一种面向自动驾驶的查询驱动通信高效数字孪生设计

数字孪生技术通过创建物理实体的虚拟副本，能够在无风险环境下进行仿真，为自动驾驶、低空经济等场景提供高可靠性服务。然而，传统的数字孪生方法依赖车辆实时状态同步，构建高保真孪生体时会产生大量冗余数据，导致计算和通信开销过高。这一问题在自动驾驶场景中尤为突出，因为车辆需要频繁上传传感器数据，而大部分数据对当前仿真任务并非必需。

为了应对这一挑战，研究人员提出了一种查询驱动的数字孪生架构。该架构允许数字孪生根据自身的仿真结果，主动向车辆请求所需的环境数据，而非被动接收所有信息。这种按需数据获取方式显著减少了不必要的数据传输。在此基础上，研究团队建立了一个优化问题，目标是在保证数字孪生保真度和通信约束的前提下，最小化自动驾驶的定位误差。优化问题综合考虑了数据时效性、通信带宽和计算资源限制。

进一步地，他们设计了一种跨时间步的渐进查询机制。该机制通过在多个时间步上逐步优化查询策略，避免了在同一时刻传输大量数据，从而进一步提升了通信效率。具体而言，数字孪生会根据前一步的仿真结果预测下一时刻的关键数据需求，并分批次向车辆发出查询请求。仿真实验结果显示，与传统的全量数据同步方法相比，所提方法将规划位置误差降低了24%，同时通信开销减少了40%。

这项研究为自动驾驶中的数字孪生应用提供了新的思路，通过智能数据查询机制实现了高精度与低开销的平衡。未来，该技术有望在更多实时性要求高的场景中发挥作用，例如无人机编队、工业机器人协同等。论文作者包括Nuocheng Yang、Longyu Zhou、Sihua Wang、Changchuan Yin和Tony Q. S. Quek，相关研究已于2026年6月提交至arXiv。