机器人变局：从智能装备走向数字孪生

经济观察报 记者 李靖恒 “人的存在和动物的存在不一样，他可以思索。”中国工程院院士李培根在深圳华中科技大学研讨院举行的公益讲座上说。而这场演讲的主题是“智能装备：魂之安在。”

李培根在演讲中，引见了目前智能装备的关键要素，以前的机器装备可以把它看成是一个实体，有的自动化程度很高，但是没有自我感知、自我看法，“在数字智能时代，装备机器跟以前的有什么不一样？他不只仅有感知，还无看法，能自主地运动。所以在某种意义上讲，数字智能时代的装备和以前的装备是不一样的。”

李培根以为，可以把数字智能时代的智能装备看成是一个物理生命体，而以前的机器装备是一个物理实体。区别在于，如今的数字智能装备在它的全生命周期中间伴有数字化模型，包括在他的开发、运用运转的整个过程中。这种数字化模型被称为数字孪生体。

“数据是物理生命体的血液，数据及智能赋予物理实体‘生命’；实践上，数字孪生体也就是智能装备之魂。”李培根说。

场景中学习

李培根总结，机器人1.0就是普通的自动化，比如很多就在拆卸线上得以完成。机器人2.0运用的是数字化的技术，可以搜集数据。机器人3.0就是希望机器人可以协作。机器人4.0就是可以自主服务，要求相对较高，这外面包括场景自顺应，比如怎样顺应开放的环境。

比如，波士顿动力公司预备发布其首款面向开放世界的商用四足机器人Spot，可以在开放世界环境中运转，在坎坷的地形上保持平衡，并可以自行在已绘图区域停止导航。这使得在城市街道、大学校园和建筑工地运用机器人成为能够。这种机器人不再局限于企业外部，可以应对各种操作条件、人口稠密的空间甚至其他自动化设备。

李培根引见，如今的机器人经过身上各种传感器感知真实物理世界，并对物理世界停止三维重建，构成三维环境的高精度语义地图，让机器人真正了解当前的物理世界以及客观物体之间的关系。

三维语义地图同时也构建了机器人数字孪生运转的虚拟物理空间，可以持续不断地模拟和训练各种智能机器人的智能才能。这种云端机器人“大脑”可支持同时为百万级实体机器人提供云端智能服务，协助机器人了解世界。

相应地，为了支持机器人的移动、避障、交互和操作，需求为机器人装备多种传感器，如摄像头、麦克风列传、激光雷达、超声波。传感器搜集到的大部分数据需在工夫同步前提下停止处理。而其中没有强实时性要求的感知义务可以由云计算支持，比如人的行为辨认、场景辨认等。

李培根举例展现了隧道智能装备如何感知环境。“机器人在隧道外面打洞时，山洞不同部位的地质状况会发生变化，需求我们在工作时搜集实时数据，并实时改变某些参数，这就需求机器可以自动判别。”

李培根进一步表示，这些智能装备可以本人在环境中学习。“它做的事情越多，阅历也越多。在施工运转的环境中，机器可以从数据中发现一些潜藏规律，装备会变得越来越聪明。复杂的机电系统中很多互相关联的要素，往往连专家们也难以看法到，基于大数据的深度学习方法可以发现那些隐藏的关联。”“具有学习才能的孪生模型，可以使物理装备变得越来越聪明，也是物理生命体最重要的‘自我看法’。”李培根说，智能装备经过实时采集运转过程中的数据而建立起来数字孪生模型，这是装备可以自我看法、本人顺应环境变化的关键。这种“生命”的过程总是在特定的环境中，与伙伴、装备服务的对象、操作者等联络在一同。

例如，在早期，企业里的机器人只能根据磁条道路定位，沿着固定的道路走，如今则是地图定位，这就需求自主移动机器人对场景搜集孪生数据。这种自主移动的机器人，经过扫描作业环境并自主更新地图，因此无需辅助固定信标，对工作场地几乎没有改造需求。

自主移动的机器人技术交融了激光雷达、深度摄像头、超声波雷达等多项感知技术，可片面感知周围环境，拥有智能的决策才能，能完成消费环境中灵敏、自主的避让、协同，非常合适部署在复杂动态的消费场景中。

