所谓数字孪生,是一种利用工程模拟实现产品设计改进的解决方案。Omniverse就致力于为更加广泛的用例组合提供数字孪生工具与技术支持。在本届英伟达GTC大会上,Lowe’s、Kroger等公司的高管们阐释了数字孪生如何重塑零售、客户体验与物流设计。
此次分享的最大亮点,在于数字孪生如何轻松对不同物理对象间的复杂关系进行可视化,具体涵盖产品放置、到店接待以及机器人库存。在这项技术的支持下,零售商能够进一步提高店内空间利用率、改善店面清洁效果。
利用这样一款可视化工具,管理者和员工可以共同探索最佳布局、工作时间表、团队活动及访客互动。此外,他们还能够直观评估一切可能对店内清洁、维修及人员配备造成影响的布局、时间表与技术应用。
数字孪生还能以多种方式增强客户体验,例如帮助客户访问家装项目、核算所需材料与材料成本等。另外,数字孪生也可以帮助分析购物清单并据此设计店内行动轨迹,借此帮助客户快速便捷地完成到店购物之旅。
Lowe’s创新实验室副总裁Cheryl Firedman介绍称,该公司正在开发一款新的iOS应用,能够自动检索家居数据以协助推进装修项目。
房主与承包商可以借此快速测量房间数值,并估算所需材料的数量及不同方案间的成本差异。这款应用还能提示房主在更换电器时优化布局,尽可能缩短隐蔽工程量。消费者还可以比较不同颜色的价格与各类门窗制作工作。
Fiedman表示,“以往,大家在装修中总会遇上数据缺失问题,而这往往给整个施工过程带来各种各样的麻烦。”
数字孪生、混合现实与计算机视觉等新兴技术将帮助消费者捕捉家居数据、跟踪各类细节,进而消除上述麻烦。Lowe’s的应用就充分利用到新款iPhone内置的领先功能,可以快速捕捉室内数值。
Lowe’s之前也曾尝试使用各类商业与专有工具进行3D建模和模拟。但这类数据往往很难实现跨部门移动,也因此影响到员工的实际使用。Friedman解释道,“因此,我们对Omniverse引入Pixar动画工作室的USD(通用场景描述技术)感到兴奋,这将建立起一套向所有人开放的生态系统,也增强了我们Lowe’s使用3D技术的能力。”
Omniverse还能将所有3D数据汇总起来,帮助我们观察到以往彼此割裂的数据关系。如此一来,描述商店布局、规划商店组织方式将变得非常轻松。此外,Friedman还希望依靠模拟技术改善黑色星期五等大规模购物季下的门店流量规划,甚至借此优化机器人清洁与库存货架的调度思路。
Kroger正在探索如何利用数字孪生提高产品新鲜度并优化物流。Kroger希望构建一套用于反映产品新鲜度、肉类拆分方式及物理产品布局的数字孪生模型,用以保证各项流程始终平稳运行,进而实现缩短生产线、保障肉食新鲜、仓库排布有序等目标。
Kroger公司技术转型与研发副总裁Wesley Rhodes表示,“以往,这些工作就像是学跳舞,必须得勤加练习才能正确掌握。但科技的发展让复杂的事物变得越来越简单。”
近年来,Kroger一直在尝试各类流程优化工具。但这些工具往往太过复杂,无法快速将一线工作人员的实际情况纳入分析。Omniverse内置的最新数字孪生视觉功能则帮助员工和管理者快速进行权衡指标可视化,并在事态未按计划发展时提供反馈。例如,他们可以查看新的货品布局给店内客流走向造成的影响。
Rhodes还借鉴了航空业的技术应用思路。例如,航空公司会使用视频分析来优化登机流程,新的计算机视觉工具则能够检索现有流程数据以准确反映性能。在这样的思路下,数字孪生模型中遵循的所有假设均可灵活检索,极大提高了模拟结果的准确性。
英伟达Omniverse开发者平台副总裁Richard Carris表示,数字孪生还有助于改善包装品质。产品包装往往会在客户选购商品时形成第一印象,进而影响最终选择。但是,包装设计师一直很难想象同样的包装在不同光照下、或者与竞争产品相邻摆放时究竟是什么效果。
Carris指出,“数字孪生能帮助我们为产品包装建立数字副本,并结合不同环境查看。”
例如,设计师可以模拟不同材料在商店中的外观,以及拿起、放下时的视觉感受。设计师还可以模拟不同包装设计会对货架摆放及运输产生哪些具体影响,借此找到最安全、最高效的包装与运输方案。此外,为产品包装建立数字孪生还有助于模拟客户将产品放进购物袋、包装方案与其他商品堆叠时的实际效果。
Carris总结道,“既不怕挤怕压、又始终光彩夺目,这才是好的包装设计。”
好文章,需要你的鼓励
北京大学团队开发的DragMesh系统通过简单拖拽操作实现3D物体的物理真实交互。该系统采用分工合作架构,结合语义理解、几何预测和动画生成三个模块,在保证运动精度的同时将计算开销降至现有方法的五分之一。系统支持实时交互,无需重新训练即可处理新物体,为虚拟现实和游戏开发提供了高效解决方案。
AI硬件的竞争才刚刚开始,华硕Ascent GX10这样将专业级算力带入桌面级设备的尝试,或许正在改写个人AI开发的游戏规则。
达尔豪斯大学研究团队系统性批判了当前AI多智能体模拟的静态框架局限,提出以"动态场景演化、智能体-环境共同演化、生成式智能体架构"为核心的开放式模拟范式。该研究突破传统任务导向模式,强调AI智能体应具备自主探索、社会学习和环境重塑能力,为政策制定、教育创新和社会治理提供前所未有的模拟工具。