数字孪生简介

作者 Scott Martin

数字孪生是一种与有形事物、人员或生产过程同步的虚拟呈现。

走进汽车装配工厂,我们可以看到工人将螺母拧到螺栓上,听到气动工具的嗡嗡声,观察到全新的车身沿生产线滑动,以及机器人卷起零件。

现在,工厂的 3D 数字孪生已重磅上线。我们可以看到栩栩如生的数字人在完全相同的场景下工作,不过是在数字版工厂中。我们可以通过机器人拖放来移动沉重的物料,运行仿真以进行优化,利用实时工厂车间数据以实现改进。这就是数字孪生。

数字孪生是真实的有形资产或系统的虚拟呈现(即对物理特性和材料的真实仿真),并持续更新。

数字孪生并非只用于无生命的物体和人员。它们可以是计算机网络架构的虚拟呈现,用作执行网络攻击仿真的沙盒。它们可以先复制一个运营中心流程来测试人机交互,然后再在现场环境中激活某些机器人功能。其应用范围十分广泛。


数字孪生将颠覆企业的运营方式。根据 Grand View Research 的预测,到 2028 年数字孪生平台的全球市场规模将达到 860 亿美元。其报告称,新冠肺炎 (COVID-19) 是促进特定行业采用数字孪生的催化剂。

数字孪生的推动因素

物联网 (IoT)正在加快数字孪生的发展进程。

IoT 将帮助互联机器和设备将数据共享给其数字孪生,反之亦可实现。这是因为数字孪生是其所代表的真实世界中连接到 IoT 的有形事物或生产过程的计算机仿真版本,始终运行且保持最新状态。

数字孪生是一种虚拟呈现,可以通过基于边缘计算的无数互联传感器测得的测量值,捕捉结构的物理特性以及内部和外部不断变化的条件。它们还可以在虚拟化环境中运行仿真,以测试问题并通过服务更新实施改进。

使用数字孪生对物理设备和环境进行仿真的示例不断增加,机器人开发和自动驾驶汽车只是其中的两个示例。

“简单来说,自动驾驶汽车就是可以在开放环境中工作的机器人,努力避免与任何物体接触,”NVIDIA Omniverse 与仿真技术副总裁 Rev Lebaredian 表示,“我们的终极目标是让精密的自主机器人可以在厨房等环境中与人类协同工作,比如操纵刀具和其他危险工具。我们需要构建其将要工作的环境的数字孪生,以便我们可以在将其智能应用到真实环境之前,在虚拟世界中安全地对其进行训练。”

3D 虚拟环境中构建数字孪生  

共享虚拟 3D 世界可将相关人员聚集在一起,共同构建数字孪生。

3D virtual worlds are enabling new interactions
交互式 3D 虚拟世界的应用主要集中在游戏领域。诸如《堡垒之夜》(Fortnite) 和用户原创的虚拟世界 Roblox 等在线社交游戏可以让人们一窥交互的潜力。

利用 VR 召开视频会议(参与者以本人头像的形式出现在共享虚拟会议室中)进一步推动了交互技术在企业中的应用。

如今,已经有工具可以在这个环境中的共享虚拟协作平台中开发各种共享虚拟世界。

用于进行数字孪生仿真的 Omniverse Replicator

在 GTC(GPU 技术大会)上,NVIDIA 推出了可帮助开发数字孪生的 Omniverse Replicator。这是一种合成数据生成引擎,可生成用于训练深度神经网络的物理仿真数据。

此外,NVIDIA 还针对生成合成数据的应用程序推出了两种引擎实现解决方案:NVIDIA DRIVE Sim,拥有托管自动驾驶汽车数字孪生的虚拟世界,以及 NVIDIA Isaac Sim,用于托管操纵机器人数字孪生的虚拟世界。

使用这些数据开发的自动驾驶汽车和机器人可以在各种虚拟环境中掌握技能,然后再在真实世界中应用这些技能。

GTC kitchen keynote of Jensen Huang in simulation
NVIDIA Omniverse 基于 Pixar 的USD (Universal Scene Description) 和 NVIDIA RTX 技术,是世界上首款可扩展的多 GPU 物理级准确世界仿真平台。

Omniverse 使用户能够连接到多个软件生态系统 – 包括 Epic Games 虚幻引擎、Reallusion、OnShape、Blender 和 Adobe – 这些生态系统可以帮助数百万用户。

参考开发平台采用模块化设计,可以轻松扩展。整个 NVIDIA 的团队均利用该平台来构建核心仿真应用,例如前面提到的用于机器人和合成数据生成的 NVIDIA Isaac Sim,以及 NVIDIA DRIVE Sim

DRIVE Sim 能够在虚拟环境中重建真实的驾驶场景,从而测试和开发罕见且危险的用例。  此外,由于仿真器完全理解任何场景中的正确标注,因此仿真器生成的数据可用于训练自动驾驶汽车感知使用的深度神经网络。

正如宝马集团的未来工厂所展示的那样,Omniverse 采用模块化和开放性设计,因此可以利用诸如用于机器人的 NVIDIA Isaac 平台、用于智能视频分析的 NVIDIA Metropolis 以及 NVIDIA Aerial 软件开发套件等多个其他 NVIDIA 平台,从而使环境及第三方软件可以使用 GPU 加速、软件定义的 5G 无线电区域网络,以便用户和公司可以继续使用自己的工具。

数字孪生的上线方式

在构建数字孪生并部署其功能时,需要利用 AI 资源。

NVIDIA Base Command Platform 可支持企业部署大规模的 AI 基础架构。它可以优化用户和团队的资源,还可以监控从早期开发到生产的工作流程。

Base Command 的开发是为了给 NVIDIA 的内部研究团队提供 AI 资源,有助于管理可用的 GPU 资源,以及选择可用的数据库、工作空间和容器镜像。

Base Command 可管理 AI 开发的整个生命周期(包括工作负载管理和资源共享),同时具有图形用户界面和命令行界面,以及集成式监控和报告控制面板。它可以将最新的 NVIDIA 更新直接整合到用户的 AI 工作流程中。

可以把它看作 AI 的计算引擎。

数字孪生的管理方式

NVIDIA Fleet Command 可提供远程 AI 管理。

要实现 AI 从数字孪生到真实应用的转化,需要一个部署平台来处理数千台甚至数百万台边缘设备的更新。

NVIDIA Fleet Command 是一种基于云的服务,可从 GPU 加速软件的 NVIDIA NGC (NVIDIA GPU CLOUD) 中心访问,以在所有连接到边缘的系统和设备上安全地部署、管理和扩展 AI 应用程序。

利用 Fleet Command,运营中心、制造工厂、零售商等组织能够远程实现 AI 更新。

数字孪生的应用领域

数字孪生能够实现事物的自主性,可用于自主控制对应的物理设备。

例如,电动汽车制造商可能会使用轿车的数字孪生来运行软件更新仿真。如果仿真显示汽车性能得到改进或解决了某个问题,便可通过无线方式将这些软件更新发送至实体车辆。

Training autonomous vehicles in NVIDIA DRIVE Sim
在 NVIDIA DRIVE Sim 中训练自动驾驶汽车

西门子能源公司将创建数字孪生,以支持对发电厂进行预测性维护。该公司表示,这种规模的数字孪生有望减少宕机时间,预计每年可帮助公用设备供应商节省约 17 亿美元。

Passive Logic 是一家总部位于盐湖城的初创公司,可提供用于设计和自主运行建筑的 IoT 组件的 AI 平台。其 AI 引擎了解建筑组件的协同工作方式,乃至其物理特性,并且可以运行建筑系统的仿真。

该平台可以收集多个数据点的数据,并自主做出控制决策以优化操作。它会将这种最佳控制路径与实际传感器数据进行比较,应用机器学习,并随着时间的推移了解建筑运营方面的改进。

列车也正在快速实现自主化,将开发相应的数字孪生来实现这一目标。这类数字孪生借助在 NVIDIA GPU 上运行的 AI 构建,将用于对自动制动等功能和碰撞检测系统进行仿真。

数字孪生的发展历程

许多人认为,NASA 率先引入了数字孪生的概念。尽管 NASA 的早期孪生显然与 IoT 没有联系,但其概念及用法与今天的数字孪生有许多相似之处。


早在 20 世纪 60 年代,NASA 便开始提出数字孪生理念。该航天局在阿波罗 13 号登月任务中证实了这一理念的巨大潜力。NASA 创建了阿波罗 13 号太空飞船上搭载的系统的仿真器,这些仿真器可以通过电信从外太空中的真正飞船获取最新信息。这使 NASA 工程师能够在出航前运行宇航员和工程师之间的情况仿真,当 1970 年那次任务中出现问题时,这种方法便派上了用场。

地面上的工程师能够参考地球上的模型与太空中的宇航员一起排除故障,使这次任务免于灾难性后果。

数字孪生的类型

智慧城市仿真

智能城市随处可见。借助摄像头、边缘计算和 AI,城市能够全面了解从停车到交通流量再到犯罪模式等一切信息。城市规划师可以研究相关数据,帮助绘制和改进城市设计。

Developing smart cities with NVIDIA Metropolis
智慧城市的数字孪生可以使建设的规划更加完善,也可以使市政建设不断改进。智慧城市将构建自身的 3D 复制品来运行仿真。这些数字孪生有助于优化交通流量、停车、街道照明等许多方面,从而改善城市生活,这些改进可以在真实世界中实现。