李培根进一步引见，复杂系统是多范畴物理的综合集成系统，如机械、力、热，液压、电等。而装备数字孪生模型能够含有反映产品不同物理特性的模型，如计算机流体力学、结构动力学、热力学、应力分析、疲劳损伤以及材料形状演化等。将基于不同物理属性的模型关联在一同，是建立数字孪生、继而充分发挥其模拟、诊断、预测和控制造用的关键。

“如今我们数字化的才能，可以对多物理多范畴的这些参数停止综合分析。一个机器触及到很多的部件，就像一个人有心脏肺肝脏。对每个器官可以建立相应的数字孪生模型。”李培根说。

动态数据：从汽车到城市

李培根以为，在数字智能工程中，重要的是跟随“物理生命体”的存在，而非物理实体固定、僵化的存在。

“数字孪生的意义，本来就不是基于处理静态成绩，产品的运转过程都是动态的过程。对动态成绩的看法并施加相应控制，这才是数字孪生的重要意义所在。比如，对激光加工机运转过程的数字孪生模型停止分析，反过来控制激光机的运转。”李培根以为，“我们不是为了搜集数据而搜集，搜集到这些孪生数据后，可以就数字孪生模型停止仿真。我们很早以前就有这个所谓虚拟样机，就是这个实物设备还没有出来的时分，在计算机下面就可以仿真出这个设备。

但以前的虚拟样机和机器装备不是共生的。共生意味着机器在运转过程中，不断影响数字孪生模型；反过来，孪生模型也可以不断影响机器装备的行为。这是以前虚拟样机所不具有的功能。

例如，前段工夫的特斯拉“车顶维权”事情，特斯拉公布车辆发生事故前30分钟的数据。车辆记录下了车数、制动行为、制动主缸压力等多项数据。可以看出，特斯拉对每一个出售车辆都建立了数字孪生体。

因此，过程孪生不只针对产品，还针对运用者。对于非自动驾驶形式，除了车的数字孪生模型，还需建立驾驶者的数字模型，以便在困难状况下基于特定的驾驶者行为反应，使驾车效果进一步微调。而且，在汽车新产品开发中，经过正在运转的汽车得到的数据去模拟汽车功能和驾驶者反应，可以评价设计效果。

另外，李培根进一步引见，还有汽车制造外面的焊接和喷涂，这是汽车四大核心的制造工艺，一条产线上集成了众多数量的机器人。机器的健康程度在逐渐发生纤细的变化，当某个机器人的行为姿态或信号传输入现了公差，那么出现的误差能够构成累计效应，导致消费出来的产品有很大的质量隐患，而这种隐患往往无法立刻用肉眼能发现。

如今普遍的产质量量检测，是以产线末端的人工抽检为主，提高检测率就需求投入更多人力成本。一条波动的产线也许一年发生的质量事故不多，一旦发生就损失惨重。但是工艺智能的运用，可以经过高速数据采集和检测，疾速发现成绩并让损失减少至最小消费批次内。

除了汽车范畴，理想生活中，数字孪生还能被哪些场景所运用？

科大讯飞（002230.SZ）董事秘书办相关人员告诉记者，目前他们研发的智慧城市项目，正在运用人工智能的技术，为城市构建“大脑”。科大讯飞是国内一家专注从事人工智能的企业。目前，“城市超脑”技术，经过搜集城市的理想、历史、工夫和空间的数据，应用人工智能学习行业知识、发掘数据关联关系，并对城市停止系统性了解、即时分析和模拟仿真。

“这个系统可以协助城市管理者，更精细地了解城市的详细状况，提出详细处理方案。比如在交通范畴，每天有早高峰晚高峰，不同路段的人流密度也不一样。经过城市超脑系统，可以对交通的一些信号路口工夫的设置停止优化。在司法范畴，我们推出了24小时警务服务系统，经过技术协助刑侦破案。”该人士表示。

据悉，科大讯飞协助铜陵市建设的“铜陵城市超脑”，还当选《城市大脑全球标准研讨报告（2020）》，成为全球仅有的6个当选典型案例。

另外，科大讯飞推出的智慧医疗，正在协助全国的基层医疗停止诊断。“我们把全国各地的病例汇集到这个系统中，让机器本人学习怎样看病。假如把病人的一些基本信息输入到助理系统中，助理就会自动做出判别。我们曾经在全国100多个县市推行了这个系统。”该人士说。

向楼主学习

路过的帮顶

秀起来~