民主化するためにRoboTHORを導入する。
シミュレーションで訓練されたモデルの性能は,シミュレーションと慎重に構築された物理アナログの両方で試験される場合,大きな差があることが示される。
論文 参考訳（メタデータ） (2020-04-14T20:52:49Z)
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。