自动驾驶与低空经济等场景对高可靠、确定性服务提出了严苛要求，数字孪生（Digital Twins, DTs）因此被视为一种有前景的技术：它能够对物理实体进行无风险的仿真，从而支撑规划与验证。然而，在自动驾驶场景下，传统的数字孪生方法主要依赖车辆实时状态同步来构建高保真模型。这种“全量同步”的方式虽然直观，却会带来难以接受的计算与通信开销，因为大量冗余数据被反复传输和处理，既浪费带宽，也增加了车载端与云端或边缘端的负担。
针对这一痛点，来自北京邮电大学等机构的研究者 Nuocheng Yang、Longyu Zhou、Sihua Wang、Changchuan Yin 以及 Tony Q. S. Quek 在论文《A Query-Driven Communication-Efficient Digital Twins Design for Autonomous Driving》中提出了一种查询驱动的数字孪生架构。其核心思想是让数字孪生端不再被动等待车辆持续上传所有状态，而是根据自身的仿真结果，主动向车辆请求其真正需要的环境数据。换言之，孪生体从“数据接收者”转变为“数据请求者”，按需索取关键信息，从而避免冗余传输。
在提出架构之后，作者进一步将问题形式化为一个优化问题，目标是在满足数字孪生保真度与通信约束的前提下，最小化自动驾驶的位置误差。该优化问题需要权衡多个相互冲突的因素：更高的保真度通常需要更多数据，但通信资源有限；而位置误差直接影响规划安全性与乘坐舒适性。通过求解该问题，系统可以动态决定请求哪些数据、以何种频率请求，以及如何在保真度与通信开销之间取得平衡。
为了进一步提升通信效率，研究者还设计了一种跨时间步渐进查询机制。该机制利用时间维度上的相关性，在不同时间步之间逐步细化查询，而不是在每个时刻都进行全量或高精度的数据请求。这样既保证了数字孪生对环境的持续跟踪能力，又显著降低了平均通信量。论文指出，该机制与查询驱动架构相结合，能够在不牺牲规划性能的前提下大幅压缩通信开销。
仿真结果表明，与依赖实时全量同步的传统方法相比，所提出的方法在规划位置误差上实现了 24% 的降低，同时将通信开销减少了 40%。这一结果说明，查询驱动的数字孪生设计不仅提升了自动驾驶的定位与规划精度，还显著改善了通信效率，为资源受限场景下的高保真数字孪生部署提供了可行路径。
该论文于 2026 年 6 月 22 日提交至 arXiv，编号为 arXiv:2606.28384v1，属于机器人学（cs.RO）与人工智能（cs.AI）交叉领域，全文共 14 页、9 幅图。作者来自北京邮电大学等团队，其中 Tony Q. S. Quek 为新加坡科技设计大学知名学者。研究得到了仿真验证，但尚未涉及真实道路测试，未来工作可能包括在更复杂的交通场景中验证该方法的鲁棒性，以及探索多车协同下的查询调度策略。总体而言，这项工作为数字孪生在自动驾驶中的高效部署提供了新的思路：从“持续同步”转向“按需查询”，在保真度、精度与通信成本之间找到更好的平衡点。