元宇宙、數字孿生與汽車

駕駛哥

2021年11月10日 09:54

作者 | 一驥絕塵

出品 | 焉知

什么是元宇宙？

2021年10月28日，在名為Facebook Connect的年度大會上，Facebook宣布，公司名將更改為“Meta”，這是元宇宙MetaVerse的前綴。那么什么是元宇宙？

圖1：元宇宙概念圖

元宇宙這個概念最早出自20世紀九十年代出版的一本科幻小說《雪崩》，在作者尼爾·斯蒂芬森描繪的情景里，人們可以通過數字替身在一個叫Meatverse的虛擬空間中工作、學習、社交、娛樂等等，而這個虛擬的三維空間就是元宇宙。這個角度看，元宇宙就是一個虛擬的數字化世界。

影視作品中有很多關于這個世界的遐想，膾炙人口的黑客帝國、失控玩家和阿凡達都有呈現。在思想哲學界亦早有探究，莊周夢蝶和缸中之腦就是其中代表。而這些科幻或者哲學思想為何最近這么火，受到資本追捧呢？

有人說是因為疫情的催化作用。疫情期間，大家穿著睡衣在家里接入電話會議，虛擬的線上會議環境中大家的頭像照片卻是西裝革履；以往白板上的寫寫畫畫也變成了在線會議的編輯工具，然后大家發現這樣的虛擬形式也挺好的，這不就是元宇宙嗎？這不就是下一個風口嗎？

但作為工程師的筆者認為，其根本原因還是在于相關技術已經發展到關鍵階段，需要一個概念來整合技術資源，提供下一步突破的積極性，實現技術、經濟、社會的閉環。這些技術有：虛擬現實和增強現實（VR&AR）、區塊鏈、人工智能、云計算、電子游戲和數字孿生等等。這些技術在汽車行業都有或多或少的應用，相信在“元宇宙”里，汽車也會是其中的重要一環。而這次，我們重點來看看跟汽車相關的數字孿生技術。

什么是數字孿生？

數字孿生（Digital Twin），其官方解釋是充分利用物理模型、傳感器更新、運行歷史等數據，集成多學科、多物理量、多尺度、多概率的仿真過程，在虛擬空間中完成映射，從而反映相對應的實體裝備的全生命周期過程。其實簡單理解就是其字面意思：給實體建立一個數字化的雙胞胎。

圖2：汽車的數字孿生概念圖

那么大家可能會問，這不就是CAD或者仿真技術嗎？實際上，數字孿生和它們有關系，但卻是它們的進化升華版。數字孿生之于傳統CAD和仿真技術，就像傳統CAD和仿真技術之于手繪圖紙。也許將英偉達黃教主的頭“移花接木”到另一圖片上PS一下，你會不以為然；但當GPU渲染出一個有表情、有動作、能說話的Jensen來開個發布會，大家都贊嘆不已。

數字孿生中的數字雙胞胎具備多物理量的虛擬映射，并能覆蓋產品的全生命周期。說人話就是，數字孿生更加“有血有肉”，也能隨時間“成長”。實體設備上傳感器采集的信息會回傳同步到數字孿生上，以支撐更多維度的分析跟蹤，甚至預測實體設備的狀態。

接下來我們在產品生命周期的維度上，看一下數字孿生在汽車研發、制造和運營上的應用。

汽車研發的數字孿生

通過數字孿生技術，我們可以打破固有的新車型設計導入的傳統，快速設計一個數字孿生，并在各種應用場景下對這個虛擬數字孿生進行測試。這相當于將常用于軟件的敏捷開發推廣到整個汽車研發。

當然這樣炫酷的數字孿生，得益于飛速發展的高性能計算芯片、大數據和大存儲、快速三維成型、云計算和人工智能等技術。在傳統的CAD上，我們已經可以在設計階段將車上的所有零部件組裝在一起，檢查干涉和設計避讓，然后作空氣動力學仿真和模態分析等。數字孿生技術在這基礎上更進一層，具有外觀光學、機械動力、硬件電路和軟件算法等特征，供各個部門共同打造。同時數字孿生除了產品本體的虛擬映射外，還能提供虛擬的多維度的測試環境，以便設計人員更快速準確地做出各種設計決策。

圖3：鋼鐵俠設計的數字孿生

我們來看一個智能駕駛相關的例子。

一輛汽車從概念設計到原型樣車再到量產制造，少則兩年，多則五年十年。應用數字孿生技術，可以把這個時間大大減少，并提高設計質量。造型設計師通過VR眼鏡替代油泥模型，1：1看見車輛的外形，實時調整設計。而在同一個模型上，機械工程師則能準確測量出激光雷達的安裝位置和雷達前方覆蓋件的物理特性，并把參數提供給感知算法工程師。算法工程師將最新設計的算法集成到激光雷達的數字孿生上，并讓其在虛擬的上海中環路上跑一圈。冒煙測試通過后，測試工程師再進一步搭建近距離切入、兒童橫穿等場景，并模擬各種惡劣天氣，測試車輛的關鍵性能指標。

而這些數字場景并非簡單的三維建模，而是具備針對ADAS傳感器的屬性。譬如針對攝像頭，虛擬道路具有運動模糊和曝光控制；針對毫米波雷達，虛擬隧道能模擬電磁波復雜反射特性，不同外觀、不同角度的目標車輛具有不同的RCS，大型卡車具有強反射特征；針對激光雷達，車道線具有特定的能量反射，地面積水會引起多徑反射，運動車輛會有運動畸變……

