CCF广东工业大学学生分会举办 “Generative Digital Twins: Principles, Architecture, Methodology, and Applications”学术讲座

CCF广东工业大学学生分会于2026年4月15日（星期二）下午成功举办了主题为“Generative Digital Twins: Principles, Architecture, Methodology, and Applications”的学术讲座。意大利卡拉布里亚大学（Unical）Giancarlo Fortino教授应邀为计算机学院师生作学术报告。

Giancarlo Fortino教授是计算机工程与物联网领域的国际顶尖学者、IEEE Fellow（2022），现任意大利卡拉布里亚大学正教授兼ICT博士生院院长、意大利国家研究委员会（ICAR-CNR）高级研究员，并受聘为武汉理工、华中科技等多所中国知名高校的高端专家。他在可穿戴计算、物联网等领域累计发表论文750余篇，总引用量超34000次（h-index高达88），连续六年（2020-2025）入选科睿唯安计算机科学领域“全球高被引科学家”，是目前该领域唯一上榜的意大利学者。此外，Fortino教授在学术领导力与产学研方面经验丰富，不仅担任IEEE系统、人与控制论学会（SMCS）副主席（2026-2027）以及IEEE TASE等数十个国际顶级期刊和丛书的主编或高级编辑，还联合创立了多家物联网与AI科技衍生公司并担任核心高管。

本次讲座中，Giancarlo Fortino教授以《Generative Digital Twins: Principles, Architecture, Methodology, and Applications》为题展开分享。他结合自身多年的研究积累，向大家介绍了“生成式数字孪生（GDT）”这一前沿概念。Fortino教授提到，随着AI生成能力和物联网技术的发展，数字孪生不再只是物理世界在电脑里的简单映射，而是具备了主动预测和优化的能力，这为未来的智慧城市和智能制造打开了全新的思路。

随后，Fortino教授梳理了数字孪生技术的发展脉络，重点讲解了从传统数字孪生向“机会型数字孪生”的演变过程。他结合大屏幕上的对比图解释道，以前的系统往往只停留在虚拟层面，很难和现实世界进行动态互动；而机会型数字孪生则更强调物理实体与虚拟模型之间的互操作性，让两者真正连接起来。

那么，AI在其中扮演了什么角色呢？Fortino教授进一步指出，AI的加入让数字孪生不再仅仅是一面“数字镜子”。依托AI的自适应学习、异常检测和预测性维护等能力，系统能够主动适应环境的变化。这就好比赋予了系统“思考”的能力，不仅简化了复杂的后台编程工作，还能通过生成模拟数据来弥补现实中传感器数据的不足。

报告中，Fortino教授展示了一张详细的对比表格，直观地比较了传统数字孪生和“生成式数字孪生”的具体差异。他举例说，面对现实中经常出现的传感器故障或数据误差，传统方法往往很难处理；而GDT可以借助大语言模型等生成式AI技术，动态调整模型结构，甚至能自己生成没有误差的数据来填补空白，让最终的仿真结果变得更加准确。

在介绍完基础概念后，Fortino教授分享了团队在生成式AI架构方面的最新研究成果。针对城市交通中常见的车辆轨迹数据缺失问题，他们设计了一个结合RoBERTa大模型和LSTM网络的系统架构。教授特别介绍了其中的“掩码语言建模（MLM）”机制，表示这个过程有点像是在做“完形填空”，模型能够根据上下文有效地推测并填补缺失的轨迹片段，把残缺或模糊的监控数据重新补全。

接着，Fortino教授向大家展示了生成式数字孪生的参考架构图。他将这个复杂的系统拆解为物理系统和数字系统两大部分，并逐一讲解了感知、数据处理、表示以及决策控制这几个层级是如何协同运作的。他强调，要搭建一个好的数字孪生系统，必须满足代表性、纠缠性和持久性这三个基本条件。

讲座的最后，Fortino教授以“交通路口的车辆追踪”为实际案例，带大家了解了模型背后的数据构建与预处理过程。他指着投影幕上打满网格的十字路口图片解释说，为了让AI看懂复杂的路况，团队把物理空间划分成了离散的网格。通过提取目标车辆前10秒的历史轨迹、周围相邻车辆的动态，再去预测未来5秒的走向，教授向在场师生生动地演示了这项技术是如何在真实的智慧交通场景中一步步落地的。

报告结束后，现场师生围绕“大模型填补缺失数据的准确性评估”、“数字孪生系统的实时交互延迟”及“生成式AI在智慧交通中的泛化能力”等议题展开了深入的交流讨论。通过互动，师生们对生成式人工智能赋能数字孪生的前沿问题及未来发展趋势有了更深入的理解。

内容编辑：江文昭

素材拍摄：符子昊

内容审核：李仁亮