隨著製造商和倉儲商轉向利用機器人技術來應對壓倒傳統技術和實踐的市場壓力，機器人的地位空前高漲。然而，這些機器人不是過去的那種機器了，前者是物理上令人生畏的系統，但智能性和機動性很有限，不能很好地與人類交互。現在的機器人是一種靈活的系統，智能性和感知能力顯著提升，可以在和人類協同工作的時候執行複雜和精細的任務。
要構建新一代機器人，工程師們就需要能夠提供更高可視性、靈活性和效率的技術和實踐。為了應對前所未有的複雜程度，所有工程學科都必須以前所未有的協作方式展開協同，利用數據豐富的環境。
這就是數字孿生的用武之地。
藉助數字孿生技術帶來的增強建模和仿真功能，工程師們可以更好地設計、開發、部署和監控制造和倉庫應用中的機器人。
NVIDIA機器人高級產品營銷經理Erin Rapacki表示：「我們現在擁有創建真實世界數字孿生所需的技術。製造設施和倉儲物流設施的數字孿生仿真，將使運營企業能夠優化效率並顯著降低成本和浪費。」
Rapacki指出，要進行這些複雜的模擬，用戶就需要模擬數字孿生的所有方面，包括機器人、傳感器、人、和傳送帶等其他資產。
他表示：「在部署到現實世界之前，機器人開發人員需要能夠在模擬環境中對包括安全系統在內的完整軟體堆棧進行數千次演練。」
實現無痛設計
在開發新的工業機器人系統時，開發團隊希望快速嘗試不同的設計和控制理念，並鎖定最終的產品要求。通過訪問物理系統的數字模型，會有一個虛擬測試台來運行疊代設計，與每次創建物理原型相比，成本更低且交付時間更短。這使設計工程師們可以進一步撒網，投入時間和資源來探索傳統方法所無法支持的概念和方法。
Maplesoft公司戰略解決方案副總裁Chris Harduwar表示：「在打造新的創新用途時，這種更為廣泛的分析能力，讓我們能夠考慮到以前會因為評估時間過長而被大打折扣的極端案例。由於數字模型與運營數據是保持同步的，因此形成了一個全面的數字孿生，可以像實物資產一樣做出響應。這種數字孿生模型還可以被作為一種靈活的平台，用於驗證控制策略和生產線計劃更新，從而生成出更加安全、更加堅固的產品。」
然而，要獲得數字孿生技術所承諾的全部回報，開發團隊必須考慮全局，其中涉及的所有學科。數字孿生模型和模擬也可以提供幫助。
Rapacki說：「製造設施或者倉庫物流設施的數字孿生，能夠在工作空間中的所有活動之間建立數字連接，並將交通、障礙物、最佳路線、更新的取貨/送貨點等變化傳達給機器人裝置。」
例如，當移動機器人使用和設施數字孿生相同的模擬環境時，移動機器人更容易與現實環境相融合。機器人的傳感器堆棧利用客戶現場的實際數字孿生進行機器人感知訓練和測試。客戶站點還為電腦視覺訓練提供了合成數據，機器人上的vSLAM（視覺同步定位和映射）可以幫助機器人根據更新的設施模型進行導航。
利用離線編程
機器人編程的複雜性，以及在倉庫或者生產車間調試機器人系統的高成本，使得支持數字孿生的建模和仿真成為複雜機器人應用設計、部署和維護的一個重要組成部分。一旦設計並驗證了機器人和相關流程，工程師們就可以使用建模和仿真工具來執行離線編程了。
支持數字孿生的建模和仿真，讓設計團隊能夠在完整的物理系統完成之前就開發和測試代碼，通過允許並行完成代碼編程和物理系統構建來節省時間。
羅克韋爾自動化機器人和數字工具平台負責人Roberta Tanzariello表示：「其結果確保了循環時間的優化和無碰撞的軌跡，先進的機器人仿真軟體可以通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。用戶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集成了。
Harduwar說：「對於製造自動化來說，控制工程師可以準備一個虛擬[可編程邏輯控制器 (PLC)]，並將信號用作數字孿生的輸入，成為工程師們可以驗證和模擬對新代碼物理響應的環境。」
離線驗證對於運行在危險工作環境中、或者是代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集成測試方面，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，工程師可以通過在線仿真調查問題，並使用數字孿生來表示生產環境，這與數字孿生評估代碼更新執行方式的方法是相同的。
Harduwar說：「我們看到數字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於實時系統之前，使用這種模型來驗證預期結果，從而大大縮短系統停機時間，防止代碼錯誤造成代價高昂的影響。」
擴大AI訓練的可能性
數字孿生技術還有助於訓練AI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，算法訓練經常因為缺乏訓練數據而受阻。通常，機器人技術開發團隊會發現不存在訓練數據的問題，這會極大地限制可以訓練算法執行的應用。
