用于支持自动驾驶车辆网络人工智能研究的数字孪生与测试床

数字孪生（DTs）是模拟、预测和优化其物理对应物性能的虚拟环境，在彻底改变下一代无线网络方面具有巨大前景。尽管 DTs 在无线网络中已被广泛研究，但它们与具有可编程移动性的自动驾驶车辆结合使用仍相对未被充分探索。在本文中，我们研究了将 DTs 用作开发环境，以设计、部署和测试利用真实世界（RW）观测（例如无线电关键性能指标）的人工智能（AI）技术，用于自动驾驶车辆网络（AVN）中的车辆轨迹和网络优化决策。我们首先比较和对比了仿真、数字孪生（软件在环（SITL））、沙箱（硬件在环（HITL））和物理测试床（PT）环境在开发和测试 AVN 人工智能算法方面的适用性。然后，我们回顾了 DTs 在 AVN 场景中的各种代表性用例。最后，我们提供了来自 NSF AERPAW 平台的一个示例，其中 DT 被用于开发和测试自动驾驶无人机的 AI 辅助解决方案，该方案仅基于链路质量测量来定位信号源。我们在物理测试床中的结果表明，当辅以来自 RW 测量和仿真的数据时，SITL DTs 可以作为为 AVN 开发和测试创新 AI 解决方案理想的环境。