元宇宙、数字孪生与汽车

驾驶哥

2021年11月10日 09:54

作者 | 一骥绝尘

出品 | 焉知

什么是元宇宙？

2021年10月28日，在名为Facebook Connect的年度大会上，Facebook宣布，公司名将更改为“Meta”，这是元宇宙MetaVerse的前缀。那么什么是元宇宙？

图1：元宇宙概念图

元宇宙这个概念最早出自20世纪九十年代出版的一本科幻小说《雪崩》，在作者尼尔·斯蒂芬森描绘的情景里，人们可以通过数字替身在一个叫Meatverse的虚拟空间中工作、学习、社交、娱乐等等，而这个虚拟的三维空间就是元宇宙。这个角度看，元宇宙就是一个虚拟的数字化世界。

影视作品中有很多关于这个世界的遐想，脍炙人口的黑客帝国、失控玩家和阿凡达都有呈现。在思想哲学界亦早有探究，庄周梦蝶和缸中之脑就是其中代表。而这些科幻或者哲学思想为何最近这么火，受到资本追捧呢？

有人说是因为疫情的催化作用。疫情期间，大家穿着睡衣在家里接入电话会议，虚拟的线上会议环境中大家的头像照片却是西装革履；以往白板上的写写画画也变成了在线会议的编辑工具，然后大家发现这样的虚拟形式也挺好的，这不就是元宇宙吗？这不就是下一个风口吗？

但作为工程师的笔者认为，其根本原因还是在于相关技术已经发展到关键阶段，需要一个概念来整合技术资源，提供下一步突破的积极性，实现技术、经济、社会的闭环。这些技术有：虚拟现实和增强现实（VR&AR）、区块链、人工智能、云计算、电子游戏和数字孪生等等。这些技术在汽车行业都有或多或少的应用，相信在“元宇宙”里，汽车也会是其中的重要一环。而这次，我们重点来看看跟汽车相关的数字孪生技术。

什么是数字孪生？

数字孪生（Digital Twin），其官方解释是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。其实简单理解就是其字面意思：给实体建立一个数字化的双胞胎。

图2：汽车的数字孪生概念图

那么大家可能会问，这不就是CAD或者仿真技术吗？实际上，数字孪生和它们有关系，但却是它们的进化升华版。数字孪生之于传统CAD和仿真技术，就像传统CAD和仿真技术之于手绘图纸。也许将英伟达黄教主的头“移花接木”到另一图片上PS一下，你会不以为然；但当GPU渲染出一个有表情、有动作、能说话的Jensen来开个发布会，大家都赞叹不已。

数字孪生中的数字双胞胎具备多物理量的虚拟映射，并能覆盖产品的全生命周期。说人话就是，数字孪生更加“有血有肉”，也能随时间“成长”。实体设备上传感器采集的信息会回传同步到数字孪生上，以支撑更多维度的分析跟踪，甚至预测实体设备的状态。

接下来我们在产品生命周期的维度上，看一下数字孪生在汽车研发、制造和运营上的应用。

汽车研发的数字孪生

通过数字孪生技术，我们可以打破固有的新车型设计导入的传统，快速设计一个数字孪生，并在各种应用场景下对这个虚拟数字孪生进行测试。这相当于将常用于软件的敏捷开发推广到整个汽车研发。

当然这样炫酷的数字孪生，得益于飞速发展的高性能计算芯片、大数据和大存储、快速三维成型、云计算和人工智能等技术。在传统的CAD上，我们已经可以在设计阶段将车上的所有零部件组装在一起，检查干涉和设计避让，然后作空气动力学仿真和模态分析等。数字孪生技术在这基础上更进一层，具有外观光学、机械动力、硬件电路和软件算法等特征，供各个部门共同打造。同时数字孪生除了产品本体的虚拟映射外，还能提供虚拟的多维度的测试环境，以便设计人员更快速准确地做出各种设计决策。

图3：钢铁侠设计的数字孪生

我们来看一个智能驾驶相关的例子。

一辆汽车从概念设计到原型样车再到量产制造，少则两年，多则五年十年。应用数字孪生技术，可以把这个时间大大减少，并提高设计质量。造型设计师通过VR眼镜替代油泥模型，1：1看见车辆的外形，实时调整设计。而在同一个模型上，机械工程师则能准确测量出激光雷达的安装位置和雷达前方覆盖件的物理特性，并把参数提供给感知算法工程师。算法工程师将最新设计的算法集成到激光雷达的数字孪生上，并让其在虚拟的上海中环路上跑一圈。冒烟测试通过后，测试工程师再进一步搭建近距离切入、儿童横穿等场景，并模拟各种恶劣天气，测试车辆的关键性能指标。

而这些数字场景并非简单的三维建模，而是具备针对ADAS传感器的属性。譬如针对摄像头，虚拟道路具有运动模糊和曝光控制；针对毫米波雷达，虚拟隧道能模拟电磁波复杂反射特性，不同外观、不同角度的目标车辆具有不同的RCS，大型卡车具有强反射特征；针对激光雷达，车道线具有特定的能量反射，地面积水会引起多径反射，运动车辆会有运动畸变……

图4：研发阶段的数字孪生概念图

这样的例子有点天马行空？事实上福特汽车的设计师们在疫情期间就通过VR设备和协作平台设计车型。dSpace、ADTF和Siemens等目前都已经有上面提到的传感器仿真模型的商用方案可售。上海、新加坡等地都有开展相关项目，建设数字孪生城市。

汽车制造的数字孪生

制造过程也可以应用数字孪生技术，优化厂房、生产线、产品的配置，优化成本。这与近年热火朝天的工业4.0一脉相承，让产品在制造环节也得以升级。除了建立制造过程中产品本身的数字孪生，生产线的设备也同样可以有数字孪生。

产品和生产设备上的传感器可以将采集的数据同步到数字孪生模型上，然后基于模型监控制造工艺状态以及设备状态。这进一步可以支持实时优化物料输送、预测零部件库存、报告设备综合效率（OEE）和平均无故障时间（MTBF）等。这些参数同时也是财务计算生产和物料成本的关键输入，实时的分析结果可以提供给成本核算部门计算效益，然后再提供给销售部门调整价格。

图5：数字工厂示意图

我们再来看一个汽车制造的例子。

通过光学扫描建模技术，可以快速地建立整个汽车焊装车间的数字模型。识别出模型的关键运动节点，同时在自动化焊装机器人的关键位置部署加速度计等传感器，实时同步实体机器人和数字孪生模型的数据。这样基于数字孪生模型就可以实时监控焊接工艺情况，工艺工程师可以通过调整数字孪生机器人的参数预测调整后的效果。如果调整效果理想，再将参数同步回实体焊接机器人上。这样更能高效准确地调整工艺。同时数字孪生模型也可以监控运行状态，提前预测设备故障并报警，有效提高生产效率。

图6：汽车焊装车间

这些技术同样不遥远。特斯拉超级工厂就有应用数字孪生，用于规划能源消耗和改进制造流程。国内的爱驰亿维也针对江西上饶的工厂运用了数字孪生技术，产线具有1200多个数据采集点位和300多个人机交互界面，贯通实体工厂和数字工厂的数据。

汽车运营的数字孪生

数字孪生同样可以应用在汽车售出后的运营阶段，监控车辆实时状态、支持车辆诊断甚至预测车辆故障等。结合V2X和数字城市等技术，还可以进一步助力智能驾驶。

例如发动机传感器的数据回传给其数字孪生模型，主机厂和用户就能实时监控发动机的运行状态，实时诊断故障或者预测保养情况。现在一般新车可能会简单粗暴的按照6个月或者5000km达者为先作为首次保养的条件。但事实上，什么时候需要更换机油机滤和车辆（发动机）的实际运行状态息息相关。走过什么路、驾驶习惯如何、使用什么驾驶模式等等都会导致需要更换机油的时机不一样。利用数字孪生技术，可以提供给用户更加个性而精准的保养时间。将数字孪生拓展到车上所有保养相关的零件，用户就可以实时察看爱车的健康状态，有的放矢地保养，增长汽车使用寿命。

图7：F1赛车的数字孪生概念图

F1的迈凯伦车队就为他们的赛车建立了数字孪生模型。除了赛车的数字孪生，车队还利用天气、场地、泥土情况等数据建立数字赛道，让数字赛车可以在上面虚拟作赛。这有利于车队和车手的赛前分析和策略部署，同样也能在比赛过程中实时帮助决策，诸如什么时候换胎等。

著名的特斯拉影子模式同样是数字孪生技术的一个体现。通过车上传感器采集的数据来分析驾驶行为，优化其自动驾驶算法，并通过OTA将数字孪生的软件程序同步到实体的车辆上。

写在最后

数字孪生和元宇宙技术方兴未艾，充满机会。但它们与当前技术属于相辅相成，而非替代关系。试想如果不懂焊接工艺技术，能完成焊装车间的数字孪生吗？如果不懂车辆动力学知识，能完成汽车数字孪生进行规控训练吗？因此数字孪生技术对我们的要求是做一个T字型人才，在深耕自己专业领域的同时，横向拓展寻找数字化和智能化相结合的机会。

而除了上文提到的快速三维扫描成型技术、云计算、人工智能等正向支持的技术外，还有一个方向作为约束条件而充满机会：网络信息安全和数据保护。数字化、智能化带来的海量数据包含了许多敏感和隐私数据；数字孪生和实体设备的同步也存在受到网络黑客攻击的威胁。网络信息安全和数据保护的重要性也就不言而喻。

笔者作为工程师始终相信，不管数字孪生还是元宇宙，这些美好的概念都必须具有技术支撑并能（在资本和社会环境等方面）反过来促进技术发展，才有意义，我们的生活才能更加美好。

参考来源：

1. What is a digital twin?

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

2. 车企入侵元宇宙，

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/

登录后免费查看全文