Dassault Systèmes 可帮助世界各地的客户构建数字孪生。该公司在中国香港展示了步行性研究方面的示例,并使用了城市的 3D 仿真进行可视化。

NVIDIA Metropolis 是一个应用框架,一套开发工具,也是一个大型专业合作伙伴生态系统,可帮助开发者和服务提供商更好地测量物理空间,并通过基于 AI 的设想建造更智能的基础设施和空间。该平台涵盖从 AI 训练到推理及协助进行边缘到云的部署等功能,并包含 Fleet Command 等用于更好地管理大量边缘节点的企业管理工具。

AI edge to cloud platform with NVIDIA Jetson, EGX and DGX

地球仿真孪生

数字孪生甚至被应用于气候建模。

NVIDIA 首席执行官黄仁勋宣布公司计划打造功能强大的 AI 超级计算机,专门用于预测气候变化。

该系统名为 Earth-2 (E-2),将在 Omniverse 中创建一个地球的数字孪生。

此外,欧盟还发起了“目的地地球”(Destination Earth) 计划,致力于构建地球的数字仿真。该计划旨在帮助科学家准确绘制气候发展和极端天气图。

为支持欧盟到 2050 年实现气候中和的任务,该计划将基于来自气候、大气和气象传感器的持续更新观测数据以千米级分辨率对数字孪生进行渲染。此外,它还计划将测量人类活动的环境影响纳入考虑范围。

发表在《自然计算科学》(Nature Computational Science) 上的一篇论文称,据预测目的地地球数字孪生项目需要一个拥有 20000 个 GPU 的系统才能大规模运行。利用通过仿真获得的见解,科学家能够开发和测试多种场景。这有助于为策略制定和可持续发展规划提供依据。

这项工作有助于评估旱灾风险、监测上升的海面和追踪极地地区的变化。此外,还可以用于规划解决食物和水问题,以及建设风电场和太阳能发电厂等以生产可再生能源。其目标是到 2023 年主要的数字建模平台投入运行,到 2027 年数字孪生上线。

数据中心网络建设仿真

网络建设是数字孪生减少数据中心宕机时间的一个领域。

随着时间的推移,网络变得日益复杂。网络规模、节点数量以及组件之间的互操作性增加了其复杂性,从而影响前期制作和暂存操作。

通过在仿真中预测试路由、安全性、自动化和监控,网络数字孪生可加速初始部署。它们还可以改进正在进行的操作,包括在仿真中验证网络更改请求,从而减少维护时间。

使用 API 和自动化后,网络操作也不断改进,拥有了更高级的功能。此外,流遥测 (Streaming Telemetry) 技术(例如设备和机器的 IoT 连接传感器)允许不断收集网络相关数据并进行分析,从而实现对各种问题的可见性。

利用 NVIDIA Air 基础架构仿真平台,网络工程师能够托管数据中心网络的数字孪生。

The digital twin and physical version feedback cycle

推出 5G 相关孪生

Ericsson 是一家电信设备和服务提供商,正在将积累了数十年的无线电网络仿真专业知识与 NVIDIA Omniverse Enterprise 相结合。

这家业务覆盖全球的公司正在构建城市规模的数字孪生,帮助准确对 5G 微基站及信号塔与其所处环境之间的交互作用进行仿真,从而更大限度地提高性能和覆盖率。

汽车制造孪生

宝马集团在世界各地拥有 31 家工厂,该公司正在与 NVIDIA 协作构建数字孪生。这家德国汽车制造商将借助 NVIDIA Omniverse Enterprise 来运行工厂仿真以优化其运营。

其工厂为每辆车提供了 100 多个选项,以及 40 多款宝马车型,每辆新车有 2100 种可能的配置可供选择。宝马工厂生产的车辆中,约有 99% 都是采用定制配置,这为保证装配线上的物料库存带来了挑战。

为了帮助维持其工厂的物料流通,宝马集团还利用 NVIDIA Isaac 机器人平台部署了一批用于物流的机器人,以改善其生产环境中的物料配送。这些辅助人类工作的机器人在生产前与数字人一起投入仿真场景,使公司能够在投入生产之前在数字孪生的工厂车间安全地测试机器人应用。

NVIDIA Omniverse for virtual simulations
虚拟仿真还使公司能够优化装配线以及工人的工效和安全性。来自不同地区的规划专家能够以虚拟方式连接到 NVIDIA Omniverse,这使全球各地的 3D 设计团队可在共享虚拟空间中跨多个软件套件同步协作。

