論文の概要: A Continual Validation, Updating, and Decision-Making Framework for Self-Adaptive Digital Twins via Robust Model Predictive Control: A Case Study in Additive Manufacturing

• arxiv url: http://arxiv.org/abs/2607.18164v1
• Date: Mon, 20 Jul 2026 17:07:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.71735
• Title: A Continual Validation, Updating, and Decision-Making Framework for Self-Adaptive Digital Twins via Robust Model Predictive Control: A Case Study in Additive Manufacturing
• Title（参考訳）: ロバストモデル予測制御による自己適応型デジタル双生児の連続的検証・更新・意思決定フレームワーク
• Abstract要約: Digital Twinsは、物理システムをリアルタイムでミラーする代理モデルに頼っているが、これらのモデルは動作条件が進化するにつれて劣化する可能性がある。 既存の適応フレームワークには、更新が必要なタイミングを検出するための原則的なメカニズムがない。 本稿では、Fisherスコアに基づく多変量ドリフト検出器、パラメータ効率の連続学習のためのローランド適応(LoRA)、オンライン統計検証のためのMann-Whitney $U$テストを統合する適応型Digital Twin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）: 11.700555168494917
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Digital Twins rely on surrogate models to mirror physical systems in real time, yet these models can degrade as operating conditions evolve, a phenomenon known as concept drift. Maintaining surrogate fidelity under drift, particularly when models must also capture aleatoric uncertainty, remains an open challenge. Existing adaptive frameworks lack principled mechanisms for detecting when updates are needed, for efficiently adapting models from limited streaming data, and for certifying that updates genuinely improve predictive performance. Here we present an adaptive Digital Twin framework that integrates a Fisher score--based multivariate drift detector, Low-Rank Adaptation (LoRA) for parameter-efficient continual learning, and a Mann--Whitney $U$ test for online statistical validation. The framework monitors surrogate-model confidence via Fisher score vectors, triggers targeted fine-tuning of fewer than 1% of model parameters upon drift detection, and statistically certifies predictive improvement before deploying the updated surrogate. Applied to a stochastic linear system and a directed energy deposition additive manufacturing process as case studies, the framework successfully detects distributional shifts with short delays and restores both predictive accuracy and uncertainty quantification under abrupt and incremental drift. These results establish a statistically rigorous and computationally tractable pathway for sustaining the trustworthiness of neural-network--based Digital Twins throughout their operational life cycle.
• Abstract（参考訳）: Digital Twinsは、物理システムをリアルタイムでミラーする代理モデルに頼っているが、これらのモデルは動作条件が進化するにつれて劣化する可能性がある。 漂流下での代理の忠実さを維持することは、特にモデルがアレタリックな不確実性も捉えなければならない場合、依然としてオープンな課題である。 既存の適応フレームワークには、更新が必要なタイミングを検出し、限られたストリーミングデータからモデルを効率的に適応させ、更新が予測性能を真に向上させるための原則化されたメカニズムがない。 本稿では、Fisherスコアに基づく多変量ドリフト検出器、パラメータ効率の連続学習のためのローランド適応(LoRA)、オンライン統計検証のためのMann-Whitney $U$テストを統合する適応型Digital Twinフレームワークを提案する。 このフレームワークは、フィッシャースコアベクトルを介して代理モデルの信頼性を監視し、ドリフト検出時にモデルパラメータの1%未満の微調整を目標とし、更新されたサロゲートをデプロイする前に統計的に予測改善を認証する。 確率線形系および配向エネルギー堆積添加物製造プロセスに適用し, 短時間で分布変化を検知し, 突発的および漸増的ドリフト下での予測精度および不確実性定量化の両面を復元する。 これらの結果は、ニューラルネットワークベースのDigital Twinsの信頼性を運用ライフサイクルを通じて維持する、統計的に厳格で、計算可能な経路を確立する。

