数字孪生技术体系的五大未来走向 为挖掘“数实融合”新动能铺路

数字孪生作为产业数字化核心技术之一,正成为当下数字技术领域的焦点,其商业模式、应用场景、技术变革、产业趋势等正成为当前政产学研用各界关注的热点。

腾讯数字孪生云白皮书(2022年)-头图
出处:腾讯研究院

《这有份马化腾亲自担当顾问的报告 2023要挖掘“数实融合”新动能(附下载)》,因为当数字浪潮奔涌而来,数实融合成为每个行业的“必答题”,促进数字化转型驱动生产和生活方式的变革,在此背景下把握好数字空间和物理空间融合、交互与协同成为重要的行业命题。

数字化转型让数字空间与物理空间的交互越加普遍和频繁,通过数字空间的计算、分析、推演来优化物理空间,已经成为数字化转型的重要方法论,数字孪生是数字化转型的深化阶段和未来愿景,其发展恰逢其时。数字孪生是对物理实体的数字化表达,其全息映射、仿真推演、分析预 测、实时交互等能力,能够适配各个行业数字化转型的降本增效需求,为建立以数据为核心驱动要素的产业升级提供了有力支撑。无论是城市的规划、设计、建造、运营等,交通的建、管、养、运等环节,工业的研、产、供、销、服,还是建筑、能源等领域,数字孪生均能发挥其作用。例如利用数字孪生技术,车企模拟真实测试场景,可以缩短研发周期,交管部门可以推演复杂交通流,减少道路拥堵;能源企业可以映射设备运行工况,实现设备智能管控。

一、几何建模及展示技术路径多样化

通用和专业工具相互协同

几何建模是用几何概念描述物体的物理形状。几何模型是建模、仿真、渲染等处理过程的基础操作对象,决定了数字孪生体在虚拟空间的几何准确性。在构建数字孪生的过程中,也会基于对建模效率和精度的差异化要求,几何模型构建呈现出多类技术路径。例如以3D MAX、Maya等为代表的通用3D工具,这些工具追求易用性,注重建模、动画和渲染于一体。以UG、Autocad、Creo等为代表的设计软件,追求通过几何引擎、约束求解器等来实现几何模型的准确性、协同性、集成性。以RapidForm、Geomatics为代表的基于激光扫描建模的工具,主要通过点云数据的处理实现直接建模。以3DSOM Pro、Autodesk 123D Catch等为代表的基于照片转换的3D建模,能够通过物理对象的多角度倾斜摄影照片实现3D转换。此外,还可以利用对点云、图像、卫星图、无人机影像等多源数据的融合、分割、识别,构建语义化的孪生场景,通过高自动化方式实现基于真实数据的大规模孪生场景重建。

三维模型轻量化提升模型展示效率

模型轻量化是指在保留三维模型的精度和基本信息前提下,通过几何数据的减面压缩,去除部分非几何信息等方式,大量减少三维文件所占用的存储空间,实现流畅操作。模型轻量化当前出现了压缩、多实例、LOD(分层)和参数化等多种路径。例如广联达借助轻量化技术最大限度压缩模型大小、降低CPU/内存/显卡开销,无需安装专业软件,直接在浏览器、手机、平板上即可打开城市尺度的数字孪生模型。腾讯也在城市数字孪生产品中应用大规模图形图像轻量化处理技术,能够1:1真实还原物理世界,秒级加载大体量实景二三维模型及数据。

