随着制造商和仓储商转向利用机器人技术来应对压倒传统技术和实践的市场压力，机器人的地位空前高涨。然而，这些机器人不是过去的那种机器了，前者是物理上令人生畏的系统，但智能性和机动性很有限，不能很好地与人类交互。现在的机器人是一种灵活的系统，智能性和感知能力显著提升，可以在和人类协同工作的时候执行复杂和精细的任务。
要构建新一代机器人，工程师们就需要能够提供更高可视性、灵活性和效率的技术和实践。为了应对前所未有的复杂程度，所有工程学科都必须以前所未有的协作方式展开协同，利用数据丰富的环境。
这就是数字孪生的用武之地。
借助数字孪生技术带来的增强建模和仿真功能，工程师们可以更好地设计、开发、部署和监控制造和仓库应用中的机器人。
NVIDIA机器人高级产品营销经理Erin Rapacki表示：“我们现在拥有创建真实世界数字孪生所需的技术。制造设施和仓储物流设施的数字孪生仿真，将使运营企业能够优化效率并显着降低成本和浪费。”
Rapacki指出，要进行这些复杂的模拟，用户就需要模拟数字孪生的所有方面，包括机器人、传感器、人、和传送带等其他资产。
他表示：“在部署到现实世界之前，机器人开发人员需要能够在模拟环境中对包括安全系统在内的完整软件堆栈进行数千次演练。”
在开发新的工业机器人系统时，开发团队希望快速尝试不同的设计和控制理念，并锁定最终的产品要求。通过访问物理系统的数字模型，会有一个虚拟测试台来运行迭代设计，与每次创建物理原型相比，成本更低且交付时间更短。这使设计工程师们可以进一步撒网，投入时间和资源来探索传统方法所无法支持的概念和方法。
Maplesoft公司战略解决方案副总裁Chris Harduwar表示：“在打造新的创新用途时，这种更为广泛的分析能力，让我们能够考虑到以前会因为评估时间过长而被大打折扣的极端案例。由于数字模型与运营数据是保持同步的，因此形成了一个全面的数字孪生，可以像实物资产一样做出响应。这种数字孪生模型还可以被作为一种灵活的平台，用于验证控制策略和生产线计划更新，从而生成出更加安全、更加坚固的产品。”
然而，要获得数字孪生技术所承诺的全部回报，开发团队必须考虑全局，其中涉及的所有学科。数字孪生模型和模拟也可以提供帮助。
Rapacki说：“制造设施或者仓库物流设施的数字孪生，能够在工作空间中的所有活动之间建立数字连接，并将交通、障碍物、最佳路线、更新的取货/送货点等变化传达给机器人装置。”
例如，当移动机器人使用和设施数字孪生相同的模拟环境时，移动机器人更容易与现实环境相融合。机器人的传感器堆栈利用客户现场的实际数字孪生进行机器人感知训练和测试。客户站点还为计算机视觉训练提供了合成数据，机器人上的vSLAM（视觉同步定位和映射）可以帮助机器人根据更新的设施模型进行导航。
机器人编程的复杂性，以及在仓库或者生产车间调试机器人系统的高成本，使得支持数字孪生的建模和仿真成为复杂机器人应用设计、部署和维护的一个重要组成部分。一旦设计并验证了机器人和相关流程，工程师们就可以使用建模和仿真工具来执行离线编程了。
支持数字孪生的建模和仿真，让设计团队能够在完整的物理系统完成之前就开发和测试代码，通过允许并行完成代码编程和物理系统构建来节省时间。
羅克韋爾自動化機器人和數位工具平台負責人Roberta Tanzariello表示：「其結果確保了循環時間的最佳化和無碰撞的軌跡，先進的機器人模擬軟體可以透過離線機器人編程部署具有挑戰性的機器人應用，例如焊接、鑽孔和切割。使用者則可以添加詳細資訊以離線創建完整的程序。」
一旦使用第一遍標稱數據創建並調整了初始數字模型，就可以將其與控制系統開發工具進行整合了。
Harduwar說：「對於製造自動化來說，控制工程師可以準備一個虛擬[可程式邏輯控制器(PLC)]，並將訊號用作數位孿生的輸入，成為工程師可以驗證和模擬對新程式碼物理反應的環境。」
離線驗證對於運行在危險工作環境中、或者是程式碼錯誤可能對機器人系統或操作員造成傷害的系統進行初步整合測試方面，是很有價值的。這樣一來，測試故障條件就更安全，並且可以在虛擬環境中更快速地完成。
在現有的機器人系統上，工程師可以透過線上模擬調查問題，並使用數位孿生來表示生產環境，這與數位孿生評估程式碼更新執行方式的方法是相同的。
Harduwar說：「我們看到數位孿生被用於解決客戶報告的異常情況，這些客戶發現他們網站上運行的硬體存在問題，一旦確定了根本原因，就可以在將編程更改應用在即時系統之前，使用此模型來驗證預期結果，從而大大縮短系統停機時間，防止程式碼錯誤造成代價高昂的影響。」
#數字孿生技術也有助於訓練AI演算法，這些機制讓機器人能夠在生產環境和倉庫環境中執行複雜的應用。
在此之前，演算法訓練經常因為缺乏訓練資料而受阻。通常，機器人技術開發團隊會發現不存在訓練資料的問題，這會大大限制可以訓練演算法執行的應用。
