XiaoMi-AI文件搜索系统
World File Search SystemTwins
超越数字孪生：人机交互中神经人体工程学的物理孪生
数字孪生 (DT) 是最新的使能技术之一，它作为数据密集型网络计算解决方案出现在多个领域——从工业 4.0 到互联健康（Pires 等人，2019 年；Bagaria 等人，2020 年；Juarez 等人，2021 年；Phanden 等人，2021 年）。DT 作为一个虚拟系统，用于复制、监控、预测和改进物理系统（物理孪生 (PT)）的流程和特性，与其 DT 实时连接（Grieves 和 Vickers，2017 年；Kaur 等人，2020 年；Mourtzis 等人，2021 年；Volkov 等人，2021 年）。这种技术基于物联网 (IoT) 和机器学习 (Kaur et al., 2020) 等领域的进步，提出了应对人机交互 (HRI) (Pairet et al., 2019) 领域等复杂系统问题的新方法。本立场文件旨在提出一种物理-数字孪生方法，以根据神经人体工程学的跨学科视角 (Parasuraman, 2003; Frederic et al., 2020) 改善对 HRI 背景下 PT 的理解和管理。
下一代蜂窝网络的数字双胞胎
数字双胞胎是行业4.0的流行概念[1]。他们在制造系统中建模实际过程，对于例如预测性维护和连续优化特别有用。最近，它们开始用于网络[2]。的确，现代网络体系结构利用软件定义的网络（SDN）范式[3]，其中一组控制器协调网络。数字双胞胎似乎是使网络自适应的正确工具，例如，通过选择不同流量的最佳路径来平衡负载[4]。
数字患者双胞胎可改善诊断和治疗
创建机器的数字双胞胎已经是一项非常复杂的事业。那么，与人类有机体这样做必须有多困难？Fraunhofer实验软件工程研究所的研究人员正在研究数字患者双胞胎的可能性，挑战和潜力。，他们的目标是将来对数字“复制品”进行药物测试，然后再服用第一份药丸。在这次采访中，特蕾莎·阿伦斯（Theresa Ahrens）博士和乔纳斯·马塞洛（Jonas Marcello）博士共同领导弗劳恩霍夫（Fraunhofer）IESE的数字健康工程部门，解释了数字患者双胞胎的好处和附加值。什么是数字患者双胞胎？特蕾莎·艾伦斯（Theresa Ahrens）：从本质上讲，数字患者双胞胎是生物单元的精确而动态的虚拟率。这种高度发达的模型可以模拟检查，用于检查，细胞结构，组织，器官，甚至整个人，理想地包含其现实世界中的所有信息，我的意思是实际患者。数字型双胞胎是动态的，因此它们会考虑随着时间的流逝而发生的变化，并且可以模拟基本的生理过程。这使我们能够做出各种谓词，例如关于生理功能，例如，如果医生正在考虑为患者考虑某些药物，这些功能会有所帮助。数字患者双胞胎如何改善医疗服务？乔纳斯·马塞洛（Jonas Marcello）：数字患者双胞胎具有广泛不同应用的巨大潜力。举例说明，这些模型可以帮助可视化人体内部的代谢过程。机械生产是否有相似之处？虚拟双胞胎在医学上提供的一个大机会是，它们可以用来识别药物的影响，包括药物相互作用和侧面效果，甚至在该人服用第一颗药物之前。Marcello：与生产环境中的数字双胞胎一样，机器可以取消预测性维护，情况也相似：这为预分制的健康监测铺平了道路。和该技术在早期筛查和预防方面也打开了新的门，因为虚拟复制品可以在健康问题的开始阶段提供线索，或揭示出较高的特定疾病风险。这允许
使用数字双胞胎
摘要 - 城市环境中的一致性本地化对于自动驾驶汽车和无人机等自主系统以及视觉上障碍者的辅助技术至关重要。传统的视觉惯性进程（VIO）和视觉同时定位和映射（VSLAM）方法虽然足以进行局部姿势估计，但由于依赖局部传感器数据，因此长期存在漂移。尽管GPS抵消了这种漂移，但它在室内不可用，在城市地区通常不可靠。一种替代方法是使用视觉功能匹配将相机定位到现有的3D地图。这可以提供厘米级的准确定位，但受当前视图和地图之间的视觉相似性的限制。本文介绍了一种新颖的方法，该方法通过将VIO/VSLAM系统生成的稀疏3D点云与使用点上的平面匹配相结合，从而实现准确且全球的本地化。不需要视觉数据关联。所提出的方法提供了一个6-DOF的全球测量，该测量紧密整合到VIO/VSLAM系统中。实验在高保真的GPS模拟器和从无人机收集的现实世界数据上进行，这表明我们的方法的表现优于最先进的VIO-GPS系统，并且与最先进的视觉大满贯系统相比，针对观点变化提供了卓越的鲁棒性。
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。
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。
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
带有数字孪生的电池护照
7KRPDV .XKQ 7R DFKLHYH WKLV LW LV LPSRU WDQW WR GHğQH D VWDQGDUG DV D XQLIRUP 技术基础。作为自动化领域的社区，工业 4.0 平台、工业数字孪生协会 (WLRQ、'7$ DQG)UDXQKRIHU、(6( DPRQJ) 等已经开发了数字孪生的资产管理外壳。这确保了标准化接口，从而保证了数据是机器可读的，并且可以跨公司边界交换。
使用生成AI和Chatgpt的认知数字双胞胎设计和实施
数字双胞胎（DT）是工业4.x的基本技术之一，而5个工业自动化的现代解决方案和物联网的大多数现代解决方案都包括数字双胞胎概念的不同实现。在过去的几年中，来自不同行业的研究人员和工程师对这种情况进行了处理，如何使用原始系统收集的信息使数字双胞胎有可能改善自身。数字双胞胎自己学习，可以预测未来并按照做出的预测行事，也称为认知数字双胞胎（CDT）。人工智能，尤其是生成的AI和Chatgpt，为创建认知数字双胞胎带来了新的机会。本研究的重点是基于CHATGPT，云计算（Microsoft Azure），Power Virtual Agents和Azure Digital Twins服务来创建CDT概念和参考体系结构。本研究还提出了认知数字双胞胎框架中使用的本体论/数据模型。本文包括有关节省成本和减少时间在不同行业实施CDT时的指标，重点是建筑行业。关键字：构建，Chatgpt，AI，生成AI，自动化，业务流程，电源平台，虚拟代理，副代理，副代理，物联网，数字双胞胎，Microsoft Azure，Microsoft Azure，云计算，开放式AI，认知数字双胞胎认可：对我的家人提供的支持和Microsoft的特殊感谢和Microsoft，这使这项研究成为可能。