A Bayesian Framework for Digital Twin-Based Control, Monitoring, and Data Collection in Wireless Systems

要約

製造業や航空宇宙分野で一般的に採用されているデジタル ツイン (DT) プラットフォームは、ソフトウェア ベースの「オープン」通信システムを制御、監視、分析するための有望なパラダイムとしてますます注目されています。
特に、DT プラットフォームは、通信システム用の人工知能 (AI) ソリューションをテストするためのサンドボックスを提供し、フィールド、つまり物理ツイン (PT) でデータを収集してアルゴリズムをテストする必要性を潜在的に削減します。
DT システムの展開における主な課題は、DT での仮想制御の最適化、監視、分析が安全で信頼性が高く、「モデルの悪用」によって引き起こされる誤った決定を回避することを保証することです。
この課題に対処するために、この論文では、PT から DT で利用可能なデータの量と品質の制限によって引き起こされる DT でのモデルの不確実性を定量化し、説明することを目的とした一般的なベイジアン フレームワークを紹介します。
提案されたフレームワークでは、DT は通信システムのベイジアン モデルを構築します。これを利用して、マルチエージェント強化学習 (MARL) による制御、異常検出のための PT の監視、予測、データ収集などのコア DT 機能が可能になります。
最適化と反事実分析。
提案されたフレームワークのアプリケーションを例示するために、共通の受信機に報告する複数のセンシング デバイスを含むケーススタディ システムを具体的に調査します。
実験結果は、標準的な頻度主義モデルベースのソリューションと比較して、提案されたベイジアン フレームワークの有効性を検証します。

要約(オリジナル)

Commonly adopted in the manufacturing and aerospace sectors, digital twin (DT) platforms are increasingly seen as a promising paradigm to control, monitor, and analyze software-based, ‘open’, communication systems. Notably, DT platforms provide a sandbox in which to test artificial intelligence (AI) solutions for communication systems, potentially reducing the need to collect data and test algorithms in the field, i.e., on the physical twin (PT). A key challenge in the deployment of DT systems is to ensure that virtual control optimization, monitoring, and analysis at the DT are safe and reliable, avoiding incorrect decisions caused by ‘model exploitation’. To address this challenge, this paper presents a general Bayesian framework with the aim of quantifying and accounting for model uncertainty at the DT that is caused by limitations in the amount and quality of data available at the DT from the PT. In the proposed framework, the DT builds a Bayesian model of the communication system, which is leveraged to enable core DT functionalities such as control via multi-agent reinforcement learning (MARL), monitoring of the PT for anomaly detection, prediction, data-collection optimization, and counterfactual analysis. To exemplify the application of the proposed framework, we specifically investigate a case-study system encompassing multiple sensing devices that report to a common receiver. Experimental results validate the effectiveness of the proposed Bayesian framework as compared to standard frequentist model-based solutions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google