論文の概要: Digital Twin for Pre-Deployment Validation of AI-Driven Safety-Critical Industrial Edge Control Loops
- arxiv url: http://arxiv.org/abs/2610.11934v1
- Date: Thu, 08 Oct 2026 13:28:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 02:36:54.042653
- Title: Digital Twin for Pre-Deployment Validation of AI-Driven Safety-Critical Industrial Edge Control Loops
- Title（参考訳）: AI駆動型安全臨界産業エッジ制御ループの事前展開検証のためのディジタルツイン
- Abstract要約: Digital Twins (DT) は、システム分析と最適化の鍵となる技術として登場した。
本稿では,物理プロセス,無線通信,アプリケーションロジックを協調的にモデル化する産業環境向けモジュール型DTフレームワークを提案する。
提案するフレームワークは,BI-REXパイロットラインで実装された実世界の概念実証(PoC)を通じて実験的に検証される。
- 参考スコア（独自算出の注目度）: 2.0889642811658145
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Industrial environments are increasingly characterized by the tight interaction among physical processes, communication infrastructures, and intelligent applications. In this context, Digital Twins (DTs) have emerged as a key technology for system analysis and optimization. However, existing DT solutions typically focus either on industrial processes or communication networks, while lacking an integrated and application-aware perspective. To fill this gap, this paper proposes a modular DT framework for industrial environments that jointly models physical processes, wireless communications, and application logic within a unified architecture. The feasibility of the proposed framework is experimentally validated through a real-world Proof-of-Concept (PoC) implemented in the BI-REX pilot line, involving a 5G-connected Autonomous Mobile Robot (AMR) transporting hazardous liquids and remotely controlled by an AI-driven application. The proposed DT is used to reproduce the behaviour of the real deployment and to investigate the impact of different placements of the AI application, including on-premise, edge, and remote cloud execution scenarios. Experimental results demonstrate a close agreement between DT predictions and PoC measurements in terms of both network-level metrics, such as Reference Signal Received Power (RSRP) and latency, and end- to-end application metrics, including application-level Round- Trip-Time (RTT). Moreover, the analysis shows how inaccuracies of network modeling can critically affect the feasibility of latency-sensitive industrial control loops, highlighting the potential of integrated DTs as tools for the pre-deployment design and validation of next-generation industrial systems.
- Abstract（参考訳）: 産業環境は、物理的プロセス、通信インフラ、インテリジェントなアプリケーション間の密接な相互作用によってますます特徴付けられる。
このような状況下では、Digital Twins (DT) がシステム分析と最適化の重要な技術として登場した。
しかし、既存のDTソリューションは通常、産業プロセスまたは通信ネットワークにフォーカスするが、統合的でアプリケーション対応の視点は欠如している。
このギャップを埋めるために,本論文では,物理プロセス,無線通信,アプリケーションロジックを統一アーキテクチャ内で共同でモデル化する,産業環境のためのモジュール型DTフレームワークを提案する。
提案フレームワークの実現性は, BI-REXパイロットラインで実装された実世界の概念実証(PoC)を通じて実験的に検証され, 有害な液体を輸送し, 遠隔操作を行う5G接続型自律移動ロボット(AMR)が関与する。
