arXiv · Human-Computer Interaction· Clarisa Grijalva-Lugo, Yu-Zheng Lin, Shalaka Satam 等 7 人
· 22 小时前
面向信息物理系统的人本自适应多保真度数字孪生框架
A Human-Centric Adaptive Multi-Fidelity Digital Twin Framework for Cyber-Physical Systems
预印本 · 尚未经过同行评审
AI 导读
提出人本自适应多保真度数字孪生框架,低层级学习者情感估计准确率0.86,中层级预测误差降0.39至0.89。
摘要 · AI 翻译
信息物理系统的数字孪生必须在数据稀缺的条件下运行,所针对的资产在部署后还会发生变化,并且面向需求各异的人类用户;然而现有实现将保真度在设计时固定下来,既不使表征匹配于人类,也不匹配于任务。本文提出一种以人为中心的自适应多保真度数字孪生框架,该框架对人类(不断演变)、物理孪生和数字孪生核心进行建模,并加入人类推断与适应功能,用以估计人类状态、预测响应并调整表征。该框架定义了低、中、高三个保真度层级,以自适应性和耦合度加以区分,耦合度量化为数字孪生延迟与其所跟随的流程步骤持续时间之比。本文评估了三个概念验证实例:虚拟现实导师、计算机数控铣削模型和工业培训站。低层级以 0.86 的准确率估计学习者情绪。铣削模型和培训站的预测器均属中层级,其归一化误差下降 0.39 至 0.89,人类适应增益为 1.16 至 1.51,但其延迟超出物理流程步骤 25 至 87 倍。只有培训站的视觉模型满足了物理步骤的要求。各层级之间的区分依据是哪些功能进行适应以及延迟约束所在的位置,而非增益或耦合度的单调递增。
中文由 AI 翻译,仅供参考,以原文为准。
来源:arXiv · Human-Computer Interaction · arxiv.org