XiaoMi-AI文件搜索系统
World File Search SystemTwin
Moela, Nthabiseng；Matlala, Lerato；Ma, Jackie；Maphutha, Dipuo；Twinomurinzi, Hossana，“非洲金融服务领域人工智能 20 年趋势”（2024 年）。非洲信息系统和技术会议。27. https://digitalcommons.kennesaw.edu/acist/2024/presentations/27
非洲需要实现金融包容性，特别是针对妇女和小企业等边缘群体，这凸显了利用人工智能 (AI) 的重要性。本研究对 2003 年至 2023 年人工智能融入非洲金融服务的情况进行了文献计量分析。主要结果显示，人工智能的使用显著增加，特别是在欺诈检测、信用风险预测和股市波动预测方面，其中 49% 的研究来自南非、尼日利亚和突尼斯。然而，金融发展管理、通货膨胀控制和贷款获取中的性别差异等领域仍未得到充分探索。人们一直强调人工智能的技术实施，而忽视了非洲重要的背景问题，例如道德、基础设施障碍、数据隐私、数据主权以及排斥边缘群体的风险。该研究建议扩大人工智能应用以推动金融包容性，加强道德人工智能部署的监管框架，并解决性别包容性和金融发展管理问题。
使用生物力学和生理学开发战斗机数字双胞胎的技术
数字双胞胎已成为工程系统连续监视和故障检测的宝贵工具。但是，人类数字双胞胎（HDT）的采用落后于其他类型的数字双胞胎，这在很大程度上是由于缺乏可用的工具来准确的人类数字模型。计算生物学领域具有人类解剖学，生物力学和生理学数字模型的发达生态系统，可以利用HDT系统的创建。这项工作的目的是评估现有的计算工具，以评估其在HDT系统中掺入的可行性。已经开发了一种概念证明的HDT系统，该系统结合了医学成像，模拟生物力学和生理学，可扩展的传感器集成框架以及可视化和任务计划的交互式软件应用程序的内部解剖结构。已经开发了针对物理驱动的生物力学模拟的新技术，并且在模拟的生物力学和生理学之间建立了联系，以提供人体的整体代表。尽管仍然存在技术障碍，但这种HDTS的方法显示出持续监测和伤害检测，降低风险和个性化任务计划的希望。
从人类数字孪生 (HDT) 到增强型士兵机器人孪生 (ASRT) 的分支
人类数字孪生 (HDT) 确实是一项强大的技术，在军事领域也可以称为士兵数字孪生 (SDT)。然而，尽管在开发 SDT 方面付出了巨大的努力，但相关技术还远未得到充分发挥。尽管如此，SDT 还在士兵机器人孪生 (SRT) 方向开辟了新天地，SRT 是士兵的机械版本而非数字版本，并且正在出现士兵机器人孪生 (ASRT) 的增强版本分支。ASRT 分支涉及人类士兵的赋能、远程控制增强能力以及所谓的“另一个自我”，即感知与实际位置不同的位置的可能性。所有这些都将通过关键支持技术成为可能。本文涵盖了上述方面，并为相关主题添加了新的观点。
物联网驱动能源系统的数字孪生：一项调查
摘要 随着能源系统变得越来越复杂，对管理和优化其性能的创新技术的需求至关重要。将数字孪生 (DT) 技术集成到基于物联网 (IoT) 的能源系统中，为改善资源管理、可持续性和运营效率提供了一种新方法。虽然现有研究已经探讨了能源系统中 DT 的各个方面，但本文重点关注新兴智能能源系统中 DT 和物联网基础设施的具体融合，强调它们在优化能源效率、生产、消费和存储方面的作用。通过全面回顾最近的文献，我们分析了 DT 在实时能源监控、预测性维护和增强电网管理等领域的独特应用。此外，本文还通过研究当前的研究趋势、关键技术进步以及在物联网驱动的能源生态系统中部署 DT 所面临的独特挑战而脱颖而出。我们的评论提供了对 DT 技术如何改变智能能源系统的透彻理解，并为未来的研究方向提供了见解。
Camunda Modeler 中流程数字孪生的开发
