AgenticTwin: An Agentic LLM Framework Integrated with Digital Twin for Anomaly Detection
Di cosa parla
Una combinazione di strumenti mette insieme una copia virtuale di un sistema reale con modelli linguistici—programmi che comprendono e generano testo—per spiegare e diagnosticare anomalie nei dati dei sensori. Gli operatori possono porre domande in linguaggio naturale e ricevere spiegazioni ancorate ai risultati del rilevamento. I ricercatori hanno testato il metodo su dati meteorologici reali con anomalie simulate e hanno valutato modelli linguistici open source più leggeri.
Cosa permette di osservare
Permette di esplorare se far dialogare copie virtuali e modelli che spiegano in linguaggio naturale aiuta gli operatori a capire cause e possibili rimedi delle anomalie, e se modelli open source più leggeri sono praticabili sul campo.
Dalla fonte
Digital twins are increasingly used to monitor and simulate the behavior of cyber-physical systems. Even with skilled operators, interpreting anomalies detected within digital twin pipelines is challenging, as the sheer complexity and volume of raw sensor data make thorough analysis difficult. Recent advances in large language models (LLMs) offer promising capabilities for reasoning and explanation, yet their integration into digital twin-driven anomaly analysis remains underexplored. In this work, we propose AgenticTwin, an agentic framework that integrates LLM-driven reasoning with a digital twin-based anomaly detection pipeline. The framework grounds LLM-generated explanations in outputs from a digital twin-driven anomaly classifier and enables human operators to ask relevant natural-language questions about the system. Beyond the framework itself, we introduce a benchmark-oriented e…