論文の概要: Integrating Machine Learning and Uncertainty Quantification for Real-Time Decision-Making in Digital Twins: A System-Centric Review and Perspective
- arxiv url: http://arxiv.org/abs/2611.04269v1
- Date: Tue, 03 Nov 2026 03:57:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-11 00:40:48.598755
- Title: Integrating Machine Learning and Uncertainty Quantification for Real-Time Decision-Making in Digital Twins: A System-Centric Review and Perspective
- Title(参考訳): ディジタル双生児におけるリアルタイム意思決定のための機械学習と不確実性定量化の統合:システム中心のレビューと展望
- Abstract要約: デジタルツイン(Digital Twins)は、物理資産と連続的に同期し、リアルタイムな意思決定を行うシステムである。
しかし、予測モデリング、機械学習、不確実性定量化、意思決定は別個の能力として研究されている。
このレビューでは、このような決定がDigital Twinsでどのように生成され、持続されるかを検討する。
- 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 are evolving from passive virtual representations into closed-loop systems that continuously synchronize with physical assets and drive real-time decisions. Yet predictive modeling, machine learning (ML), uncertainty quantification (UQ), and decision-making have been studied as separate capabilities, leaving limited understanding of their integration and maintenance during online operation. This narrative review, scoped by the functional requirements of real-time decision-making rather than by Digital Twin terminology alone, examines how such decisions are generated and sustained in engineering Digital Twins. We first examine foundational decision-making architectures and representative engineering applications, followed by methods that address their limitations across the decision loop. We identify optimization-based, policy-based, and knowledge-based approaches as the major pathways from virtual representation to action. Across them, ML plays three roles in decision-making: enabling efficient surrogate modeling, transforming heterogeneous physical feedback into decision-relevant information, and accelerating or directly generating decisions. UQ supports uncertainty-aware decisions and model adaptation, while continual validation, drift detection, and adaptation help maintain reliable operation as the physical system evolves. Together, these findings underscore the need for a shift from a model-centric to a system-centric perspective on Digital Twins, where its performance depends on the interactions with sensing, state estimation, computation, decision-making, and adaptation rather than on their standalone performance. Therefore, future research should shift from isolated algorithm development toward system-level co-design, scalable decision-making, and approaches to design, and data-efficient continual adaptation and validation for AI-enabled autonomous systems.
- Abstract(参考訳): デジタルツインは、受動的仮想表現からクローズドループシステムへと進化し、物理資産と継続的に同期し、リアルタイムな決定を駆動している。
しかし、予測モデリング、機械学習(ML)、不確実性定量化(UQ)、意思決定は独立した能力として研究され、オンライン操作中の統合と保守について限られた理解を残している。
このナラティブレビューは、Digital Twinの用語だけでではなく、リアルタイム意思決定の機能的要件によってスコープされ、エンジニアリングのDigital Twinsにおいて、そのような決定がどのように生成され、持続されるかを検討する。
まず、基本的意思決定アーキテクチャと代表的エンジニアリングアプリケーションについて検討し、次いで決定ループの限界に対処する手法について検討する。
我々は、仮想表現から行動への主要な経路として、最適化に基づく、ポリシーに基づく、知識に基づくアプローチを同定する。
MLは、効率的な代理モデリングの実現、異種物理フィードバックの意思決定関連情報への変換、意思決定の加速または直接生成の3つの役割を担っている。