由於要求機器人執行大量獨特的應用，使得訓練演算法的挑戰進一步複雜化，加劇了訓練資料的問題。
但是，數位孿生技術現在提供了一種方法可以訓練AI演算法以應對更多數量和更多類型的用例。數位孿生可以產生模擬數據並測試新的功能，快速完成大量配置和設計，這些模擬產生的數據隨後也可以用於訓練AI模型，以適應更廣泛的現實世界條件和測試場景。
西門子Siemens Digital Industries Software高級機器人模擬總監Alex Greenberg表示：「使用數位孿生模擬產生的合成數據，讓AI演算法可以學習並適應物理世界中的不同條件和變化，這種方法有助於於降低現實世界發生潛在問題的風險。」
另外一個例子是在3D電腦視覺領域（即機器感知和感測器融合），3D電腦視覺對於機器人操縱和感知物體距離是至關重要的。
Rapacki說：「物體距離對於機器人操縱、抓取或避開物體的能力至關重要，機器人必須了解物體距離多遠。數位孿生提供了無窮無盡的、具有幾何特徵的場景， 3D機器人感知管道可以使用這些場景來訓練避免碰撞和抓握等能力。」
還有一種被稱為「強化學習」的技術，使用數位孿生來解決最複雜的問題，進一步推動了人工智慧技術的極限。該技術讓演算法能夠透過模擬中的反覆試驗來學習如何執行任務，而這個過程在現實世界中是無法實現的。
另一個可以發揮數位孿生建模和模擬能力的領域是機器人系統調試和部署。
儘管這些過程面臨重重阻礙，但是工程師必須應對的主要瓶頸是，那些必須驗證機器人功能的人需要更多地訪問物理系統。
遺憾的是，建置和運行實體系統成本很高且通常是不切實際的，因此需要另一種選擇，這時候數位孿生技術的虛擬調試功能就可以發揮作用了。
這個過程（在模擬中使用具有代表性的客戶環境作為數位孿生）解決了這些挑戰，同時提高了效率。
工程師可以透過虛擬調試功能，把數位孿生連接到控制系統（例如PLC）和其他外部設備，在任何硬體可用之前測試、完善和優化機械、電氣和邏輯設計，而無需停止生產。
硬體迴路模擬可以作為虛擬偵錯過程的一部分來執行。其中，不同類型的設備和系統可以組合在一個複雜的系統佈局中，為開發團隊提供操作環境中機器人性能的整體視圖。
PLC與機器人連接，在詳細模擬中考慮完整的部署，其中包括重力、力和扭矩等因素，根據所需的循環時間確定應用的大小。在這種情況下，模擬功能會對PLC的真實控制輸入和來自模擬模型的回饋進行測試。
工程師們透過虛擬調試流程，通常能夠發現並修正程式錯誤和機械幹擾問題，這個過程也驗證了動態區域和機器人工作範圍以確保操作安全。
Maplesoft公司的Harduwar表示：「以這種方式使用模擬軟體，機器人工程師可以比建構單一實體系統更快速地產生不同的虛擬原型。在各種操作條件下測試數位模型的性能，也比在倉庫中設置多個測試空間更為容易。」
支援數位孿生的虛擬調試功能，可以幫助機器人技術開發團隊實現高水準的準確性，提供的方法不僅可以驗證單一設備和子系統，還可以驗證所有組成部分的協同工作。
Rapacki說：「模擬功能讓機器人工程團隊可以在驗證極端情況和執行錯誤修復、合併程式碼以及管理行為樹和部署整合方面盡可能接近完美，這種系統級驗證——特別是程式碼更新－加快了部署時間並顯著提高了機器人的品質。」
一旦機器人技術開發團隊準備好數位孿生，它就可以將模擬擴展到設計和初始調試階段以外的應用。如果可以從感測器獲得即時操作數據，或者可以從歷史數據中推斷出即時操作數據，那麼開發團隊就可以對數位孿生進行增強，使其代表的實體機器人系統隨時間推移有所增強。這可以支援效能的最佳化，透過調整可控參數來最大限度地提高吞吐量，並找到減少操作磨損的方法來推動業務成果。
「可以根據在操作過程中觀察到的真實行為來評估和測試機器人的性能，並且可以使用數位孿生模擬來支援預測性和規範性措施，以提高性能或評估潛在問題的替代解決方案，」 Siemens Digital Industries Software數位製造高級行銷經理Mike Rouman這樣說道。
對於需要回應不斷變化的環境或與其他機器互動的機器人資產來說，數位孿生可以作為理想的操作案例，讓設計師可以從中檢測異常並考慮對生產進行調整，這個過程簡化了產品改進和流程，能夠在效能參數出現波動的時候進行調整。
如今在業界中，數位孿生技術正在被用於排除操作硬體故障，因為這種模型為問題提供了上下文背景，使設計人員能夠在不讓受影響系統離線的情況下，進行任何補救和程式碼更改操作。數位孿生憑藉感測器資料的良好品質以及模擬運行時間的縮短，相比標準的固定時間模擬來說，可以從更有利的點上對系統進行研究。
Harduwar說：「未來的挑戰將是在更廣泛的環境中開發快速、高效的數位孿生模型，並培訓更多工程師學習使用和應用支援這些數位轉型技術的工具。」
以上是用數位孿生打造新一代機器人的詳細內容。更多資訊請關注PHP中文網其他相關文章！