提案されたDTは、実際のデプロイメントの振る舞いを再現し、オンプレミス、エッジ、リモートクラウド実行シナリオを含む、AIアプリケーションのさまざまな配置の影響を調べるために使用される。
実験結果は、参照信号受信電力(RSRP)や遅延のようなネットワークレベルのメトリクスと、アプリケーションレベルのラウンドトリップタイム(RTT)を含むエンドツーエンドのアプリケーションメトリクスの両方の観点から、DT予測とPoC測定の密接な一致を示している。
さらに,ネットワークモデリングの不正確さが遅延に敏感な産業用制御ループの実現可能性にどのように影響するかを,事前デプロイ設計と次世代産業システム検証のためのツールとして統合DTの可能性を強調した。
関連論文リスト
- DAG-Based QoS-Aware Dynamic Task Placement for Networked Multi-Stage Control Pipelines [5.531395561451493]
現在の物理AIは、クローズドループのビジュアルサーボパイプラインに大きく依存している。
認識タスクをオンサイトエッジに静的にオフロードすることは、標準化された産業ネットワーク上でのレイテンシに敏感で正確な工業的設定には不適切である。
本稿では,ネットワーク型ロボットにおける知覚・知覚・計画制御パイプラインのための指向型非巡回グラフ(DAG)に基づく品質・オブ・サービス(QoS)対応動的タスク配置(DTP)フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-19T14:17:02Z) - Physical-AI: From Channel Awareness to Environmental Intelligence in 6G Wireless Networks [100.92510794177822]
従来の無線ネットワークは、物理的環境を明示的にモデル化することなく、瞬時チャネル状態情報(CSI)に依存し、チャネルの変動に反応する。
本研究では,環境に配慮した無線ネットワークのための新しいアーキテクチャであるPhysical-AIを提案する。
提案手法は,特にビームスイッチング遅延の増加にともなって,停止確率とブロック応答遅延を低減させる。
論文 参考訳（メタデータ） (2026-05-12T09:02:20Z) - 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) - Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。
FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。
実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
論文 参考訳（メタデータ） (2024-01-22T14:16:37Z) - Causal Semantic Communication for Digital Twins: A Generalizable
Imitation Learning Approach [74.25870052841226]
デジタルツイン(DT)は、物理世界の仮想表現と通信(例えば6G)、コンピュータ、人工知能(AI)技術を活用して、多くの接続されたインテリジェンスサービスを実現する。
無線システムは、厳密な通信制約下での情報意思決定を容易にするために意味コミュニケーション(SC)のパラダイムを利用することができる。
DTベースの無線システムでは,因果意味通信(CSC)と呼ばれる新しいフレームワークが提案されている。
論文 参考訳（メタデータ） (2023-04-25T00:15:00Z) - A Bayesian Framework for Digital Twin-Based Control, Monitoring, and
Data Collection in Wireless Systems [35.59201763567714]
デジタルツイン(DT)プラットフォームは、ソフトウェアベースのオープンな通信システムを制御、監視、分析するための有望なパラダイムと見なされている。
DTシステムのデプロイにおける重要な課題は、DTにおける仮想制御の最適化、監視、分析が安全で信頼性の高いものであることを保証することである。
本稿では,DTにおけるモデル不確実性の定量化と解析を目的とした一般ベイズフレームワークを提案する。
論文 参考訳（メタデータ） (2022-12-02T18:13:48Z) - Digital Twin Virtualization with Machine Learning for IoT and Beyond 5G
Networks: Research Directions for Security and Optimal Control [3.1798318618973362]
デジタルツイン(DT)技術は、サイバー物理システムのリアルタイムデータ駆動モデリングのソリューションとして登場した。
我々は,クラウドコンピューティングを分散化して実装したDTフレームワークの概念階層アーキテクチャを構築した。
既存のシステム上での革新的な技術の開発と展開のリスクを下げることにおけるDTの重要性について論じる。
論文 参考訳（メタデータ） (2022-04-05T03:04:02Z) - Computational Intelligence and Deep Learning for Next-Generation
Edge-Enabled Industrial IoT [51.68933585002123]
エッジ対応産業用IoTネットワークにおける計算知能とディープラーニング(DL)の展開方法について検討する。
本稿では,新しいマルチエグジットベースフェデレーションエッジ学習(ME-FEEL)フレームワークを提案する。
特に、提案されたME-FEELは、非常に限られたリソースを持つ産業用IoTネットワークにおいて、最大32.7%の精度を達成することができる。
論文 参考訳（メタデータ） (2021-10-28T08:14:57Z)
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。