面向工业电子-物理系统的数字孪生的可持续扩散激励机制
网络与互联网体系结构
2024-12-30 v2 机器学习
摘要
工业电子-物理系统（ICPSs）是现代制造业和工业的关键组成部分。通过产品生命周期中的数据数字化，数字孪生（DTs）在 ICPSs 中实现了从当前工业基础设施向智能和自适应基础设施的转变。得益于数据处理能力，生成式人工智能（GenAI）可以驱动 DTs 的构建和更新，以提高预测精度并为多样化的智能制造做好准备。然而，利用工业物联网（IIoT）设备共享感知数据以构建 DTs 的机制容易受到 adverse selection（不利选择）问题的威胁。本文首先构建了 ICPSs 中的 GenAI 驱动 DT 架构。为了解决由信息不对称导致的不利选择问题，我们提出了一种契约理论模型，并开发了一种基于扩散的软演员-评论家算法，以识别最佳可行合同。具体而言，我们利用动态结构化剪枝技术减少演员网络的参数数量，实现该算法的可持续性和高效实现。数值结果表明，所提出方案和算法有效，使 DTs 能够高效构建和更新，以监视和管理 ICPSs。
引用
@article{arxiv.2408.01173,
title = {Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems},
author = {Jinbo Wen and Jiawen Kang and Dusit Niyato and Yang Zhang and Shiwen Mao},
journal= {arXiv preprint arXiv:2408.01173},
year = {2024}
}