从状态同步到认知自演化：认知数字孪生的可操作架构
arXiv cs.AI · · 发布于 2026-09-11 · 4 分钟阅读
本文针对认知数字孪生（CDT）研究多聚焦于学习模块、知识图谱和大语言模型等具体使能技术、缺乏对认知如何系统性融入数字孪生架构的洞察这一问题，提出由物理层、数字孪生层、认知层和任务层组成的四层CDT架构。该架构建立跨四层的自演化闭环运行回路：物理状态同步为数字表示，认知通过知识、记忆与注意力构建任务特定认知模型，任务级决策在实际约束下生成；运行反馈进一步提炼认知经验并更新数字表示中的关系与标注，使后续任务解释、发起与推理随系统运行而演化。基于该框架，论文刻画了用户请求驱动认知与自驱动认知两种代表性运行模式，并讨论语义通信、知识查询、任务编排和闭环同步等关键使能机制与部署挑战。轻量级仿真研究表明，在有限语义信息下闭环任务具有可行性，并通过积累任务经验提升了运行效率。
当前来源仅提供摘要，以下要点基于摘要生成；可通过官方原文查看完整信息。研究背景
数字孪生系统正从状态同步向任务导向和知识驱动运行演进，认知数字孪生作为扩展，将认知能力纳入孪生运行。
核心问题
现有认知数字孪生研究常聚焦学习模块、知识图谱和大型语言模型等特定使能技术，对认知如何系统性集成到数字孪生架构的洞察有限。
架构方案
论文提出四层认知数字孪生架构，包括物理层、数字孪生层、认知层和任务层。
闭环运行
该架构建立跨四层的自演化闭环运行回路，使物理状态同步、认知建模与任务决策相互连接。
反馈演化
运行反馈进一步细化认知经验，并更新数字表示中的关系与注释，使后续任务解释、发起和推理随系统运行而演化。
运行模式
论文刻画两种代表性运行模式：用户请求驱动的认知与自驱动认知。
关键机制与挑战
论文讨论与语义通信、知识查询、任务编排和闭环同步相关的关键使能机制与部署挑战。
仿真验证与意义
轻量级仿真表明，在有限语义信息下闭环任务具有可行性，并可通过积累任务经验提高运行效率；该框架为未来认知数字孪生系统设计开发提供结构化基础。