实时渲染和云渲染推动灵活部署

对展示精度和速度要求较高的数字孪生应用,实时渲染和云渲染成为当下的主流解决路径。一方面能够支持大规模3D模型进行实时展示和交互,另一方面能够借助云的能力降低计算成本,并增强部署的灵活性。实时渲染能够实现边计算画面边将其输出显示,缺点是受系统负荷能力的限制,必要时要牺牲画面效果(模型的精细、光影的真实性、贴图的精细程度)来满足实时系统的要求,例如基于Unreal引擎能够将城市数据以实时3D视图呈现,在虚拟环境中进行城市规划和 建设的预演和评估工作。云渲染技术能够将本来在本地电脑上完成的渲染工作迁移到云端服务器(可以是公有云、私有云、局域网)完成,并且能将处理的结果实时推流到终端用户,在保证效果的同时,极大降低了渲染对使用终端的要求,从而可以实现多端高逼真轻量化渲染需求。例如腾讯云渲染能够支撑在云端建造真实的城市、交通等场景,支持云端互动展示。

数字孪生展示和模拟平台呈现三大路径

根据对渲染展示、仿真模拟、数据集成等要求的不同,目前数字孪生承载平台出现了3D工具、游戏引擎、仿真平台三大路径。

01 以渲染和展示为主的3D工具

适合展示要求高、对物理对象运动过程模拟要求不高的场景,例如以Three.js、3Dgis等为代表的3D工具在城市领域应用较多。

02 以游戏引擎为代表的平台

可以兼顾精度要求不高的物理过程模拟仿真,以及渲染展示能力。例如Unity、Unreal等游戏引擎既可以在城市领域作为展示和渲染的工具,又可以在工业、交通等领域作为仿真模拟工具。

03 以仿真为核心的产品或者平台

适合展示和渲染要求不高、但对物理对象的运动或者机理过程描述准确性要求较高的场景。例如Emulate3D™数字孪生软件能够帮助工厂人员在虚拟环境中进行培训,并且可以预测设备性能并仿真生产线变化。

二、人工智能促进数字孪生预测能力

实现多源异构数据采集、集成、处理的共性能力

在数字孪生构建过程中,IOT平台主要实现将来自设备、环境等物联网传感器数据与各类模型的对接,并支持数据的实时分析。例如微软推出基于IOT平台的数据孪生方案能够和仿真模块进行对接。在与某仿真软件企业的合作中,微软主要提供基于IOT平台的物联网传感器接入和数据处理能力,而仿真企业基于仿真产品提供仿真和机理建模能力。

数字线程技术能够集成不同类型数据、模型格式,支撑全类数据和模型快速流转和无缝集成。例如在腾讯的数字孪生城市解决方案中,能够提供面向多类对象和专题的数据模型,实现空间数据、物联数据、地理数据的融合应用,保障数据的一致性。在工业数字孪生领域,数字线程已成为实现工业数据深度集成的基础,通过一种数据架构将整个产品生命周期中生成的数据集成在一起。

大数据平台实现对结构化数据、半结构化数据的处理和管理,支撑数字孪生的数据处理能力。不同的场景往往需要不同的大数据处理能力,例如工业数字孪生需要时序数据库的支持,而城市数字孪生则需要时空数据的管理能力。

人工智能构建基于数据驱动的分析与预测能力

01 基于人工智能模型和机理模型共同配合,实现诊断和预测分析

例如PTC和Ansys合作构建实时仿真分析的泵孪生体,利用深度学习算法进行流体动力学(CFD)仿真,获得整个工作范围内的流场分布降阶模型,在极大缩短仿真模拟时间基础上,能够实时模拟分析泵内流体力学运行情况。

02 通过人工智能模型来绕过复杂机理,构建仿真推演模型

例如腾讯智慧交通推出的仿真平台基于AI来构建面向交通领域的人流、交通信号等仿真模块。例如在城市雨洪模拟领域,可以依托AI建设集内涝监测、内涝模拟与分析、内涝预测预警、三防风险隐患管理和大屏综合应用展示等功能于一体的数字孪生系统。

三、仿真建模助力数字孪生构建精确模型

建模仿真能力直接决定了数字孪生对物理对象在机理层面表征的精确性。数字孪生精确模型的构建往往依赖行业特定领域的工具软件来实现,不同行业由于发展模式和发展阶段不同,所依赖的建模仿真专业工具也有很大差异。

