新框架提出用于物理AI的全息数字孪生

一篇新研究论文提出全息数字孪生（HDT-Nets）作为增强物理系统中人工智能的框架。当前的AI，包括深度学习和生成式AI，由于在维持长期规划的可靠世界模型方面存在局限性，难以应对实际应用。HDT-Nets旨在通过创建全息代理网络来克服这一挑战，这些代理能够主动推理其环境并通过无线网络进行协调。这种方法能够实现实时物理AI推理、反事实推理以及感知、行动和学习的统一，有可能带来超越个体代理能力的集体智能。 AI

影响 该框架可以实现更强大的AI集成到机器人和车辆等物理系统中，从而改进长期规划和泛化能力。

排序理由 arXiv上发表的研究论文，详细介绍了物理AI的新框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• category theory
• Christo Kurisummoottil Thomas
• deep learning
• generative artificial intelligence
• HDT-Nets
• Holonic Digital Twins
• integrated information theory

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →