《ADVANCED ENGINEERING INFORMATICS》：Doc2DT: An LLM-driven knowledge graph abstraction framework for digital twin generation from unstructured engineering documents
编辑推荐：
工程文档蕴含关于物理系统结构、行为与运行的大量知识，然而此类知识通常以异构的、面向人类阅读的形式表达，难以在计算工程工作流中直接复用。因此，数字孪生（DT）的开发往往依赖领域特定的建模流程与大量人工工程投入，限制了生成方法在不同系统之间的复用。为应对该挑战，本
工程文档蕴含关于物理系统结构、行为与运行的大量知识，然而此类知识通常以异构的、面向人类阅读的形式表达，难以在计算工程工作流中直接复用。因此，数字孪生（DT）的开发往往依赖领域特定的建模流程与大量人工工程投入，限制了生成方法在不同系统之间的复用。为应对该挑战，本文提出Doc2DT，一种由大语言模型（LLM）驱动的知识图谱抽象框架，通过统一抽象过程将非结构化工程文档转化为可复用的数字孪生表示。该框架将文档级工程信息转换为结构化数字表示，并重构为基于图的抽象模型，以机器可解释的形式显式刻画工程知识。所得抽象构成数字孪生生成与系统集成的基础。所提框架通过工业机器人案例研究进行评估，其中工程文档被转化为经验证的数字表示并部署为可运行的数字孪生。进一步的机器人案例表明，尽管几何、文档结构与局部歧义存在差异，同一抽象方法仍可保持。研究结果支持了该以抽象为中心的方法在关节型机器人领域内的有效性、通用性与可扩展性，并指示出一条从异构工程文档实现可复用数字孪生生成的更广泛路径。
研究背景与问题
在制造系统中，数字孪生（Digital Twin，DT）技术已成为监控、仿真、控制与优化的重要基础。随着工业设备互联程度与运行相互依赖性的提升，DT的角色正从孤立的虚拟模型扩展至更广泛的信息物理集成。在架构层面，ISO 23247系列标准已对制造DT的参考框架作出规范，涵盖通用原则、参考架构、制造要素的数字表示与信息交换规范。然而，工业实践中的DT构建仍高度依赖预定义的工程模型与资产特定工作流。多数情况下，DT由CAD模型、URDF或XML等数字格式、仿真资产或专有软件格式构建，这些格式已针对特定目标系统准备就绪。当资产变更、系统配置修改或需建模不同类别设备时，开发过程难以复用，导致DT流程往往与特定表示格式、软件环境或工程领域紧密绑定。
这一局限在异构制造环境中更为突出：机器人、机床、运输系统等设备共存于同一信息物理环境，虽可协同运行，其工程描述却很少以通用且可复用的形式准备。此类系统普遍具备的并非成品数字模型，而是嵌入图纸、规格书、手册与运行相关文档中的指令级非结构化工程文档。这些来源包含目标系统的结构、参数与行为知识，但以异构、人类可读的形式表达，而非可直接部署的数字表示。既有研究在架构、中间件与标准化层面取得显著进展，但普遍以已准备好的数字模型为起点；知识工程与图表示研究虽提升了互操作性，也多始于已结构化或数字化组织的信息；LLM相关研究虽展现出解释工程信息、生成结构化产物与组织领域知识的能力，但这些能力多被作为独立功能考察。将异构工程文档转化为经验证的结构化表示、经图抽象重组并最终实现为数字孪生的统一方法仍相对欠缺。这一空白构成本研究的动因。
研究工作与结论
研究人员提出Doc2DT框架，即一种LLM驱动的知识图谱抽象框架，通过统一抽象过程将非结构化工程文档系统性地转化为数字孪生表示。该框架不假设预定义数字模型已存在，而是从文档级信息出发，经表示合成、验证、抽象与实现逐步推进。研究贡献包括三方面：其一，建立统一的文档驱动方法，通过多模态信息提取、结构化合成与工程一致性验证，将异构人类可读工程文档转化为经验证的数字表示；其二，引入基于图的抽象层，将经验证的系统信息重组为显式的部件、关系、状态、参数、约束与来源，在源特定表示与DT实现之间提供可复用的中间结构；其三，通过四个关节型工业机器人案例的重复生成与验证试验，并结合基于ISO 23247参考架构的DT实现，评估同一生成与抽象过程在几何、文档组织与局部歧义存在差异的系统间的可复用性。结果表明，该以抽象为中心的方法在关节型机器人领域内具有有效性、通用性与可扩展性，并指示出从异构工程文档实现可复用DT生成的更广泛路径。论文发表于《ADVANCED ENGINEERING INFORMATICS》。
关键技术方法
研究采用三项主要技术方法：一是基于光学字符识别（Optical Character Recognition，OCR）的文本提取、基于视觉语言模型（Vision-Language Model，VLM）的视觉解读与表格解析，将异构工程文档转化为机器可用证据；二是LLM编排的表示合成，融合文本、表格与视觉信息，经几何映射、结构关系推断与关系链式组合，生成显式候选表示；三是基于推理的一致性验证与精化，通过对推断状态施加扰动候选、依据几何与运动学一致性条件评估，并将精化反馈回传合成阶段形成迭代闭环。
研究结果
3.1 LLM驱动的数字表示合成与验证：研究人员将图纸、技术手册、规格表等视为系统知识的互补来源，经预处理与多模态数值提取获得候选数值、标签与几何线索；再经LLM编排合成，识别候选部件、属性与关系并组合为关系链式表示，机器人案例中产出类URDF的连杆、关节及参数描述。由于合成过程可能含缺失参数、OCR或解析误差、视觉歧义、LLM幻觉及看似合理但无效的实体—关系映射，研究人员通过扰动候选与几何、运动学一致性条件进行验证，并将不一致反馈至合成阶段实现局部再生或修正，最终得到内部结构经显式几何与运动学准则检验的经验证数字表示。
3.2 图抽象与知识图谱实例化：研究人员将经验证表示重构为基于图的抽象模型，建立数字表示元素与图元素的映射：部件映射为节点并附状态，状态变量映射为节点属性，参数映射为属性，关系映射为边并以函数刻画部件间交互或约束，结构依赖映射为图连通性，系统表示映射为整体图结构。该抽象层在源特定表示与DT实现之间提供可复用的中间结构。
3.3 数字孪生实现与系统集成：研究人员基于ISO 23247参考架构实现DT，将抽象模型实例化为知识图谱并部署为可运行数字孪生，完成与系统集成的对接。
3.4 案例评估：研究人员以四个关节型工业机器人案例开展重复生成与验证试验，结果表明尽管几何、文档结构与局部歧义存在差异，同一抽象方法仍可保持，支持了框架的有效性、通用性与可扩展性。
讨论与结论
讨论部分指出，既有DT研究在架构、中间件与标准化层面推进了部署、同步与系统组织，但普遍以已准备的数字模型为起点；知识工程与图表示研究虽使实体与关系显式化，却多始于已结构化信息；LLM研究虽具备解释、生成与知识组织能力，但多作为独立功能考察。Doc2DT的差异在于将文档驱动合成、图抽象与DT实现串联为统一流程，使抽象层成为跨系统可复用的中间结构。研究亦表明，结构化中间表示与分阶段验证有助于提升可追溯性并限制误差在连续变换阶段的传播。
研究结论翻译如下：工程文档蕴含关于物理系统结构、行为与运行的大量知识，然而此类知识通常以异构的、面向人类阅读的形式表达，难以在计算工程工作流中直接复用。因此，数字孪生（DT）的开发往往依赖领域特定的建模流程与大量人工工程投入，限制了生成方法在不同系统之间的复用。为应对该挑战，本文提出Doc2DT，一种由大语言模型（LLM）驱动的知识图谱抽象框架，通过统一抽象过程将非结构化工程文档转化为可复用的数字孪生表示。该框架将文档级工程信息转换为结构化数字表示，并重构为基于图的抽象模型，以机器可解释的形式显式刻画工程知识。所得抽象构成数字孪生生成与系统集成的基础。所提框架通过工业机器人案例研究进行评估，其中工程文档被转化为经验证的数字表示并部署为可运行的数字孪生。进一步的机器人案例表明，尽管几何、文档结构与局部歧义存在差异，同一抽象方法仍可保持。研究结果支持了该以抽象为中心的方法在关节型机器人领域内的有效性、通用性与可扩展性，并指示出一条从异构工程文档实现可复用数字孪生生成的更广泛路径。
