通过数字孪生（Digital Twins）和滑动工作共享（Sliding Work Sharing）本体技术，实现建筑和制造领域中人类与人工智能的互操作协作，从而推动自动化进程

《Journal of Industrial Information Integration》：Enabling interoperable human–AI teaming for automation in construction and manufacturing via Digital Twins and Sliding Work Sharing ontologies

动态工作分配本体系统在建筑与制造领域的应用验证

　　这篇文章探讨了如何构建一个支持人类与人工智能驱动的非人类代理之间动态、可解释和以人为本协作的本体系统，特别关注于工业4.0（Industry 4.0）和工业5.0（Industry 5.0）背景下数字孪生（Digital Twins, DT）和人类数字孪生（Human Digital Twins, HDT）的应用。随着人工智能、机器人和网络物理系统（Cyber-Physical Systems, CPS）技术的快速发展，这些技术正在重新定义未来工作环境中的任务分配与协作模式。然而，现有的任务调度本体在处理人类与非人类代理之间的动态协作时存在局限性，特别是在对数字孪生、人类数字孪生以及实时情境变化的建模方面。本文提出了一种新的上层本体“滑动任务共享”（Sliding Work Sharing, SWS），旨在为跨领域语义互操作性和推理提供支持，从而推动复杂环境下的协作工作。

数字孪生是物理系统或过程的数字模型，能够实时反映其状态，而人类数字孪生则是对个体人类的数字表示，包括其生理或认知状态。通过引入这些数字孪生概念，SWS本体能够支持更动态和情境感知的任务分配机制，使得工作可以在不同参与者之间灵活地转移。这与传统静态任务分配不同，它强调根据当前情境、所需的人类参与程度以及所需的人类支持程度来动态调整任务的执行者。因此，SWS本体不仅为任务分配提供了更全面的框架，还能够通过数字孪生的整合实现对系统性能的实时监控和评估，从而提升人机协作的效率和可靠性。

为了验证SWS本体的适用性和表达能力，本文通过两个实际案例进行了评估：一个是建筑领域的协作施工案例，另一个是制造业中的工作共享案例。在建筑案例中，机器人和人类共同完成任务，而在制造业案例中，系统则整合了传统设备、人工智能代理和人类规划者。通过这两个案例，研究者展示了SWS本体如何支持不同工作场景中的任务分配和协调，特别是在面对不确定性时，如何根据实时数据调整任务分配策略。

此外，为了更系统地评估SWS本体的覆盖范围和表达能力，本文提出了一种基于检索增强生成（Retrieval-Augmented Generation, RAG）的新方法。该方法利用外部资源，如AI4Work项目的技术文档和研究报告，来生成能力问题（Competency Questions, CQ），而这些能力问题并不直接基于本体本身，以减少评估过程中的偏见。随后，这些能力问题被转化为SPARQL查询，以测试本体是否能够有效地回答关键的工作共享问题。这种方法不仅提高了传统本体评估方法的效率，还为未来的本体开发提供了一种可迭代的评估方式。

在逻辑一致性方面，研究者使用了多种行业标准推理器，如FaCT++、HermiT和Pellet，来验证SWS本体的结构是否满足逻辑要求。结果表明，SWS本体具有高度的灵活性和广泛的适用性，能够支持不同工业领域的动态协作。这一成果不仅为人机协作提供了理论支持，也为实际应用中的系统设计和实施提供了实践指导。

SWS本体的设计借鉴了工业本体库（Industrial Ontology Foundry, IOF）的核心本体，并进一步扩展了其概念体系。它引入了新的关键元素，包括数字孪生、人类数字孪生以及动态任务流的建模，从而能够更全面地支持人机协作所需的语义互操作性。通过将这些概念与IOF本体相结合，SWS本体不仅能够满足传统任务调度的需求，还能够支持更复杂的协作场景，如实时调整任务分配、考虑人类状态和能力的决策过程，以及多代理之间的协同工作。

为了增强本体的表达能力，SWS本体被划分为多个模块，包括上层本体和领域特定本体。上层本体提供了通用的协作概念，而领域特定本体（如Construction SWS, CSWS和Manufacturing SWS, MSWS）则根据特定行业的需求进行了扩展和细化。这种模块化的设计不仅提高了本体的可重用性，还使得不同领域的研究者能够根据自身需求对本体进行定制化调整。例如，在建筑领域，CSWS本体引入了特定的资源和任务分类，而在制造业中，MSWS本体则更加关注生产流程的优化和设备故障的处理。

在实际应用中，SWS本体的构建依赖于多种外部资源的整合，包括现有本体、行业标准和领域知识。通过这种方式，SWS本体能够兼容不同的系统和数据格式，从而实现更广泛的语义互操作性。同时，本体的评估方法也体现了其在实际应用中的灵活性，它不仅能够支持传统的任务调度逻辑，还能够处理更复杂的协作场景，如多代理之间的动态任务分配、基于人类状态的决策支持以及实时调整任务优先级。

文章还讨论了当前本体设计中的一些挑战，如如何在不同领域之间实现语义一致性、如何处理多代理之间的协同工作以及如何在实际应用中验证本体的有效性。为了解决这些问题，研究者提出了一种结合多种本体和领域知识的集成方法，使得SWS本体能够在不同工业环境中得到更广泛的应用。此外，文章还指出，未来的研究可以进一步扩展SWS本体的应用范围，包括物流、医疗和农业等领域，以探索其在更复杂工作场景中的潜力。

从方法论的角度来看，本文提出的SWS本体不仅是一个技术工具，也是一种理论框架，能够支持对人机协作的深入理解。通过引入数字孪生和人类数字孪生的概念，SWS本体能够更准确地建模人机协作中的动态元素，如任务分配、决策过程和情境适应性。同时，基于RAG的能力问题生成方法为本体的评估提供了一种新颖且高效的方式，使得研究人员能够更系统地识别本体在实际应用中的不足之处，并据此进行优化和改进。

总的来说，SWS本体的提出和应用为工业4.0和工业5.0背景下的人机协作提供了重要的理论和实践支持。它不仅能够提升任务分配的灵活性和效率，还能够通过数字孪生的整合实现对系统性能的实时监控和评估。此外，SWS本体的设计理念和方法论也为未来的人工智能本体研究提供了新的思路，特别是在如何将人工智能与人类协作结合，以及如何在复杂的工业环境中实现语义互操作性方面。