汽车、智慧城市、国防与制造业创新：数字孪生正在全面发力

作为以数字副本模拟真实对象的技术，数字孪生有望在汽车、智慧城市、国防及制造业等多个领域改变既有规则。本文整理多个行业高管的观点，总结数字孪生如何帮助这些领域加速未来创新。

数字孪生有什么用？

由行业、政府及学界共同组建的数字孪生联盟（DTC）正致力于推进数字孪生技术在术语、架构、安全性及互操作性层面的统一。目前数字孪生联盟已拥有超过250家成员，以及多个针对不同领域的工作小组。

数字孪生联盟首席技术官Dan Isaacs表示，“我们会根据关注取向引导并建立工作小组。各个小组之间保持着高度协同。”

该联盟将数字孪生定义为“以特定频度及保真度与现实世界实体及流程保持同步的虚拟表示。”此外，“数字孪生使用实时及历史数据表示实体/流程的过去及当前状态，并通过模拟预测其未来状态。”

Isaacs表示，“我们希望持续更新数据，确保虚拟化环境下的内容始终同步且准确可靠。数字孪生必须准确表示现实世界实体的当前状态。数字孪生使用实时及历史数据表示实体/流程的过去及当前状态，借此最大程度保障模拟可信度。基于整体视角与数据，用户将能够据此预测未来。”

数字孪生联盟指导委员会主席Bill Ruh提到，“数字孪生就像一个占卜水晶球，能根据过去发生过及当前正在发生的一切，预测并模拟未来状况。”

数字孪生联盟成员已经开始在汽车制造、电池管理等多个领域应用这项技术。Isaacs还以汽车制造为例，具体解释了自动化机器人如何发现流程中的异常情况。

 “首先需要保证高度准确，即确切了解自动机械臂要去往哪里、如何操作。在建立起完整的模拟体系后，机械臂的数字孪生就能在其中运行起来，准确映射现实场景下的物料位置、焊接操作或其他元素，并据此发现异常。”

来自车间的数据将被直接馈送至数字孪生模拟，进而确定潜在异常是否可能在生产系统中真实发生。

数字孪生还有助于提高汽车电池的容量利用率。

 “数字孪生基本包含了电池的所有物理及化学特性，全部数据都来自电池的真实应用。在拿到这份真实数据之后，我们就能思考「这跟我的模型匹配吗？」、「精度是否满足需求？」、「模拟结果是否正确？」等问题。解决电池续航不能只靠简单粗暴的超充站，还得想办法优化车辆行驶中对电池电量的使用方式。”

Isaacs还解释道，“以此为基础，我们就能从中提炼出结论，再配合机器学习或神经网络来确定现实行驶中的最优电池管理方法。”

数字孪生的应用场景当然不限于此——模拟ADAS功能的传感器、基于驾驶员数字孪生的动态保费以及确定无线更新需求等都是大有希望的潜在用例。

无人车、无人机与军事应用中的数字孪生

数字孪生联盟成员Duality Robotics就与多家客户开展合作，帮助客户制造用于仓储自动化体系的机器人、用于空中检查的自主无人机、国防机器人、AI工作流程与制造检查等方案。高仿真度Falcon数字孪生模拟器正是Duality Robotics的得意之作。

Duality最近还受邀加入DARPA（国防高级研究计划署）的RACER-Sim项目，负责为其提供基于真实世界的虚拟环境。该项目有望提高自动无人地面车（UGV）在越野条件下的安全性、可靠性、适应性与机动性。

Duality Robotics公司创始人兼首席产品官（CPO）Michael Taylor表示，“我们与制造机器人的客户充分交流，并向他们演示了如何在数字孪生中实现更强大的设计测试能力。大部分业务流程都可以用模拟方式代替，最终加快产品上市速度、提高产品实际表现。”

Taylor还提到，“我们认为应当建立一个开放的生态系统，为所有工具间的互操作性提供标准。我们认为，有必要在应用数字孪生技术的各个行业中建立起统一的思维方式。只要能够在各领域间形成这样的认知共识，数字孪生必将大有可为。”

