面向持续气体排放监测和早期危险检测的 IoT-赋能数字孪生框架 AIMNET
机器人学
2025-12-09 v1 计算机视觉与模式识别
人机交互
摘要
增强碳基气体 plume 监测的数字孪生 (DT) 框架对于支持及时有效的减排措施至关重要，尤其是针对工业气体泄漏或携带大量碳排放的野火大火。我们提出 AIMNET，一个独一无二的 DT 框架，将自建的 Internet of Things (IoT) 基于连续感知网络与基于物理的多尺度天气-气体输运模型相结合，实现对碳气体排放的高分辨率和实时仿真和检测。AIMNET 具备三层系统架构：(i) 物理世界：定制构建的设备用于连续监测；(ii) 双向信息反馈链路：智能数据传输和逆向控制；(iii) 数字孪生世界：基于 AI 的分析用于预测、异常检测和动态天气-气体耦合分子输运建模。为可扩展、能效高的远程部署而设计，AIMNET 架构通过在油气生产流域上部署小规模分布式感知网络得以实现。为展示高分辨率快速响应概念，部署了一个等效的基于移动的排放监测网络，围绕不断排放甲烷 plume 的污水处理厂。我们的初步结果成功捕获了甲烷排放事件，其动力学随后通过分层模型仿真得到解析。该工作支持我们表明 AIMNET 为可靠、实时监测和预测风险评估提供了有前景的 DT 框架。最后，我们也讨论了关键实施挑战，并概述了推进此类新 DT 框架进行翻译部署的未来方向。
引用
@article{arxiv.2512.06147,
title = {GuideNav: User-Informed Development of a Vision-Only Robotic Navigation Assistant For Blind Travelers},
author = {Hochul Hwang and Soowan Yang and Jahir Sadik Monon and Nicholas A Giudice and Sunghoon Ivan Lee and Joydeep Biswas and Donghyun Kim},
journal= {arXiv preprint arXiv:2512.06147},
year = {2025}
}