UQは不確実性を認識した決定とモデル適応をサポートし、一方で連続的な検証、ドリフト検出、適応は物理システムが進化するにつれて信頼性の高い操作を維持するのに役立つ。
これらの結果は、モデル中心の視点からシステム中心の視点への転換の必要性を、Digital Twinsで示している。そのパフォーマンスは、独立的なパフォーマンスよりも、センシング、状態推定、計算、意思決定、適応との相互作用に依存する。
したがって、将来の研究は、孤立したアルゴリズム開発から、システムレベルの共同設計、スケーラブルな意思決定、そして設計へのアプローチ、そしてAI対応自律システムに対するデータ効率の持続的な適応と検証へと移行すべきである。
関連論文リスト
- From Physics to Machine Learning and Back: Part II - Learning and Observational Bias in PHM [52.64097278841485]
物理インフォームドモデリングとデータストラテジーによる学習と観察バイアスの導入は、モデルを物理的に一貫した信頼性のある予測へと導くことができるかを検討する。
メタラーニングや少数ショットラーニングなどの高速適応手法をドメイン一般化手法とともに検討する。
論文 参考訳(メタデータ) (2025-09-25T14:15:43Z) - Collaborative Trustworthiness for Good Decision Making in Autonomous Systems [0.26999000177990923]
本稿では,運用環境における信頼度を高めるための総合的な協調的アプローチを提案する。
矛盾する情報が存在する場合、アグリゲーションは、コラボレーティブなデータ共有に基づく信頼できる意思決定において、大きな問題となる。
私たちは、信念の集約と伝播の形式モデルとしてバイナリ決定図(BDD)を使用し、BDDのサイズを減らすために削減ルールを定式化します。
論文 参考訳(メタデータ) (2025-07-15T09:37:28Z) - DSADF: Thinking Fast and Slow for Decision Making [18.563568719536033]
RLエージェントと高速かつ直感的な意思決定のためのメモリ空間からなるシステム1と、深く解析的な推論のためのVLMによって駆動されるシステム2の2つの補完モジュールを統合するためのデュアルシステム適応決定フレームワーク(DSADF)を提案する。
論文 参考訳(メタデータ) (2025-05-13T02:58:04Z) - Know Where You're Uncertain When Planning with Multimodal Foundation Models: A Formal Framework [54.40508478482667]
認識と計画生成の不確実性を解消し、定量化し、緩和する包括的枠組みを提案する。
本稿では,知覚と意思決定の独特な性質に合わせた手法を提案する。
この不確実性分散フレームワークは, 変動率を最大40%削減し, タスク成功率をベースラインに比べて5%向上させることを示した。
論文 参考訳(メタデータ) (2024-11-03T17:32:00Z) - Ontology-Enhanced Decision-Making for Autonomous Agents in Dynamic and Partially Observable Environments [0.0]
この論文では、自律エージェントのためのオントロジー強化意思決定モデル(OntoDeM)を紹介している。
OntoDeMはエージェントのドメイン知識を充実させ、予期せぬイベントを解釈し、目標を生成または適応させ、より良い意思決定を可能にする。
OntoDeMは従来の学習アルゴリズムや高度な学習アルゴリズムと比較して、動的で部分的に観察可能な環境におけるエージェントの観察と意思決定を改善する上で優れた性能を示している。
論文 参考訳(メタデータ) (2024-05-27T22:52:23Z) - Explaining by Imitating: Understanding Decisions by Interpretable Policy
Learning [72.80902932543474]
観察されたデータから人間の行動を理解することは、意思決定における透明性と説明責任にとって重要である。
意思決定者の方針をモデル化することが困難である医療などの現実的な設定を考えてみましょう。
本稿では, 設計による透明性の向上, 部分観測可能性の確保, 完全にオフラインで動作可能なデータ駆動型意思決定行動の表現を提案する。
論文 参考訳(メタデータ) (2023-10-28T13:06:14Z) - Inverse Online Learning: Understanding Non-Stationary and Reactionary
Policies [79.60322329952453]
エージェントが意思決定を行う方法の解釈可能な表現を開発する方法を示す。
一連の軌跡に基づく意思決定プロセスを理解することにより,このオンライン学習問題に対して,政策推論問題を逆問題とみなした。
本稿では、エージェントがそれらを更新するプロセスと並行して、その影響を遡及的に推定する実用的なアルゴリズムを提案する。
UNOSの臓器提供受諾決定の分析に応用することで、我々のアプローチは意思決定プロセスを管理する要因や時間とともにどのように変化するかに、貴重な洞察をもたらすことができることを実証する。
論文 参考訳(メタデータ) (2022-03-14T17:40:42Z) - Adaptive Autonomy in Human-on-the-Loop Vision-Based Robotics Systems [16.609594839630883]
コンピュータビジョンのアプローチは、自律ロボットシステムによって意思決定の指針として広く使われている。
特に人間が監督的な役割しか果たさないHuman-on-the-loop(HoTL)システムでは、高精度が重要です。
適応的自律性レベルに基づくソリューションを提案し,これらのモデルの信頼性の低下を検出する。
論文 参考訳(メタデータ) (2021-03-28T05:43:10Z) - Leveraging Expert Consistency to Improve Algorithmic Decision Support [62.61153549123407]
建設のギャップを狭めるために観測結果と組み合わせることができる情報源として,歴史専門家による意思決定の利用について検討する。
本研究では,データ内の各ケースが1人の専門家によって評価された場合に,専門家の一貫性を間接的に推定する影響関数に基づく手法を提案する。
本研究は, 児童福祉領域における臨床現場でのシミュレーションと実世界データを用いて, 提案手法が構成ギャップを狭めることに成功していることを示す。
論文 参考訳(メタデータ) (2021-01-24T05:40:29Z)
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。