関連論文リスト

• Navigating the Latent Manifold: Proactive Concept Drift Adaptation for Resilient NIDS [1.9678915302433768]
  ドリフト適応検出のための新しいNIDSであるDriftXpertを提案する。 フェーズ1では、潜在多様体偏差に基づく教師なし異常計量を導入する。 位相2において、非定常分布下での破滅的忘れを緩和するために、表現整合性整合戦略を設計する。
  論文  参考訳（メタデータ） (2026-09-08T11:58:12Z)
• Joint Model and Data Sparsification via the Marginal Likelihood [53.29070892356214]
  本稿では,個々の特徴とサンプルの相違点を同時学習し,同時にモデルとデータスペーシングを実現することを提案する。 このモデルとデータの対称的なプルーニングは、共役を保存する自然な拡張を提供する。 多様な回帰タスクにわたる経験的結果は、共同ARDアプローチがスパースモデルとロバスト予測モデルの両方を一貫して生成することを確認した。
  論文  参考訳（メタデータ） (2026-05-28T13:26:53Z)
• ResAD: Normalized Residual Trajectory Modeling for End-to-End Autonomous Driving [64.42138266293202]
  ResADは正規化された残留軌道モデリングフレームワークである。 学習タスクを再編成し、慣性参照からの残留偏差を予測する。 NAVSIMベンチマークでは、ResADはバニラ拡散ポリシーを用いて最先端のPDMS 88.6を達成している。
  論文  参考訳（メタデータ） (2025-10-09T17:59:36Z)
• Revisiting Multivariate Time Series Forecasting with Missing Values [65.30332997607141]
  現実の時系列では欠落値が一般的である。 現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。 このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。 本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
  論文  参考訳（メタデータ） (2025-09-27T20:57:48Z)
• Dynamic Aware: Adaptive Multi-Mode Out-of-Distribution Detection for Trajectory Prediction in Autonomous Vehicles [8.920589816043298]
  軌道予測は自動運転車の安全かつシームレスな運転の中心である。 デプロイメントにおいて、予測モデルは、トレーニングデータと実世界の条件の間の分散シフトに必然的に直面する。 本稿では,複雑な運転環境におけるロバスト検出を実現するための適応機構を提案する。
  論文  参考訳（メタデータ） (2025-09-16T22:37:21Z)
• Improving Real-Time Concept Drift Detection using a Hybrid Transformer-Autoencoder Framework [0.0]
  応用機械学習では、概念ドリフトはモデルの性能を著しく低下させる。 本研究では,複雑な時間力学をモデル化するためのトランスフォーマーとオートエンコーダを組み合わせたハイブリッドフレームワークを提案する。 以上の結果から,トランスフォーメーション・オートエンコーダは,文献で一般的に用いられるオートエンコーダよりも早く,より感度の高いドリフトを検出した。
  論文  参考訳（メタデータ） (2025-08-09T19:39:33Z)
• Detecting Concept Drift in Neural Networks Using Chi-squared Goodness of Fit Testing [0.0]
  概念ドリフト検出は、ニューラルネットワークの監視に未使用の統計シフトを特定するための分野である。 本稿では,多層パーセプトロン,畳み込みニューラルネットワーク,機械ビジョンのためのトランスフォーマーに適用したドリフト検出メタアルゴリズムとして,$chi2$ Goodness of Fit hypothesis Testを応用した。
  論文  参考訳（メタデータ） (2025-05-07T11:04:47Z)
• AutoML for Multi-Class Anomaly Compensation of Sensor Drift [44.63945828405864]
  センサドリフトは、時間とともに機械学習モデルのパフォーマンスを低下させる。 標準クロスバリデーション法はドリフトの不適切な会計によって性能を過大評価する。 本稿では,(1)モデル検証のための新しいセンサドリフト補償学習パラダイム,(2)分類性能の向上とセンサドリフト補償のための自動機械学習(AutoML)技術を提案する。
  論文  参考訳（メタデータ） (2025-02-26T14:34:53Z)
• EdgeFD: An Edge-Friendly Drift-Aware Fault Diagnosis System for Industrial IoT [0.0]
  我々は,産業用モノのインターネット(IIoT)における頻繁なデータドリフトによる課題を軽減するため,DAWC(Drift-Aware Weight Consolidation)を提案する。 DAWCは複数のデータドリフトシナリオを効率的に管理し、エッジデバイス上での一定のモデル微調整の必要性を最小限にする。 包括的診断・可視化プラットフォームも開発しました。
  論文  参考訳（メタデータ） (2023-10-07T06:48:07Z)
• End-to-End Reinforcement Learning of Koopman Models for Economic Nonlinear Model Predictive Control [45.84205238554709]
  本研究では, (e)NMPCの一部として最適性能を示すために, Koopman シュロゲートモデルの強化学習法を提案する。 エンドツーエンドトレーニングモデルは,(e)NMPCにおけるシステム識別を用いてトレーニングしたモデルよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-03T10:21:53Z)
• Confidence Attention and Generalization Enhanced Distillation for Continuous Video Domain Adaptation [62.458968086881555]
  連続ビデオドメイン適応(CVDA、Continuous Video Domain Adaptation)は、ソースモデルが個々の変更対象ドメインに適応する必要があるシナリオである。 CVDAの課題に対処するため,遺伝子組み換え型自己知識解離(CART)を用いた信頼性保証ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-03-18T16:40:10Z)
• Anomaly Detection of Time Series with Smoothness-Inducing Sequential Variational Auto-Encoder [59.69303945834122]
  Smoothness-Inducing Sequential Variational Auto-Encoder (SISVAE) モデルを提案する。 我々のモデルは、フレキシブルニューラルネットワークを用いて各タイムスタンプの平均と分散をパラメータ化する。 合成データセットと公開実世界のベンチマークの両方において,本モデルの有効性を示す。
  論文  参考訳（メタデータ） (2021-02-02T06:15:15Z)
• Unlabelled Data Improves Bayesian Uncertainty Calibration under Covariate Shift [100.52588638477862]
  後続正則化に基づく近似ベイズ推定法を開発した。 前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
  論文  参考訳（メタデータ） (2020-06-26T13:50:19Z)

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。