最近苏黎世理工学院和NVIDIA公布了他们新研究成果,通过虚拟场景和人工智能结合,把大量虚拟的四足机器人放进“游戏世界”里,等它们自行学会了行走。
根据他们的反馈,通过这种方法把训练所花时间从过去的数天最多能减少到2分钟,对比过去让真的机器人走上几年的才能稳当,可以说这项研究可能又要颠覆机器人研发的逻辑了。(论文为“Learning to Walk in Minutes Using Massively Parallel Deep Reinforcement Learning”)。
而为这项研究背后,创造虚拟世界的技术正是从游戏世界里走出来的数字孪生,也不怪乎有的人感叹,人类沉迷在虚拟世界中一步步颓废,机器人却开始自我进化了。
今天我们就带大家来了解一下数字孪生技术,看看这个领域有哪些新的技术趋势,又有哪些问题还需要从业者们去克服。
当然如果你还想了解更多关于这方面的研究和机会,想要站在产业前沿看到未来时点,欢迎加入前哨科技特训营,有更多惊喜在等你。
1.数字孪生的历史
数字孪生技术的概念最早诞生于1991年,在大卫·盖伦特出版的《Mirror Worlds》中出现。2002年,由密歇根大学的Michael Grieves博士首次应用于制造业。
2.数字孪生不只是复制现实
数字孪生技术说起来很复杂,其实本质就是在虚拟世界中复制一个现实里的东西,并且让它们产生信息上的联系。
比如在虚拟场景中的机械臂与现实对应,让操作者远程也能直观的控制,又或者就像文章开头那样,通过人工智能在虚拟世界训练,把经验直接批量复制到现实里。
数字孪生的存在让现实与虚拟的界限真正开始变得模糊,而这也为人工智能和大数据这类技术找到落地传统产业的机会。
3.数字孪生正在成为人工智能的一块重要阵地
对于人工智能而言,无论是机器学习还是神经网络都越来越离不开大量优质的数据进行训练,粗暴的说“数据越多越智能,数据越少越智障”。
数据太少也正是人工智能在制造业、机器人等产业中很难落地的原因,而通过数字孪生既能能够灵活构造场景,甚至实时感知现实环境,为人工智能与现实互动打通了窗口。
4.物联网正在成为数字孪生落地的天然场景
数字孪生非常重要的一步是要让虚拟与现实的信息打通,这就离不开在现实中铺设各种传感器,而这正与让各类设备接入网络的物联网相匹配,使得数字孪生很自然的成为了物联网的操作层。
今天工业界就正在运用数字孪生把整个工厂数字化,可以实时分析数据、检测异常以及帮助优化生产流程。
5.3D建模是一个很多人都想不到的难点
3D建模看起来没什么难度,但是在推进数字孪生的过程中却是个难点,因为它也是一个动态的过程,随着现实环境的变化虚拟场景也要能变化。
这就意味着不是一次建模终身受用,对机器人这样有着精密结构的设备,还意味着建模成本不但高昂,一点点微小的不匹配都可能会导致实际工作出现问题。
对一些生产设备还有损耗的问题,一次建模就固定不变是不可能的,随着现实的变化,虚拟与现实很可能就逐渐脱节了。
这也是为什么制造业更愿意推进数字孪生的原因,毕竟生产线和厂房的变化往往都很小。
6.长期维护将成为数字孪生的一个瓶颈
对很多企业而言,维护一个看起来高大上的虚拟厂房有什么价值还有待论证。
特别是当大量的传感器让虚拟与现实打通后,在存储物理设备的数据时,虚拟环境的数据同样也需要存储和管理,该如何配置这些数据,为了该如何重复利用也会是问题。
目前对于数字孪生中的虚拟数据也缺乏产业标准,未来每家运用不同的数字孪生技术的企业都可能有不同的数据标准,这对于数字孪生技术的迭代和升级都将会造成一定的限制,一些早期用户可能要面对每次升级都推倒重来的问题。
Gartner研究副总裁Marc Halpern接受采访时说:“数字孪生技术具有巨大的潜在优势,但创建和维护它还面临很多困难。”
在你看来数字孪生还有哪些趋势和难点吗?欢迎加入科技特训营和众多站在科技前沿者一同讨论。
我们还整理了一份'2021 AIOT企业TOP100清单',辛苦你点下“赞”和“在看”,点击顶部的“进入公众号”,在对话框里发送“科技”二字,你就会获得这份清单。
注意:回复“科技”只能获得当天的清单,全套《科技产业研究清单》会在科技特训营里分享,并持续滚动更新、扫描全球科技前沿。
2021年,前哨科技特训营推出了一系列趋势投资课程,帮助学员们站在时代前沿,领先别人五年看到未来。最重要的是,在充满不确定性和各种挑战的未来,做出最正确的选择,成为时代的赢家。
有话要说...