NVIDIA Omniverse Enterprise 正在为许多不同的工业应用构建数字孪生。

建筑、工程和施工

建筑设计团队日益需要开展高效协作,在渲染作业中加快迭代速度,以及获得准确的仿真与逼真感。

当团队分散在世界各地时,这些需求可能会变得更加富有挑战性。

Omniverse 中为建筑师、工程师和施工团队创建数字孪生以使各相关方能够共同评估设计,这可加快开发速度,帮助合同如期履行。

连接到 Omniverse 的各团队可以通过虚拟方式汇聚在一个交互式平台上(即使同时在不同的软件应用程序中工作)来快速开发建筑模型,就像他们在同一个房间一样,并以高物理级准确度和保真度进行仿真。

零售和运营

订单履行所需的物流服务是一个涉及部件运输的庞大产业。现在,运营中心由机器人提供辅助,这有助于工人避免受伤并提高效率。其中布满了由 AI 和边缘计算驱动的摄像头,可帮助快速挑选、提取和打包产品。一日内送货上门服务就是如此得以实现的。

数字孪生的使用意味着大部分作业可以在虚拟环境中创建,还可以运行仿真来消除瓶颈和其他问题。

Kinetic Vision 将利用通过数字化和 AI 技术构建的数字孪生重塑智能运营和配送中心。要成功实现智能商店和运营中心网络,就需要可靠的信息、数据和操作技术,从而打造出实时产品识别等创新型边缘计算和 AI 解决方案。这将提升产品检查和订单履行的速度和敏捷性。

能源行业孪生

西门子能源公司将利用 NVIDIA Omniverse 平台创建数字孪生,以支持对发电厂进行预测性维护。

借助在 NVIDIA A100 Tensor Core GPU 上运行的 NVIDIA 软件框架,西门子能源可以对高温、水和其他条件对金属的长期腐蚀作用进行仿真,并根据结果微调维护需求。

碳氢化合物勘探

想要开发新油藏或重新评估处于生产阶段的油田的石油公司面临许多风险,其中至少包括金融和环境方面的不利影响。钻井会花费数亿万美元。确定碳氢化合物的位置后,这些能源公司需要针对新生产或正在进行的生产,快速找到收益最佳的策略。

用于油藏仿真的数字孪生可以节省数百万美元并避免环境问题。借助技术软件应用程序,这些公司可以对水和碳氢化合物在地下油井中的流动方式进行仿真。这使他们能够在超级计算机上评估可能存在的问题情形和虚拟生产策略。

在数字孪生中预先评估了风险后,这些勘探公司可以在开展新项目时尽可能地减少损失。此外,还可以基于其数字孪生的分析结果对生产中的真实情况进行优化,以提高产量。

机场效率

数字孪生可以帮助机场改善客户体验。例如,摄像头可以监控美国运输安全管理局 (TSA),并应用 AI 来寻找分析高峰时段瓶颈的方法。这些问题可以先在数字模型中得到解决,然后再投入生产,以减少错过的航班。可以在数字环境中评估行李搬运视频以改进方法,确保行李准时到达。


这对返航飞机也大有益处。许多供应商会对抵达的飞机进行维护,以便其可以回到跑道上准备返航。视频可以帮助航空公司跟踪这些供应商,确保飞机及时返航。数字孪生还可以在作出更改之前分析服务协调性,以优化工作流程。

之后航空公司可以让其供应商快速执行维护服务。餐饮车、清洁工、加油服务、垃圾和废物清理服务以及其他服务提供商都与航空公司签订了服务水平协议,以确保飞机准时起飞。所有这些活动都可以在数字世界的仿真中运行,然后应用到生产调度中以取得真实的结果,从而帮助减少起飞延误。

NVIDIA Metropolis 可帮助处理来自边缘的海量视频,以便机场和其他行业可以实时分析运营,并从分析中获得见解

数字孪生的发展前景

数字孪生仿真的由来已有半个世纪之久。但过去十年在 GPU、AI 和软件平台方面的进步正在加速其在这个沉浸式体验日益逼真的时代的普及。  

虚拟现实和增强现实应用的不断益增加也将加快这一进程。

分析公司 IDC 称,预计到 2025 年全球 VR 头盔销量将从 2021 年的约 700 万部增长到 2800 多万部。

这意味着有更多拥有互联头显设备、享用内容的人开始体验虚拟环境。

同时,其中的所有参与者都能访问 NVIDIA Omniverse 平台,实现 AI、人类和机器人的交互以及无限仿真,从而推动数字孪生取得显著的进步。

“多年来,人们一直在谈论虚拟世界和数字孪生。我们正处在这一切逐渐成真的开端,就像当初 AI 成为现实并创造了大量的可能性一样,”NVIDIA 的 Lebaredian 说道。

准备好迎接冒险吧。

详细了解 NVIDIA Omniverse