面向工业网络的数字孪生原生AI驱动服务架构
网络与互联网体系结构
2023-11-27 v1 人工智能
摘要
连接需求的急剧增长导致物联网（IoT）传感器数量过量。为满足这些大规模网络的管理需求（如精确监测与学习能力），数字孪生（DT）是关键赋能技术。然而，由于物联网网络永续连接的需求，当前关于DT实现的尝试仍显不足。此外，物联网网络中的传感器数据流比传统方法导致更高的处理时间。除此之外，由于所部署物联网网络场景中的时空变化，当前智能机制表现不佳。为应对这些挑战，我们提出一种支持物联网网络概念的数字孪生原生AI驱动服务架构。在所提出的数字孪生原生架构中，我们实现了基于TCP的数据流管道和基于强化学习（RL）的学习器模型。我们将该架构应用于物联网的广义概念之一——车联网（IoV）。我们度量了所提架构的效率，得益于基于TCP的数据流管道，处理时间节省了约30%。此外，我们通过为 actor 与 critic 网络施加多种学习率组合来测试学习器模型性能，并突出了最成功的模型。
引用
@article{arxiv.2311.14532,
title = {Digital Twin-Native AI-Driven Service Architecture for Industrial Networks},
author = {Kubra Duran and Matthew Broadbent and Gokhan Yurdakul and Berk Canberk},
journal= {arXiv preprint arXiv:2311.14532},
year = {2023}
}