由於要求機器人執行大量獨有的應用，使得訓練算法的挑戰進一步複雜化，加劇了訓練數據的問題。
但是，數字孿生技術現在提供了一種方法可以訓練AI算法以應對更多數量和更多類型的用例。數字孿生可以生成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高級機器人仿真總監Alex Greenberg表示：「使用數字孿生仿真生成的合成數據，讓AI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（即機器感知和傳感器融合），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、抓取或者避開物體的能力至關重要，機器人必須了解物體距離多遠。數字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，使用數字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。該技術讓算法能夠通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。
克服調試障礙
另一個可以發揮數字孿生建模和仿真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，但是工程師們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，構建和運行物理系統成本很高且通常是不切實際的，因此需要另一種選擇，這時候數字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字孿生）解決了這些挑戰，同時提高了效率。
工程師可以通過虛擬調試功能，把數字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。
硬體迴路仿真可以作為虛擬調試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布局中，為開發團隊提供操作環境中機器人性能的整體視圖。
PLC與機器人相連接，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，仿真功能會對來自PLC的真實控制輸入和來自仿真模型的反饋進行測試。
工程師們通過虛擬調試過程，通常能夠發現並糾正編程錯誤和機械干擾問題，這個過程還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：「以這種方式使用仿真軟體，機器人工程師們就可以比構建單個物理系統更快速地生成不同的虛擬原型。在各種操作條件下測試數字模型的性能，也比在倉庫中設置多個測試空間更為容易。」
支持數字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平的準確性，提供的方法不僅可以驗證單個設備和子系統，還可以驗證所有組成部分的協同工作情況。
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、合併代碼以及管理行為樹和部署集成方面儘可能接近完美，這種系統級驗證——特別是代碼更新——加快了部署時間並顯著提高了機器人的質量。」
當數字孿生進入現場
一旦機器人技術開發團隊準備好數字孿生，它就可以將模擬擴展到設計和初始調試階段以外的應用。如果可以從傳感器獲得實時操作數據，或者可以從歷史數據中推斷出實時操作數據，那麼開發團隊就可以對數字孿生進行增強，使其代表的物理機器人系統隨時間推移有所增強。這可以支持性能的優化，通過調整可控參數來最大限度提高吞吐量，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，並且可以使用數字孿生仿真來支持預測性和規範性措施，以提高性能或者評估潛在問題的替代解決方案，」 Siemens Digital Industries Software數字製造高級營銷經理Mike Rouman這樣說道。
對於需要響應不斷變化的環境或者與其他機器交互的機器人資產來說，數字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，能夠在性能參數出現波動的時候進行調整。
如今在業界中，數字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，進行任何補救和代碼更改操作。數字孿生憑藉傳感器數據的良好質量以及仿真運行時間的縮短，相比標準的固定時間仿真來說，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、高效的數字孿生模型，並培訓更多工程師學習使用和應用支持這些數字化轉型技術的工具。」