智能交管中的数字孪生与模拟

作为运行硬件感知AI优化平台NetsPresso的运营企业，Nota公司联合创始人兼CTO Tae-Ho Kim对于数字孪生有着自己的理解。

他认为，Nota的核心业务在于建立智能交管系统。Kim还深入剖析了该公司为何使用英伟达数字孪生工具开展智能交通模拟。

Nota公司目前拥有三款AI产品：AI交通摄像头、AI智能交管，以及AI路口管理。

AI交通摄像头的目标是使用摄像头收集交通数据，进而实现车辆检测、跟踪与分析。

Note AI智能交管则将实时交通数据从AI交通摄像头推送至服务器，再利用强化学习代理决定信号灯时长，依托最佳指控策略调整交管决策。

AI路口管理则能够对潜在事故做出实时预测，预先提醒行人和司机以降低事故发生率。

Kim表示，“尽管AI技术已经取得了巨大成就，但我们日常生活中的AI用例仍然相当有限。之所以难以落地，一大挑战就在于数据收集。现实世界中的数据极难获取，特别是不同天气、不同光明条件下的各类罕见交通事件。”

车祸、逆行与乱穿马路的瞬间往往无法被及时捕捉，此外数据隐私政策也在限制企业的数据收集能力。

有鉴于此，模拟或数字孪生工具能够建立起虚拟环境，帮助企业收集到以往难以获取的数据。而模拟工具的关键，就在于跨工具间的互操作性。目前市面上的模拟工具种类繁多，各有不同功能及用途。Kim强调，如果缺少统一的底层生态系统，不同工具间的互操作性将永远无法实现。

Kim还提到，英伟达Omniverse 3D实时模拟开放平台及其配套产品的出现，为数字孪生仿真提供了一系列重要解决方案。

英伟达Omniverse Connect就是一个生态系统，可帮助用户对接不同来源的各类地图模拟器、环境、传感器、车辆与交通模型。

Omniverse的另一大优势，在于专门面向自动驾驶及运输用例的Drive Sim和Duplicator。Omniverse Replicator专为Drive Sim提供AI任务支持，而Drive Sim则能进一步生成地面实况、天气、激光雷达、常规雷达、道路状况、被遮拦人/物及随机域等信息。

Omniverse Create则可生成不同光照条件下车车对接、路口碰撞及人车碰撞的视频素材。

Kim还提到，Note公司选择英伟达Omniverse来开发智能交管系统，主要基于三方面的考虑。首先，它能帮助用户融合不同地点与不同环境；其次，它能与现有模拟工具良好兼容；第三，Omniverse能够轻松收集数据、进而缩短开发周期并降低开发成本。

Kim表示，“借助Omniverse、Drive Sim、Connect及Replicator，我们得以建立起庞大而丰富的数据集、将不同模拟工具整理统一，并持续增强现有数据集的内容充实度。”

数字孪生技术的未来

数字孪生技术在汽车及交通领域还有更多已经或将要落地的重要用例。

西门子公司在官网上表示，ElectraMeccanica工程师利用数字孪生技术成功将车辆的设计、模拟与制造周期控制在两年以内。

Strategy Analytics公司汽车实践首席分析师Kevin Mak认为，数字孪生在联网汽车时代还将带来更多新的用例与预测支持。

新型联网汽车服务用例包括为用户购买的具体车型创建数字孪生，借此比较并在故障实际发生前提出警告。而车载传感器也能及时检测到数字孪生副本中的路面坑洼并立即上报，以便地方政府快速动工修复。

而且在遭遇恶劣、甚至极端危险的天气条件时，数字孪生技术还能通过车辆传感器将当前状况传输给周边的其他驾驶员。

Mak认为，与目前直接在轮胎上安装传感器的方法相比，数字孪生技术也将带来更具成本效益的轮胎质量检测思路。

数字孪生大有可为，但其本身仍是个处于早期发展阶段、尚未真正成熟的新概念。相信未来将有更多工程师、决策者及学者投身于其中，为数字孪生的最终落地贡献力量。

此外，数字孪生带来的数据存储与分析负载也对管理和通信能力提出更高的要求。这就要求各参与方广泛合作，协同探索。再有，车载传感器本身可能老化，如果不能及时校准、往往会影响到数字孪生的数据分析准确性。但Mak认为，在软件专业知识与边缘计算等方案的支持下，这些挑战终将被一一克服。

Mak总结道，“我们预计，数字孪生技术在未来的新车设计中将愈发普及，由此催生出的相关服务也将迅速增加。”