제조업체와 창고업자가 전통적인 기술과 관행을 압도하는 시장 압력에 맞서기 위해 로봇 공학으로 전환함에 따라 로봇의 중요성은 그 어느 때보다 커졌습니다. 하지만 이들 로봇은 지능과 이동성이 제한되어 인간과 잘 상호작용하지 못하는 물리적으로 위협적인 시스템이었던 과거의 기계가 아니다. 오늘날의 로봇은 인간과 협력하면서 복잡하고 섬세한 작업을 수행할 수 있는 지능과 인식 기능이 크게 향상된 유연한 시스템입니다.
차세대 로봇을 구축하려면 엔지니어에게 더 뛰어난 가시성, 유연성 및 효율성을 제공하는 기술과 방식이 필요합니다. 전례 없는 수준의 복잡성에 대처하기 위해 모든 엔지니어링 분야는 데이터가 풍부한 환경을 활용하여 이전과는 전혀 다른 방식으로 협업해야 합니다.
여기서 디지털 트윈이 등장합니다.
디지털 트윈 기술이 제공하는 향상된 모델링 및 시뮬레이션 기능을 통해 엔지니어는 제조 및 창고 응용 분야에서 로봇을 더 효과적으로 설계, 개발, 배포 및 모니터링할 수 있습니다.
NVIDIA Robotics의 수석 제품 마케팅 관리자인 Erin Rapacki는 다음과 같이 말했습니다. “우리는 이제 실제 디지털 트윈을 만드는 데 필요한 기술을 보유하게 되었습니다. 제조 시설, 창고 및 물류 시설의 디지털 트윈 시뮬레이션을 통해 운영 회사는 효율성을 최적화하고 크게 향상시킬 수 있습니다. 비용 절감 및 "폐기물"
Rapacki는 이러한 복잡한 시뮬레이션을 수행하려면 사용자가 로봇, 센서, 사람 및 컨베이어 벨트와 같은 기타 자산을 포함하여 디지털 트윈의 모든 측면을 시뮬레이션해야 한다고 지적했습니다.
"로봇공학 개발자는 실제 세계에 배포하기 전에 시뮬레이션 환경에서 안전 시스템을 포함한 전체 소프트웨어 스택을 수천 번 연습할 수 있어야 합니다."라고 그는 말했습니다.
을 개발하는 동안. 산업용 로봇 시스템인 개발 팀은 다양한 설계 및 제어 개념을 신속하게 시도하고 최종 제품 요구 사항을 확정하기를 희망합니다. 물리적 시스템의 디지털 모델에 액세스하면 매번 물리적 프로토타입을 만드는 것보다 더 낮은 비용과 더 짧은 리드 타임으로 반복 설계를 실행할 수 있는 가상 테스트베드가 있습니다. 이를 통해 설계 엔지니어는 기존 접근 방식이 지원할 수 없는 개념과 방법을 탐구하는 데 시간과 자원을 투자하여 자신의 목표를 더욱 강화할 수 있습니다.
Maplesoft의 전략 솔루션 부사장인 Chris Harduwar는 다음과 같이 말했습니다. “새로운 혁신적 용도를 구축할 때 이 광범위한 분석 기능을 통해 이전에는 평가 시간이 너무 길어서 무시되었던 극단적인 사례를 고려할 수 있습니다. 운영 데이터와 동기화되어 물리적 자산처럼 대응할 수 있는 포괄적인 디지털 트윈을 형성합니다. 또한 이 디지털 트윈은 제어 전략 및 생산 라인 프로그램 업데이트를 검증하기 위한 유연한 플랫폼으로 사용되어 더욱 안전하고 견고한 제품을 만들 수 있습니다."
그러나 디지털 트윈 기술이 약속하는 완전한 보상을 얻으려면 개발 팀은 관련된 모든 분야를 포함하여 큰 그림을 고려해야 합니다. 디지털 트윈과 시뮬레이션도 도움이 될 수 있습니다.
Rapacki는 다음과 같이 말했습니다. “제조 시설 또는 창고 물류 시설의 디지털 트윈은 작업 공간의 모든 활동 간에 디지털 연결을 구축하고 교통, 장애물, 최적 경로, 업데이트된 픽업/배송 지점 등을 통합할 수 있습니다. 변경 사항은 로봇에 전달됩니다. ”
예를 들어 모바일 로봇은 시설의 디지털 트윈과 동일한 시뮬레이션 환경을 사용할 때 실제 환경과 더 쉽게 조화를 이룰 수 있습니다. 로봇의 센서 스택은 로봇 인식 훈련 및 테스트를 위해 고객 현장의 실제 디지털 트윈을 활용합니다. 고객 사이트에서는 컴퓨터 비전 교육을 위한 합성 데이터도 제공하며, 로봇의 vSLAM(Visual Simultaneous Localization and Mapping)은 업데이트된 시설 모델을 기반으로 로봇이 탐색하는 데 도움을 줍니다.
로봇 프로그래밍의 복잡성과 창고 또는 생산 작업장에서 로봇 시스템을 디버깅하는 데 드는 높은 비용으로 인해 디지털 트윈을 지원하는 모델링 및 시뮬레이션이 단지 설계, 배포 및 유지 관리의 중요한 부분이 되었습니다. 로봇 애플리케이션. 로봇 및 관련 프로세스가 설계되고 검증되면 엔지니어는 모델링 및 시뮬레이션 도구를 사용하여 오프라인 프로그래밍을 수행할 수 있습니다.
디지털 트윈의 모델링 및 시뮬레이션을 지원하여 설계 팀이 전체 물리적 시스템이 완료되기 전에 코드를 개발하고 테스트할 수 있도록 하여 코드 프로그래밍과 물리적 시스템 구축을 동시에 완료할 수 있어 시간을 절약할 수 있습니다.
로크웰 오토메이션의 로봇 공학 및 디지털 도구 플랫폼 책임자인 Roberta Tanzariello는 다음과 같이 말했습니다. “이 결과는 최적화된 사이클 시간과 충돌 없는 궤적을 보장합니다. 고급 로봇 시뮬레이션 소프트웨어는 용접, 드릴링 및 드릴링과 같은 까다로운 로봇 애플리케이션을 배포할 수 있습니다. 사용자는 세부 사항을 추가하여 오프라인으로 완전한 프로그램을 생성할 수 있습니다. 초기 디지털 모델이 생성되고 첫 번째 통과 명목 데이터로 조정되면 제어 시스템 개발 도구와 결합될 수 있습니다.
Harduwar는 다음과 같이 말했습니다. “제조 자동화를 위해 제어 엔지니어는 가상 [프로그래머블 로직 컨트롤러(PLC)]를 준비하고 신호를 디지털 트윈에 대한 입력으로 사용하여 새로운 코드 물리학을 검증하고 시뮬레이션할 수 있는 엔지니어가 될 수 있습니다. ”
오프라인 검증은 위험한 작업 환경에서 작동하는 시스템의 예비 통합 테스트나 코드 오류로 인해 로봇 시스템이나 작업자에게 해를 끼칠 수 있는 경우에 유용합니다. 이렇게 하면 실패 조건 테스트가 가상 환경에서 더 안전하고 더 빠르게 수행될 수 있습니다.
기존 로봇 시스템에서 엔지니어는 온라인 시뮬레이션을 통해 문제를 조사하고 디지털 트윈을 사용하여 생산 환경을 표현할 수 있습니다. 이는 디지털 트윈이 코드 업데이트 수행 방법을 평가하는 것과 같은 방식입니다.
Harduwar는 다음과 같이 말했습니다. “사이트를 실행하는 하드웨어에서 문제를 발견한 고객이 보고한 이상 현상을 해결하기 위해 디지털 트윈이 사용되는 것을 확인하고 있으며, 근본 원인이 확인되면 프로그래밍 변경 사항을 라이브 시스템에 적용할 수 있습니다. 이 모델을 사용하면 예상 결과를 확인할 수 있으므로 시스템 가동 중지 시간이 크게 줄어들고 코드 오류로 인한 비용이 많이 드는 영향을 방지할 수 있습니다.”
AI 교육의 가능성을 확장하세요
이전에는 훈련 데이터 부족으로 인해 알고리즘 훈련이 방해받는 경우가 많았습니다. 종종 로봇 개발 팀은 존재하지 않는 훈련 데이터에서 문제를 발견하는데, 이로 인해 알고리즘을 훈련하여 수행할 수 있는 애플리케이션이 크게 제한됩니다.
훈련 알고리즘의 과제는 로봇이 수많은 고유한 응용 프로그램을 수행하도록 요구하고 훈련 데이터 문제를 악화시킴으로써 더욱 복잡해집니다.
그러나 이제 디지털 트윈 기술은 더 많은 수와 유형의 사용 사례를 처리할 수 있도록 AI 알고리즘을 훈련하는 방법을 제공합니다. 디지털 트윈은 시뮬레이션 데이터를 생성하고 새로운 기능을 테스트하여 대량의 구성과 설계를 신속하게 완료할 수 있으며, 이러한 시뮬레이션을 통해 생성된 데이터는 AI 모델을 훈련하여 더 광범위한 실제 조건과 테스트 시나리오에 적응할 수 있습니다.
Siemens Digital Industries Software의 고급 로봇 시뮬레이션 이사인 Alex Greenberg는 다음과 같이 말했습니다. “디지털 트윈 시뮬레이션으로 생성된 합성 데이터를 사용하면 AI 알고리즘이 물리적 세계의 다양한 조건과 변화에 대해 학습하고 적응할 수 있습니다. ”
또 다른 예는 3D 컴퓨터 비전(예: 기계 인식 및 센서 융합) 분야입니다. 3D 컴퓨터 비전은 로봇 조작 및 물체 거리 감지에 중요합니다.
Rapacki는 다음과 같이 말했습니다. "물체 거리는 로봇의 물체 조작, 파악 또는 회피 능력에 매우 중요합니다. 로봇은 물체가 얼마나 멀리 떨어져 있는지 이해해야 합니다. 디지털 트윈은 기하학적 특징, 3D 로봇 인식 파이프라인을 갖춘 끝없는 장면을 제공합니다. 이러한 시나리오는 다음과 같습니다. 충돌 회피, 파악 등의 능력을 훈련하는 데 사용됩니다.”
디지털 트윈을 사용하여 가장 복잡한 문제를 해결하여 인공 지능 기술의 한계를 더욱 뛰어 넘는 "강화 학습"이라는 기술도 있습니다. 이 기술을 통해 알고리즘은 현실 세계에서는 불가능한 프로세스인 시뮬레이션의 시행착오를 통해 작업을 수행하는 방법을 학습할 수 있습니다.
디버깅 장벽 극복
이러한 프로세스는 장애물에 직면하지만 엔지니어가 해결해야 하는 주요 병목 현상은 로봇 기능을 검증해야 하는 사람들에게 필요한 물리적 시스템에 대한 액세스 증가입니다.
안타깝게도 물리적 시스템을 구축하고 실행하는 것은 비용이 많이 들고 종종 비실용적이므로 대안이 필요하며, 이것이 디지털 트윈 기술의 가상 디버깅 기능이 발휘되는 곳입니다.
이 프로세스(시뮬레이션에서 대표적인 고객 환경을 디지털 트윈으로 사용)는 이러한 문제를 해결하는 동시에 효율성을 높입니다.
엔지니어는 가상 디버깅 기능을 통해 디지털 트윈을 제어 시스템(예: PLC) 및 기타 외부 장치에 연결하여 생산을 중단하지 않고도 하드웨어가 사용 가능해지기 전에 기계, 전기 및 논리 설계를 테스트, 개선 및 최적화할 수 있습니다.
하드웨어 루프 시뮬레이션은 가상 디버깅 프로세스의 일부로 수행될 수 있습니다. 여기서는 다양한 유형의 장비와 시스템을 복잡한 시스템 레이아웃으로 결합하여 개발 팀에게 운영 환경에서 로봇 성능에 대한 전체적인 시각을 제공할 수 있습니다.
로봇과 인터페이스된 PLC는 중력, 힘, 토크 등의 요소를 포함하는 상세한 시뮬레이션을 통해 전체 배포를 고려하고 필요한 사이클 시간에 따라 애플리케이션 크기를 조정합니다. 이 경우 시뮬레이션 기능은 PLC의 실제 제어 입력과 시뮬레이션 모델의 피드백을 테스트합니다.
엔지니어는 가상 디버깅 프로세스를 통해 프로그래밍 오류와 기계적 간섭 문제를 찾아 수정할 수 있는 경우가 많습니다. 이 프로세스에서는 작동 안전을 보장하기 위해 동적 영역과 로봇 작업 범위도 확인합니다.
Maplesoft의 Harduwar는 다음과 같이 말했습니다. “이런 방식으로 시뮬레이션 소프트웨어를 사용하면 로봇 공학 엔지니어는 단일 물리적 시스템을 구축하는 것보다 더 빠르게 다양한 가상 프로토타입을 생성할 수 있습니다. 다양한 작동 조건에서 디지털 모델의 성능을 테스트하는 것도 단일 물리적 시스템을 구축하는 것보다 빠릅니다. 창고에 여러 테스트 공간을 쉽게 설정할 수 있습니다.
디지털 트윈을 지원하는 가상 디버깅 기능은 로봇 개발 팀이 높은 수준의 정확성을 달성하는 데 도움이 되며 개별 장치 및 하위 시스템뿐만 아니라 모든 구성 요소가 얼마나 잘 작동하는지 확인할 수 있는 방법을 제공합니다.
Rapacki는 다음과 같이 말했습니다. “시뮬레이션 기능을 통해 로봇 엔지니어링 팀은 특수 사례 검증, 버그 수정 수행, 코드 병합, 동작 트리 관리, 배포 통합 등에서 최대한 완벽에 가까워질 수 있습니다. 배포 시간을 단축하고 로봇 품질을 대폭 향상”
로봇 개발팀이 디지털 트윈을 준비하면 설계 및 초기 시운전 단계를 넘어 애플리케이션으로 시뮬레이션을 확장할 수 있습니다. 실시간 운영 데이터가 센서에서 제공되거나 과거 데이터에서 추론될 수 있는 경우 개발 팀은 디지털 트윈을 강화하여 시간이 지남에 따라 디지털 트윈이 나타내는 물리적 로봇 시스템을 향상시킬 수 있습니다. 이는 제어 가능한 매개변수를 조정하여 처리량을 최대화하고 운영상의 마모를 줄여 비즈니스 결과를 도출하는 방법을 찾아 성능 최적화를 지원할 수 있습니다.
"로봇의 성능은 작동 중에 관찰된 실제 동작을 기반으로 평가 및 테스트할 수 있으며, 디지털 트윈 시뮬레이션을 사용하여 예측 및 처방 조치를 지원하여 성능을 개선하거나 잠재적인 문제에 대한 대체 솔루션을 평가할 수 있습니다." Mike Rouman, Siemens Digital Industries Software의 디지털 제조 부문 수석 마케팅 관리자입니다.
변화하는 환경에 대응하거나 다른 기계와 상호 작용해야 하는 로봇 자산의 경우 디지털 트윈은 이상적인 작동 사례 역할을 할 수 있어 설계자가 이상 현상을 감지하고 생산 조정을 고려할 수 있습니다. 이 프로세스는 제품 개선을 단순화하고 프로세스를 조정할 수 있습니다. 성능 매개변수가 변동하는 경우.
오늘날 업계에서는 운영 하드웨어 문제를 해결하는 데 디지털 트윈 기술이 사용되고 있습니다. 이 모델은 문제에 대한 컨텍스트를 제공하여 설계자가 영향을 받은 시스템을 오프라인으로 전환하지 않고도 문제 해결 및 코드를 수행할 수 있도록 하기 때문입니다. 변경 작업. 우수한 품질의 센서 데이터와 시뮬레이션 실행 시간 단축 덕분에 디지털 트윈을 사용하면 표준 고정 시간 시뮬레이션보다 더 유리한 지점에서 시스템을 연구할 수 있습니다.
Harduwar는 "앞으로의 과제는 더 넓은 범위의 환경에서 빠르고 효율적인 디지털 트윈을 개발하고 더 많은 엔지니어가 이러한 디지털 혁신 기술을 지원하는 도구를 사용하고 적용하는 방법을 교육하는 것입니다."라고 말했습니다.
위 내용은 디지털 트윈으로 차세대 로봇 만들기의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!
![[웹 프런트엔드] Node.js 빠른 시작](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
