본 논문은 디지털 트윈으로 생성된 시뮬레이션 데이터를 활용하여 심층 학습 기반의 고장 진단 모델을 학습하는 방법을 제안합니다. 시뮬레이션과 실제 시스템 간의 차이로 인한 성능 저하 문제를 해결하기 위해, 도메인 적대적 신경망(DANN) 기반의 고장 진단 프레임워크를 제시합니다. 공개된 로봇 고장 진단 데이터셋(디지털 트윈으로 생성된 3,600개 시퀀스와 실제 시스템에서 수집된 90개 시퀀스 포함)을 사용하여 CNN, TCN, Transformer, LSTM 등의 경량 심층 학습 모델과 DANN의 성능을 비교 분석합니다. 실험 결과, DANN을 적용하면 실제 환경 데이터에서 진단 성능이 크게 향상됨을 보여줍니다 (예: 기본 CNN 모델의 정확도가 70.00%에서 80.22%로 향상).