城市领域

主要依托BIM体系来构建结构分析、碰撞模拟、设备规划等方面的机理模型,利用GIS等软件来构建精准的地理信息模型,利用专业化仿真工具来构建火灾、水灾等模型。

工业领域

仿真建模的分类更加复杂和精细,例如面向振动、碰撞、噪声、爆炸等各种物理现象的仿真,面向产品运动和疲劳等的材料力学、弹性力学和动力学仿真,针对注塑、铸造、焊
接、折弯和冲压等各种加工工艺的仿真,面向产线和工厂的设备布局、物流和人因工程仿真等等。

交通领域

会利用微观仿真软件非常细致地描述系统实体(车、人等)的产生、运动、消失及其之间的相互作用;也会利用宏观模型以车辆的整体流动为出发点,对整个城市的交通运行进行仿真规划和态势研判;在自动驾驶领域,也会构建车辆动力学模型和交通流模型,验证自动驾驶决策规划和控制算法。

模型降阶技术降低仿真计算复杂度

模型降阶成为基于精确仿真模型构建数字孪生的使能技术。例如西门子、Ansys、Altair等推出的数字孪生产品和解决方案中,模型降阶均是重要的组成部分。

一是模型降阶可以将高保真度模型进行简化,在保留关键信息和主要影响的同时缩短数字孪生的计算时间。

二是减少计算资源和存储资源的消耗,降低硬件成本。

三是增强数字孪生泛在部署的能力,在云端、边缘端均可部署,从而能够支持上万个场景并行仿真,加速测试验证的速度。当前模型降阶也呈现多种路径,例如模型简化法能够结合领域的专业知识,对模型细节进行适当简化以降低模型的复杂度。投影法则要基于数学推导而非专业知识,一般通过构造一个子空间,将控制方程投影到该子空间,以实现模型空间的降维。数据拟合方法旨在利用机器学习、深度学习等建立模型输入输出参数之间黑箱式的映射关系,以替代精细化仿真。

模型集成融合加速精确数字孪生构建和应用。对物理对象或流程进行机理建模时,往往需要多学科、多物理量、多尺度的机理模拟,这需要能够实现不同仿真模型之间的集成和融合,从而对对象全面描述和建模。例如Ansys的数字孪生产品Twin Builder支持第三方工具的集成,提供对功能模型接口标准的支持,帮助工程师将各种来源的模型组合成全面的系统描述。目前,已有超过 100 个工具正式支持FMI模型导出和协同仿真,并且全系统模型可以直接在Twin Builder 中进行组装。

此外,基于仿真驱动的模型与基于数据驱动的AI模型融合可以提升数字孪生精确性的重要路径, 例如AnyLogic为变压器铁芯生产商LAGOR打造生产流程优化的数字孪生时,通过将强化学习包 集成到AnyLogic生产仿真模型中,对智能体进行训练,可以确定生产线上铁芯的移动并将铁芯引导到目的地,从而制定可以生产线优化策略,减少生产瓶颈,数据驱动模型还有一个优势,随着不同工况数据的积累,模型精度会不断提升,系统模型具有进化能力。

四、数字支撑技术夯实数字孪生基础能力

基于硬件优化计算性能保障实时性

数字孪生在仿真计算、大尺度模型展示渲染等方面都需要极强的算力,需要从硬件层面优化实时性。例如腾讯在数字孪生平台底层融入并行计算技术、云仿真技术,支持10000个以上的场景并 行计算,大幅缩短仿真计算时间。NVIDIA专门推出面向数字孪生的计算推出NVIDIA® OVX™产品,专用于为通过数据中心进行大规模工业数字孪生提供技术支持,实时创建和运行非常复杂的模型和逼真的仿真环境。

