論文の概要: Digital Twins & ZeroConf AI: Structuring Automated Intelligent Pipelines for Industrial Applications

• arxiv url: http://arxiv.org/abs/2602.04385v1
• Date: Wed, 04 Feb 2026 10:11:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-05 19:45:11.46828
• Title: Digital Twins & ZeroConf AI: Structuring Automated Intelligent Pipelines for Industrial Applications
• Title（参考訳）: Digital TwinsとZeroConf AI - 産業アプリケーションのための自動化されたインテリジェントパイプラインの構築
• Authors: Marco Picone, Fabio Turazza, Matteo Martinelli, Marco Mamei,
• Abstract要約: この研究は、Cyber-Physical SystemsへのシームレスなAIパイプライン統合を可能にする、モジュール的で相互運用可能なソリューションを提案する。 我々は、DTがデータ管理とインテリジェントな拡張をオーケストレーションするZeroconfigation (ZeroConf) AIパイプラインの概念を紹介します。 このアプローチはMicroFactoryのシナリオで実証されており、並行MLモデルと動的データ処理のサポートを示している。
• 参考スコア（独自算出の注目度）: 3.534869097377701
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The increasing complexity of Cyber-Physical Systems (CPS), particularly in the industrial domain, has amplified the challenges associated with the effective integration of Artificial Intelligence (AI) and Machine Learning (ML) techniques. Fragmentation across IoT and IIoT technologies, manifested through diverse communication protocols, data formats and device capabilities, creates a substantial gap between low-level physical layers and high-level intelligent functionalities. Recently, Digital Twin (DT) technology has emerged as a promising solution, offering structured, interoperable and semantically rich digital representations of physical assets. Current approaches are often siloed and tightly coupled, limiting scalability and reuse of AI functionalities. This work proposes a modular and interoperable solution that enables seamless AI pipeline integration into CPS by minimizing configuration and decoupling the roles of DTs and AI components. We introduce the concept of Zero Configuration (ZeroConf) AI pipelines, where DTs orchestrate data management and intelligent augmentation. The approach is demonstrated in a MicroFactory scenario, showing support for concurrent ML models and dynamic data processing, effectively accelerating the deployment of intelligent services in complex industrial settings.
• Abstract（参考訳）: CPS(Cyber-Physical Systems)の複雑化は、特に産業領域において、人工知能(AI)と機械学習(ML)の効果的な統合に関連する課題を増幅している。 IoTとIIoT技術にまたがるフラグメンテーションは、多様な通信プロトコル、データフォーマット、デバイス機能を通じて現れ、低レベルの物理層と高レベルのインテリジェント機能の間に大きなギャップを生じさせる。 近年、Digital Twin(DT)技術は、構造化され、相互運用可能で、セマンティックにリッチな物理資産のデジタル表現を提供する、有望なソリューションとして登場した。 現在のアプローチは、しばしばサイロ化され、密結合され、スケーラビリティとAI機能の再利用を制限する。 この作業では、構成を最小化し、DTとAIコンポーネントの役割を分離することによって、シームレスなAIパイプラインをCPSに統合する、モジュール的で相互運用可能なソリューションを提案する。 DTがデータ管理とインテリジェントな拡張をオーケストレーションするZeroConf(ZeroConf) AIパイプラインの概念を紹介します。 このアプローチはMicroFactoryのシナリオで実証されており、並行MLモデルと動的データ処理のサポートを示し、複雑な産業環境におけるインテリジェントなサービスのデプロイを効果的に加速する。

関連論文リスト

• The AI_INFN Platform: Artificial Intelligence Development in the Cloud [0.0]
  INFNイニシアチブであるAI_INFN(Artificial Intelligence at INFN)は、さまざまなINFN研究シナリオでMLメソッドの使用を促進することを目指している。 性能と統合結果の両方を実証し、予備ベンチマーク、機能テスト、ケーススタディを示す。
  論文  参考訳（メタデータ） (2025-09-26T09:40:51Z)
• Deep Learning-based Techniques for Integrated Sensing and Communication Systems: State-of-the-Art, Challenges, and Opportunities [54.12860202362483]
  本稿では,統合型センシング・通信(ISAC)システムにおける深層学習(DL-based)技術の最近の発展と研究を概観的にレビューする。 ISACは、車載ネットワークや産業用ロボティクスなど、多くの新興アプリケーションにおいて、センサーと通信機能の両方を必要とするため、6Gおよびネットワーク以上の重要なイネーブラーと見なされている。 従来の手法の代替として、DLベースの手法は計算複雑性を減らした効率的でほぼ最適のソリューションを提供する。
  論文  参考訳（メタデータ） (2025-08-23T22:27:51Z)
• PANAMA: A Network-Aware MARL Framework for Multi-Agent Path Finding in Digital Twin Ecosystems [0.0]
  ネットワークマルチエージェント強化学習(MARL)に基づくマルチエージェントパス探索(MAPF)のための優先非対称性を持つ新しいアルゴリズムであるPANAMAを紹介する。 提案手法は,既存のベンチマークと比較して,精度,速度,スケーラビリティにおいて優れたパスフィンディング性能を示す。 PanAMAは、ネットワーク対応意思決定と堅牢なマルチエージェント調整のギャップを埋め、DT、無線ネットワーク、AI駆動自動化のシナジーを前進させる。
  論文  参考訳（メタデータ） (2025-08-09T00:59:55Z)
• AI Flow: Perspectives, Scenarios, and Approaches [51.38621621775711]
  私たちは最先端のITとCTの進歩を統合するフレームワークであるAI Flowを紹介します。 まず、デバイスエッジクラウドフレームワークは、エンドデバイス、エッジサーバ、クラウドクラスタを統合する基盤として機能する。 第2に,家族モデルの概念を導入し,同列に隠れた特徴を持つ様々なサイズのモデルに言及する。 第3に、コネクティビティとインタラクションに基づくインテリジェンスの出現は、AI Flowの新たなパラダイムである。
  論文  参考訳（メタデータ） (2025-06-14T12:43:07Z)
• Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
  産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。 製品ライフサイクルを通じてデータをデジタル化することにより、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。 GenAIはDTの構築と更新を推進し、予測精度を改善し、多様なスマート製造に備える。
  論文  参考訳（メタデータ） (2024-08-02T10:47:10Z)

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。