デジタルツイン東京が始動！具現化された知能ゼロサンプルマイグレーション、現実世界と群集思考の共有

【新智慧紹介】AIは、芸術デザインや文章作成の分野に力を与えた後、都市計画や都市動態のリアルタイム監視にも新たな活力を注入しました。
東京の高解像度点群3Dデジタルツインモデルを公開しました！誰でも無料でダウンロードできます。

プロジェクトアドレス: https://github.com/tokyo-digitaltwin

デジタルツインモデルの規模は巨大で、東京の描写は信じられないほど詳細で、絶対位置の精度は約10cm以内です。

道路上の横断歩道

NVIDIA の上級研究科学者ジム・ファン氏は、「シミュレーション環境に、今後さらに多くの都市、住宅、工場がインポートされるようになるのは当然です」と述べています。

将来、ロボットは単独で訓練されるのではなく、リアルタイムグラフィックエンジンで「鋼鉄の艦隊」としてシミュレーションされ、巨大なクラスターでスケールアップされ、今後何兆単位もの高品質な訓練データを生成するようになるでしょう。
言い換えれば、物理環境をデジタル化し、それを仮想シミュレーションの世界にインポートすることで、ロボット工学の発展が大幅に加速されることになります。
高精度のシミュレーション環境でトレーニングすることで、ロボットは豊富なトレーニング データを取得し、複雑なシナリオを迅速に学習できます。
このアプローチにより、ロボットの仮想世界から現実世界へのスムーズな移行が促進され、実際のアプリケーションにおけるロボットの効率性と知性が向上します。

都市デジタルツインとは何ですか?
簡単に言えば、デジタルツインとは、物理空間にある実体をサイバー空間に移行させた複製です。
この再現が一定レベルの精度に達すると、物理オブジェクト上のセンサーから送信されるリアルタイム データを使用して動作をシミュレートし、操作を監視することができるようになり、「双子」都市の構築と活用が可能になります。
都市のデジタルツイン化とは、実際には、認識された都市データに基づいて、建物や道路などのインフラ、経済活動、人の流れ、その他の要素をサイバースペースで「双子」のように再現することです。

つまり、下図のような連続ループのように、フィジカル空間の様々な活動領域から得られるリアルタイムデータをもとに、サイバー空間で高度な分析やシミュレーションを行い、その結果をインタラクティブな形で高速にフィジカル空間にフィードバックすることが可能になります。

Werner Kritzinger 氏らによると、デジタル ツインには 3 つの段階があります。
最初の段階はデジタルモデリングと呼ばれ、既存の物理オブジェクトとそれが表現される仮想空間との間の相互変換が手動で行われる状態です。都市のデジタルツインの場合、これは既存の履歴データ（例えば、交通流データの再現など）が3D都市上に再現された状態です。
2 番目の段階はデジタル シェーディングと呼ばれ、物理オブジェクトからデジタル オブジェクトへの自動変換をサポートする一方向のデータ フローの状態です。
第三段階はデジタルツインです。デジタルツインでは、物理オブジェクトとデジタルオブジェクトが双方向で完全に融合し、それぞれのオブジェクトが変化し、自動的に他のオブジェクトに反映されます。都市のデジタルツインでは、現実の物理空間とサイバー空間において双方向のデータ交換が実現されます。

都市のデジタルツインの主な価値は次のとおりです。
- 現実にリンクしたリアルタイムデータ収集：高度なセンサー技術と通信技術を使用して、さまざまなデータをリアルタイムに収集します
3D空間を用いた解析・シミュレーション：現実を再現した空間での実験など高度な解析・シミュレーション
- 現実へのフィードバック：意思決定やシステム制御などのために、結果を現実空間にリアルタイムでフィードバックします。
例えば、ニューサウスウェールズ州の交通渋滞分析と規制にデジタルツインとAI予測エンジンを適用することで、交通渋滞によって失われる社会的利益のコストを大幅に削減できます。

デジタルツイン vs アナログ
都市デジタルツインは、物理的な世界の状態をリアルタイムで反映するように構築された都市のデジタルレプリカです。
都市がリアルタイムで動き続けるにつれ、モデルは絶えず変化し、まるで現実の都市と共に生き、息づく「影」のようです。このモデルは都市の現状を反映するだけでなく、現実世界の予期せぬ状況にも迅速に対応できます。
対照的に、都市シミュレーションは、仮定と事前設定されたルールに基づく比較的静的なモデルです。
これは過去の都市運営データを抽出・要約したものであり、一定のパターンを反映することはできるものの、デジタルツインのリアルタイムデータほど正確ではありません。都市シミュレーションは、都市の過去の「病歴」に基づいて将来の状況を予測するようなものです。
全体的に、デジタル ツインとシミュレーションはどちらも仮想モデルに基づくシミュレーションですが、いくつかの重要な違いがあります。
シミュレーションは通常、設計に使用され、場合によってはオフライン最適化にも使用されます。設計者はシミュレーションに変更を入力し、想定されるシナリオを観察します。一方、デジタルツインは、人間がリアルタイムで操作し、更新できる複雑な仮想環境です。デジタルツインははるかに大規模で、幅広い用途に使用できます。
例えば、自動車のシミュレーションでは、新人ドライバーは没入型のトレーニング体験をし、様々な自動車部品の操作を学び、仮想運転中に様々な現実のシナリオに直面することができます。しかし、これらのシナリオは実際の自動車とは関連付けられていません。
一方、自動車のデジタルツインは物理的な車両と関連付けられており、重要なパフォーマンス統計、過去に交換された部品、センサーによって観察された潜在的な問題、以前のメンテナンス記録など、実際の自動車に関するすべての情報を学習します。

都市デジタルツインの3つの柱
アーバンデジタルツインの 3 つの柱は、「データメンテナンス」、「データ視覚化」、「データ分析」と定義されています。

- データメンテナンス
3Dデジタルマップ、ポイントクラウドデータ、GISデータなど、デジタルツイン上で処理される地理空間データ情報の保守と集約（データの収集、データの保存、管理を含む）。

- データの視覚化
3D ビューアなどの視覚化システムを通じて、複雑なデータが直感的なグラフ、チャート、3D モデルに変換され、都市管理者は都市全体の「デジタルポートレート」を見ることができます。
たとえば、ヒートマップは都市のさまざまな地域の人口密度を示すために使用され、動的フロー図は交通と渋滞の流れを表すために使用され、3D モデルは建物内のエネルギー消費の分布をシミュレートするために使用されます。
これらの視覚化により、都市管理者は、まるで都市全体を見渡せる「目」を持っているかのように、都市の運営状況を一目で把握できます。

- データ分析
各種アプリケーションシミュレーターを通じてデジタルツイン上のデータが分析され、対策に活用されます。
都市の公共交通機関を例にとると、乗客の移動時間、移動ルート、移動頻度などのデータを分析することで、バス路線の調整、バスの運行スケジュールの最適化、公共交通機関の運行効率の向上、乗客の待ち時間と移動コストの削減が可能になります。
エネルギー管理の面では、建物のエネルギー消費データを分析することで、正確な省エネ計画を策定し、都市のエネルギー消費を削減し、持続可能な都市開発を実現することができます。

データメンテナンス、データ可視化、データ分析

東京デジタルツイン
東京デジタルツインプロジェクトは2030年までの実現を目指しており、すでにベータ版がリリースされている。

体験へのリンク：https://3dview.tokyo-digitaltwin.metro.tokyo.lg.jp/? _ga=2.180157796.1370176531.1735090358-57006728.1735090358