摘要——业务流程建模是管理业务流程生命周期的最重要步骤之一。业务流程的数字孪生是业务流程的虚拟模型，旨在复制真实业务流程的行为。数字孪生和业务流程模拟之间的区别在于，模拟不需要实时数据，而数字孪生则基于实时数据创建。数字孪生包括现实世界中的物理实体、基于软件的数字对应物以及连接两者的数据。当创建的流程与物联网设备实时通信并根据实时收到的信息调整其执行时，这被称为流程数字孪生。随着数字孪生领域越来越受欢迎，挑战在于研究流程数字孪生如何实时与物联网设备通信并更新其执行状态。
实时数字双胞胎具有用于工业操纵器应用的加固学习：在NVIDIA ISAAC健身房的ABB Yumi机器人数字双胞胎设计和建筑RL应用程序
工业部门正在经历一个变革阶段，随着先进的机器人技术和人工智能（AI）技术的整合。本论文，探讨了数字双技术的协同应用以及增强学习在增强工业环境中机器人操纵器的效率和适应能力方面的应用。这项研究的核心前提重点是解决动态和复杂工业环境中手动程序方法的局限性。手动编程通常缺乏在各种且无法预测的环境中有效操作所需的适应性和学习能力。加固学习的合并使机器人操纵者能够通过与环境的互动来学习和调整，从而提高了运营效率，并最大程度地减少了对广泛编程工作的需求。数字双胞胎是物理环境的数字虚拟复制品。这允许在受控的，无风险的设置中对机器人操纵器行为进行模拟，分析和优化。将数字双胞胎与增强学习的集成能够对机器人系统进行有效的培训，从而使他们能够学习复杂的任务并适应新场景，而无需与现实培训相关的身体磨损和风险，并设置了环境。研究方法涉及开发数字双胞胎模拟环境，强化学习算法在此环境中的机器人操作器中的应用，并引起了学习任务转移能力对现实应用程序的重要性。该研究还研究了与数字双胞胎和加强学习技术相关的挑战。预期的结果包括提高机器人操纵器在工业应用中的适应性和效率，从而减少了为特定任务提供机器人所需的时间，成本和资源。此外，预计自动驾驶机器人操作的安全性和可靠性增强。这项研究旨在证明强化学习和数字双技术在转变工业机器人技术方面的潜力，从而为机器人应用提供了更具灵活，高效和智能的开发过程。本文对工业自动化的未来具有重要意义，为更适应性，高效和智能机器人系统提供了一种途径。通过利用AI和模拟技术的最新进步，它旨在为工业机器人技术的发展做出贡献，为更先进的工业解决方案铺平道路。
项目标题：心脏数字双胞胎中的公平性
数字双胞胎的患者心脏有可能实现个性化治疗并改善患者预后。只有可以从患者数据（例如图像）中有效地创建数字双胞胎的方法，才能充分实现这种潜力。已经在使用最先进的人工智能（AI）技术实现这一目标的努力。但是，最近的工作表明，在接受人口统计学不平衡数据集训练时，用于图像分析的AI工具可能会遭受隐藏的偏见，即他们可能是“不公平的”。例如，根据模型的训练数据中这些受保护组的分布，AI心脏图像分割模型可以表现出不同性别和种族的不同水平的性能。尚未研究基于数字双胞胎的基于AI的偏见，这依赖于这种技术。该项目将进行第一次此类调查，并将重点放在心脏病学领域。项目描述
智能农业的数字双胞胎的概念建模
在不断变化的物理实体，过程和应用技术解决方案的对象中的抽象复杂性是智能农业快速发展的关键障碍。作为表示形式，数字双胞胎具有许多目的：自动化过程，改善特定过程的决策以及促进各种情况的模拟。从利益相关者的角度来看，确定的方法降低了复杂性，并将重点放在基本主题，对象和过程上。本文的作者提出了一个面向观点的主题 - 对象元模型（Viposom），该模型可以为智能农业提供数字双胞胎解决方案开发的初始要求。主要思想是确定生命周期内特征和关系中具有特征和关系的主要对象。这种方法的新颖性在于确定对象/实体的感应要求。该方法针对农业物理实体，随着时间的流逝改变了其结构和行为。是“物理实体”，作者是指农作物和蔬菜等文物。本文还描述了所提出的方法在小型实验领域中使用马铃薯植物的活实验室的现实应用。与制造或土木工程中的数字双胞胎不同，农业对象在物理实体的内部变化（对象）方面面临重大不确定性，该物体的内部变化定义了使用时间尺度和开发阶段作为数字对象中物理实体的主要特征的方法的必要性。