基于多源数据融合的实时感知能力

也是数字孪生系统构建的重要基底。使用多源传感器数据,可以在不同场景下通过不同特性的传感器,实现对物理世界准确的观测。不同传感器例如摄像头、激光雷达、毫米波雷达、超声波雷达、红外线热像仪等,会反馈不同类型和特点的原始数据。不同传感器可以解决不同场景或者环境的感知问题。通过前融合或者后融合算法,全天候地实时提取数字孪生系统关心的元素,在孪生空间内进行三维计算,从而支撑上层的业务应用,例如:腾讯与蜀道集团合作的智慧高速项 目,打造了业界首个纯雷达的技术方案,减少了过去对视觉感知的过度依赖,实现了全天候、免维护的实时感知。通过毫米波雷达感知交通流信息,以车机和手机为载体,为用户推送服务信 息,将交通信息实时孪生呈现,在可视条件不佳的天气情况下,为交通参与者创建更完整的“上 帝视角”,提供及时和准确的交通引导服务。

低延时通信是实现实时孪生的关键支撑

尤其是对于实时性要求很高的行业和场景,比如交通、工业、航天等。近年来5G、V2X的发展,极大的加速了低延时应用在多场景下的实际落地,为数字孪生系统实现实时孪生打下了良好的基础。低延时通信的普及,必将加速推动全行业的数字孪生向实时数字孪生的技术升级,从而实现实时的数据分析和仿真推演,进而实现实时的辅助决策。如何通过算法结合工程的体系化应用,达到稳定的低延时通信基础设施,决定了上层数字孪生系统和应用的实际效果。例如腾讯利用5G 云化核心网、4G/5G混合应用以及C-V2X等先进通信网络,实现整个数字孪生系统的低延时通信,延时仅为100毫秒,相当于人类的眨眼时间。

五、XR技术基于沉浸式交互能力拓展应用空间

VR推动在更多场景下沉浸式应用

随着Quest 2销量超过1000万,一体机形式的VR头显有望替代过去的PCVR和VR盒子等形态,成为VR的主流。一体机VR正向算力更高、交互更便捷、体积更轻便方向发展,结合5G网络、实时渲 染等技术,可以在工厂安全培训、矿场安全教育、消防减灾教育等领域为数字孪生提供沉浸式的实时的交互和立体呈现。例如在消防减灾领域,借助VR设备,能够支持用户进入火灾、地震、飓风的数字孪生世界中,将消防、抗震防灾的理论,在虚拟现实场景下开展“实景体验式”的演 练,提升学习效率。

AR 为虚实交互提供硬件支持

随着阵列光波导、技术的发展和AR芯片生态完善,微软HOLENS 2等产品不断推动,AR正向更轻便、显示更成熟方向发展。AR在工厂巡检、员工培训等方面,结合5G网络、实时渲染等技术,可以同时现实和渲染后的画面,提供现实环境和虚拟孪生的交互和呈现。例如在设备巡检场景下, 巡检人员能够借助AR显示的数字孪生来进行巡点检应用,通过基于真实物理设备的数字孪生,实时了解整体设备内外的运行情况,免去查看翻阅数据纪录的麻烦,并且借助AR 来进行远程指导维修,显著提升运维效率的同时,规避潜在风险。

数字孪生作为产业数字化核心技术之一,正成为当下数字技术领域的焦点,其商业模式、应用场景、技术变革、产业趋势等正成为当前政产学研用各界关注的热点。在此背景下,腾讯多个部门联合撰写《腾讯数字孪生云白皮书》,旨在与业界共同探讨、推动数字孪生产业的发展。

白皮书主要分为五个部分。第一部分阐述了数字孪生的发展背景、数字孪生是什么。第二部分重点分析了数字孪生的技术体系。第三部分主要描述了数字孪生应用的重点行业和场景。第四部分重点介绍了腾讯数字孪生云的核心能力、核心技术以及行业产品。第五部分从技术、标准、生态等视角对数字孪生的发展进行了展望。

本文摘编自《腾讯数字孪生云白皮书(2022年)》,全文下载: