从自动驾驶到孪生心脏 数字孪生的未来不可限量

       数字孪生在生命周期的不同阶段引入不同的要素，形成了不同阶段的表现形态。数字孪生的核心价值之一是缩短产品的测试与验证周期，并大幅降低验证成本。数字孪生的应用价值还体现在对“昂贵的”、“脆弱的”目标对象的仿真模拟，以提供经济、高效的解决方案。

       数字孪生与传统的模型、软件，最大的不同在于，它是自生长的动态模型，具有互操作性、可扩展性、实时性、保真性和闭环性五大特征。

       数字孪生技术在2017年到2019年，连续三年入选Gartner十大战略技术，预计未来五年将跨越新型技术成熟度曲线的低谷达到成熟应用的平台期。得益于物联网、大数据、云计算、人工智能等新一代信息技术的发展，数字孪生实施的基础条件日益完善，也收获了一些行业应用。

       数字孪生价值的本质是数据价值，通过建立在海量数据之上的高级数据分析能力，挖掘数据中的潜在价值，建立起物理实体的数据模型，能够拓展我们对物理实体认知的边界和维度，更好地认知世界的潜在规律，通过智能应用实现其价值，从而为决策提供有力支撑。

       在理想状态下，数字孪生所实现的映射和同步状态应覆盖孪生对象从设计、生产、运营到报废的全生命周期，数字孪生体应随孪生对象的生命周期进程不断演进更新。美国《航空周报》曾经预测：到2035年，航空公司接收一架飞机的同时还将收到一套数字飞机，这套数字飞机包含真飞机的每一个部件，每一个结构，并且伴随着真飞机的每一次飞行而老化。

       数字孪生能力的五个层次

       数字孪生的主要能力包含展示、诊断、验证、预测、决策等五个层次。

• 展示是最基本的呈现功能；
• 诊断和验证用于发现当前状态存在的问题；
• 预测用于面向未来的发展态势进行预测；
• 决策指通过数字孪生对物理实体进行控制。

       建立数字孪生体的最终目的，是通过描述物理实体的内在机理，分析规律、洞察趋势，基于分析与仿真对物理世界形成优化指令或策略，实现对物理实体决策优化功能的闭环。决策是数字孪生最高级别的能力，目前来看实际应用还很少。

       数字孪生技术的应用价值

       数字孪生在生命周期的不同阶段引入不同的要素，形成了不同阶段的表现形态。

       在产品的设计和测试阶段，利用数字孪生可以进行设计的建模、模拟和仿真，提前验证产品在真实环境中的性能，一方面可以检验设计的精准程度，另一方面可以在设计阶段验证产品在外部环境下的性能和表现，从而提高产品质量，加速产品上市的周期。

       例如，美的运用工业仿真和数字孪生技术在内部实现了高效的三维数字验证;在自动驾驶测试场景，可以通过录制路谱，将路谱集成到测试场景中，搭配人机交互插件、碰撞模拟插件以及系统仿真插件，收集车辆的数字孪生体在不同路况下、不同环境下的固定运行数据或虚拟驾驶数据。

       缩短产品的测试与验证周期、降低成本

       数字孪生的核心价值之一是缩短产品的测试与验证周期，并大幅降低验证成本。

       以自动驾驶车辆为例，“落地应用难”是自动驾驶技术发展到现阶段的主要问题。2018年3月，美国一辆Uber自动驾驶车辆在测试的过程中，撞倒一名路人并致其死亡。这是世界首例无人驾驶车辆致行人死亡事故，给整个自动驾驶行业带来了很大打击。

       当车辆装配越来越多的主动安全控制器后，这些控制器会对车辆进行不同程度的干预，一旦出现错误就可能导致灾难性后果，因此需要对控制器及整车的整体性能进行充分的测试。如何高效可信地对自动驾驶车辆进行测试评价成为自动驾驶车辆能否安全上路的关键。

       自动驾驶在真实道路中的测试自然必不可少，而在仿真测试环境中的里程积累更是至关重要。德国慕尼黑联邦国防军大学和我国的清华大学都已经建立了基于场景库的自动驾驶测试体系，他们提出的自动驾驶数字孪生测试VRIL(Virtual Reality in theLoop)概念，其实是真实的车辆行驶在真实的测试场地中，同时映射到虚拟的测试环境中，通过虚、实状态的同步，完成整车闭环实时仿真测试。

       结合场景库数据，可以快速的设置贴近真实交通环境的测试条件，有效提升测试的效率与真实度。

       自动驾驶数字孪生测试具有诸多优势，例如：

       相比单个控制器硬件在环测试，VRIL可以测试车辆整体的性能与执行效果；

       无需建立需要转毂设备的测试实验室，成本更低；

       可以快速便捷地重现危险事故场景与关键测试场景，且没有碰撞危险，安全、高效、低成本；

       结合5G、V2X等技术可对真实交通流进行数字孪生，将测试车辆置于实时的动态虚拟交通流中进行测试。

       以上优势体现出了数字孪生解决全局性、高复杂度问题的能力。

       为帮助自动驾驶汽车更为便捷高效的开展测试验证，清华大学苏州汽车研究院对数字孪生测试的关键技术进行了深入的研究，基于自主研发的场景库打通了数字孪生测试的技术链路。例如，针对静止障碍物的自车绕障避行、左侧车道车辆切入时的自车制动、盲区行人横穿与行人发生碰撞等场景。

       此外，宝马、标志等车企也已经展开数字孪生技术的应用探索，将其用于ADAS以及自动泊车功能的测试。

       通过仿真模拟提供经济高效的解决方案

       数字孪生的应用价值还体现在对“昂贵的”、“脆弱的”目标对象的仿真模拟，以提供经济、高效的解决方案。

       例如，达索“生命心脏项目”(LHP)通过生物技术传感器和扫描技术，为人类心脏建立具有电和肌肉特性的个性化全尺寸心脏数字孪生模型，可以模拟真实心脏的行为。它不仅可以支持各种手术操作以及运行假设，而且可以对心脏进行虚拟分析，以便在疾病发生前提出预警，为心脏病患者提供护理。

       Ansys通过开发患者定制的人类心脏数字孪生体，用于规划治疗并指导医疗程序，从而彻底改变潜在致命性心律不齐的治疗方法。该数字孪生的关键组成部分是Ansys的降阶模型(ROM)，这是高保真模型的简化版，能够在加快计算速度的同时最大限度提高预测精度。仿真完整模型可能要花费数小时，而ROM可显著加快该过程，让心脏病专家能够实时查看结果。

       数字孪生在医疗行业的深度应用有望实现患者定制医疗的转型。通过开发人类心脏的数字孪生，为外科医生提供宝贵的患者信息，可以缩短消融手术的时长并提高保真度。

       数字孪生在医疗保健行业的重要作用还包括：

       通过模拟侵入性临床程序，预测任何特定治疗程序的多种结果；

       结合智能可穿戴设备为云中的数字孪生提供实时健康数据，为患者检测某些症状；

       通过不同条件下在不同患者身上运行模拟，提高医疗保健设备的性能；

       利用数字孪生技术还可以改善医疗设备的设计，例如“数字双肺”模型，能够帮助临床医生预测新冠肺炎患者的通气需求；

       将数字孪生用于临床试验，探索各种药物靶标的有效性，能够帮助进行药物开发和剂量优化，或可破解临床实验成本高、耗时长、效率低下的问题；

       数字孪生技术可以使用电子病历、疾病注册库和可穿戴设备等数据来创建患者的“数字模型”，医护人员可以按需调取和查看患者的数据并提供更好的护理服务；

       在医疗教学与实验方面，可进行医疗培训或虚拟手术，提升医护人员的技能水平。

       展望未来

       回顾刚刚过去的2021年，数字孪生的落地应用情况以分立的单场景应用及精细化为主，而对于全生命周期优化及复杂场景的赋能不足，发展水平及成熟度处于较初级的阶段。

       数字孪生不是单纯的一种技术，而是多种技术的融合应用，数字孪生的发展与人工智能技术密切相关。当前，人工智能技术处于快速发展阶段，当数据、算法和算力三大要素取得积累和突破，超人工智能+工厂级的数字孪生，将从单体(单产线)最优演进为工厂级的整体最有，可以解决人脑不能解决的那些问题，应用前景不可限量。

       以工业领域为例，数字工业相比传统工业，更强调建模与仿真、强调虚实融合、强调对工业知识的数字化表达与应用，人工智能需要结合工业领域的知识库，实现对数字孪生模型的自动学习和自动进化。