圖4：研發階段的數字孿生概念圖

這樣的例子有點天馬行空？事實上福特汽車的設計師們在疫情期間就通過VR設備和協作平臺設計車型。dSpace、ADTF和Siemens等目前都已經有上面提到的傳感器仿真模型的商用方案可售。上海、新加坡等地都有開展相關項目，建設數字孿生城市。

汽車制造的數字孿生

制造過程也可以應用數字孿生技術，優化廠房、生產線、產品的配置，優化成本。這與近年熱火朝天的工業4.0一脈相承，讓產品在制造環節也得以升級。除了建立制造過程中產品本身的數字孿生，生產線的設備也同樣可以有數字孿生。

產品和生產設備上的傳感器可以將采集的數據同步到數字孿生模型上，然后基于模型監控制造工藝狀態以及設備狀態。這進一步可以支持實時優化物料輸送、預測零部件庫存、報告設備綜合效率（OEE）和平均無故障時間（MTBF）等。這些參數同時也是財務計算生產和物料成本的關鍵輸入，實時的分析結果可以提供給成本核算部門計算效益，然后再提供給銷售部門調整價格。

圖5：數字工廠示意圖

我們再來看一個汽車制造的例子。

通過光學掃描建模技術，可以快速地建立整個汽車焊裝車間的數字模型。識別出模型的關鍵運動節點，同時在自動化焊裝機器人的關鍵位置部署加速度計等傳感器，實時同步實體機器人和數字孿生模型的數據。這樣基于數字孿生模型就可以實時監控焊接工藝情況，工藝工程師可以通過調整數字孿生機器人的參數預測調整后的效果。如果調整效果理想，再將參數同步回實體焊接機器人上。這樣更能高效準確地調整工藝。同時數字孿生模型也可以監控運行狀態，提前預測設備故障并報警，有效提高生產效率。

圖6：汽車焊裝車間

這些技術同樣不遙遠。特斯拉超級工廠就有應用數字孿生，用于規劃能源消耗和改進制造流程。國內的愛馳億維也針對江西上饒的工廠運用了數字孿生技術，產線具有1200多個數據采集點位和300多個人機交互界面，貫通實體工廠和數字工廠的數據。

汽車運營的數字孿生

數字孿生同樣可以應用在汽車售出后的運營階段，監控車輛實時狀態、支持車輛診斷甚至預測車輛故障等。結合V2X和數字城市等技術，還可以進一步助力智能駕駛。

例如發動機傳感器的數據回傳給其數字孿生模型，主機廠和用戶就能實時監控發動機的運行狀態，實時診斷故障或者預測保養情況。現在一般新車可能會簡單粗暴的按照6個月或者5000km達者為先作為首次保養的條件。但事實上，什么時候需要更換機油機濾和車輛（發動機）的實際運行狀態息息相關。走過什么路、駕駛習慣如何、使用什么駕駛模式等等都會導致需要更換機油的時機不一樣。利用數字孿生技術，可以提供給用戶更加個性而精準的保養時間。將數字孿生拓展到車上所有保養相關的零件，用戶就可以實時察看愛車的健康狀態，有的放矢地保養，增長汽車使用壽命。

圖7：F1賽車的數字孿生概念圖

F1的邁凱倫車隊就為他們的賽車建立了數字孿生模型。除了賽車的數字孿生，車隊還利用天氣、場地、泥土情況等數據建立數字賽道，讓數字賽車可以在上面虛擬作賽。這有利于車隊和車手的賽前分析和策略部署，同樣也能在比賽過程中實時幫助決策，諸如什么時候換胎等。

著名的特斯拉影子模式同樣是數字孿生技術的一個體現。通過車上傳感器采集的數據來分析駕駛行為，優化其自動駕駛算法，并通過OTA將數字孿生的軟件程序同步到實體的車輛上。

寫在最后

數字孿生和元宇宙技術方興未艾，充滿機會。但它們與當前技術屬于相輔相成，而非替代關系。試想如果不懂焊接工藝技術，能完成焊裝車間的數字孿生嗎？如果不懂車輛動力學知識，能完成汽車數字孿生進行規控訓練嗎？因此數字孿生技術對我們的要求是做一個T字型人才，在深耕自己專業領域的同時，橫向拓展尋找數字化和智能化相結合的機會。

而除了上文提到的快速三維掃描成型技術、云計算、人工智能等正向支持的技術外，還有一個方向作為約束條件而充滿機會：網絡信息安全和數據保護。數字化、智能化帶來的海量數據包含了許多敏感和隱私數據；數字孿生和實體設備的同步也存在受到網絡黑客攻擊的威脅。網絡信息安全和數據保護的重要性也就不言而喻。

筆者作為工程師始終相信，不管數字孿生還是元宇宙，這些美好的概念都必須具有技術支撐并能（在資本和社會環境等方面）反過來促進技術發展，才有意義，我們的生活才能更加美好。

參考來源：

1. What is a digital twin?

https://www.ibm.com/topics/what-is-a-digital-twin

2. 車企入侵元宇宙，

https://news.pedaily.cn/202110/480370.shtml

3. Digital Twins in the Automotive Industry，

https://www.challenge.org/knowledgeitems/digital-twins-in-the-automotive-industry/

4. Learnings From The Digital Twin’s Data Architecture Of Tesla，

https://www.cloudflight.io/expert-views/learnings-from-the-digital-twins-data-architecture-of-tesla-40097/

登錄后免費查看全文