A behaviour-centric digital twin framework for animal monitoring: from managed enclosures to landscapes
本文提出了一种以行为为中心的数字孪生框架，该框架整合了一个用于非侵入式传感器网络规划的设计阶段，以及一个用于将多摄像头检测结果融合为统一三维世界模型的影子阶段，并在野生动物围栏中得到了成功验证，从而将碎片化的监测转化为具有覆盖感知能力且基于世界参考的生态测量。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
几十年来，我们观察动物的方式一直是一场关于“碎片”的游戏。在动物园、野生动物保护区和康复中心，研究人员依赖固定摄像头来观察行为。角落里的摄像头看到的是池塘的左侧；另一台安装在杆子上的摄像头看到的则是右侧。每个镜头捕捉的都是世界的一个切片，但没有一个单一的摄像头能看到全貌。当科学家试图理解动物如何利用其空间时，他们往往不得不手动将这些脱节的视图拼接在一起，或者更糟的是，他们会将一个盲区误认为是动物单纯不喜欢的地方。这种方法不仅不完整，而且往往具有干扰性。在有动物居住的围栏内安装新摄像头需要钻孔、布线和重复的人类介入，这会给正在被研究的动物带来压力。理想情况下，监控系统应该在第一件工具触碰地面之前就是完美的，且数据应当反映动物真实的物理世界，而非仅仅是摄像头的有限视角。
这正是“数字孪生”概念进入故事的地方。想象一个与物理场所完全一致的完美虚拟副本，拥有相同的尺寸、纹理和光照。在工程领域，这些孪生体被用于在机器制造前进行测试。在生态学中，它们正开始帮助科学家了解种群，但很少被用于观察个体动物在其日常栖息地中的表现。由印度野生动物救援与康复中心 Vantara 的研究人员开发的一种新框架，旨在填补这一空白。他们创建了一个系统，将动物园围栏变成了一张活生生的、交互式的地图。该系统不仅仅是记录视频；它理解三维空间，明确知道每台摄像头能看到什么以及不能看到什么，并将每一次移动转化为一张代表动物真实世界的精确地图上的位置。
研究人员将这一框架应用于该中心的两个特定围栏：一个是美洲黑熊的围栏，另一个是矮河马的围场。对于面积接近 1,000 平方米的黑熊围场，他们利用卫星图像、无人机照片和地面测量构建了一个详细的虚拟副本。这个数字模型包含了地形、池塘、岩壁、攀爬结构，甚至包括可能遮挡视线的特定树木和原木。他们在安装真实摄像头的确切位置放置了虚拟摄像头，并模拟了它们的高度和角度。在系统能够信任真实数据之前，团队进行了一次严格的自测。他们生成了数千个由计算机生成的合成运动轨迹，模拟两只虚拟黑熊，从而创造了一个关于动物应在何处存在的“地面真相”（ground truth）。随后，他们将这些虚假运动输入检测系统，以观察软件是否能准确恢复其位置。
模拟结果非常精确。当系统观察单台摄像头的视角时，它定位黑熊位置的中位数误差约为 19 厘米。然而，系统的真正威力在于结合多个视角的观察。通过融合来自不同角度的数据，误差降至仅 7 厘米。这种融合使得系统在动物活跃期间的覆盖率达到了 94.8%，有效地消除了困扰传统监控的“盲点”。至关重要的是，该系统还能区分出一个空间是真正空置的，还是仅仅处于视觉盲区。在旧的方法中，如果摄像头无法看到围栏的一个角落，软件可能会假设动物避开了那个角落。而这个新框架会将这些隐藏区域标记为“不可观测”，从而确保数据反映的是实际观察到的情况，而非遗漏的情况。
除了追踪移动，该框架还实现了此前无法实现的规划水平。研究人员利用数字孪生在任何硬件安装之前就对摄像头网络进行了分析，这一过程在没有干扰动物的情况下，在已有人居住的围栏内是不可能完成的。他们计算出，他们最终安装的五摄像头设置将使 8 5.1% 的围场至少被一台摄像头覆盖，其中 57.4% 的区域同时被两台或更多摄像头覆盖。系统识别出其中一个特定的摄像头（位于洞穴门附近）是一个“专家型”摄像头，它几乎看不到一般区域，但对于观察入口至关重要；它还揭示了另一个位于水池端的摄像头对于整体覆盖率最为关键：如果该摄像头失效，可见区域将会大幅下降。此外，数字孪生还可以预测阳光直射镜头的时刻，从而导致光晕现象冲淡图像。它显示，在冬至期间，面向南侧的摄像头每天会被阳光遮蔽长达十个小时，这个问题现在可以在摄像头开启前，通过调整安装角度或使用红外照明来解决。
这项工作的终极目标是为每只动物创造一个连续的故事，从康复到野化释放。目前，动物的生活通常分为两个脱节的阶段：在受管辖的围栏中度过的时间，以及在野外度过的时间。该框架提议在两者之间架起一座桥梁。用于监测动物园黑熊的同一套数字架构，可以通过使用 GPS 项圈和红外相机捕获技术（而非固定 CCTV），适配于监测同一只黑熊在广袤景观中的表现。这将允许科学家维持一个关于个体行为的单一且一致的记录，对比它在圈养环境下如何利用空间，以及在野外如何进行导航。虽然目前的研究重点在于围栏监控的精确度，但其设计旨在扩展到这些更大、更原始的自然环境中。
研究人员强调，他们的发现是基于高度精确的模拟以及对已安装摄像头网络的追溯性分析。尽管底层检测软件已经在中心的网络上运行，但本研究尚未在黑熊的实时直播画面上进行测试。模拟的成功证明了其数学和几何基础是稳健的，建立了一个足以信任用于行为分析的误差范围。通过将设计和测试阶段移入虚拟世界，该框架确保了物理安装在第一次尝试时就是正确的，从而避免了因反复施工给动物带来的压力。它将动物监控从一系列破碎的、二维的视频片段，转变为一种统一的、三维的生命测量，在这里，每一步都被记录，每一个盲点都清晰可见。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。