CogTwin:适应性强的数字孪生框架

CogTwin 是一种混合认知架构框架,旨在为数字孪生系统带来自主推理和实时适应。这项工作在 IJCAI 2025 上发表,旨在通过解决自主、认知和实时决策方面的关键差距来推进数字孪生技术的发展。问题格局:将数字孪生从被动系统转变为主动系统 [...]

来源:ΑΙhub

CogTwin 是一种混合认知架构框架,旨在为数字孪生系统带来自主推理和实时适应。这项工作在 IJCAI 2025 上发表,旨在通过解决自主、认知和实时决策方面的关键差距来推进数字孪生技术的发展。

问题格局:将数字孪生从被动系统转变为主动系统

数字孪生技术改变了复杂系统的管理方式,从智能城市到工业流程。然而,大多数当前的数字孪生从根本上来说仍然是被动的:它们依赖于预先编程的规则和静态数据驱动模型,因此在遇到不可预见的事件或不断变化的条件时会陷入困境。实时学习、推理和适应——人类认知的标志——基本上不存在。

CogTwin 旨在通过为数字孪生配备类似人类的认知能力来弥补这一差距,使它们能够在动态环境中自主感知、推理、学习和行动。这种方法标志着从传统的强调模拟和监控转向真正的智能和适应性,其目标是在认知数字孪生中实现真正的认知。

CogTwin 架构:集成三种人工智能范式

CogTwin 的核心是一种混合方法,集成了符号 AI、子符号 AI 和神经符号 AI,每种方法都具有互补的优势。

  • Symbolic AI通过双知识图谱支持结构化知识表示和逻辑推理。静态领域知识库(DKR)捕获有关环境的基础知识,而动态内部知识图(DIKG)则不断更新实时信息。这种双图设计平衡了稳定性和适应性。
  • 子符号人工智能使用神经网络进行模式识别和自适应学习,特别是在发生复杂推理和决策的审议层。
  • 感知(5 毫秒)
  • 情况评估(10 毫秒)