“数字孪生”的概念为工业机器人带来了全新的维度。本文将讲述来自迪拜机器人实验室的RoboDK用户将神经重建与机器人仿真相结合，生成新的数字孪生。
数字孪生是真实物理系统在虚拟中的映射。它使用户能够对自动化系统做出更明智的决策，帮助用户在真正出现问题前发现并解决问题。
通过将最先进的机器人技术和神经重建相结合，研究人员为3D建模带来了更高的精度和效率。
让我们看看迪拜机器人实验室的团队如何使用RoboDK创建他们的新系统。
数字孪生：机器人技术的未来
什么是数字孪生？
在机器人技术中，数字孪生本质上是一个虚拟模型，它贴切地复制了物理机器人系统。
任务有多么详细那么模型就有多么详细——它并不是抽象的模拟。例如，模型肯定包括机器人本身的运动学和物理特性。除此之外，还包括其它完成机器人任务的重要组件，如传感器、末端执行器和任务对象等。
数字孪生技术具备巨大的潜力。例如，在制造业中，机械臂的数字孪生可以在帮助用户优化生产流程、识别瓶颈并预测维护需求的同时，不影响机器人的生产力。
RoboDK是一款十分流行的数字孪生创建平台。例如，西华盛顿大学之前的研究中涉及到了创建一个模拟的可变学习工厂，并将其连接到物理系统以创建数字孪生。
迪拜机器人研究实验室
该机器人研究实验室位于迪拜设计与创新学院内。在Raffi Tchakerian的领导下，该实验室致力于推动机器人和先进制造业的发展。该实验室与麻省理工学院（MIT）和帕森斯（Parsons）等其他知名机构合作，汇集全球专业知识，重新定义机器人技术的未来。
RoboDK等工具在推动迪拜设计与创新学院的研究和学生项目进入传统上由经验丰富的工程师主导的领域方面发挥了重要作用。从用沙子进行3D打印到在已有的3D物体上进行生物打印，RoboDK是我们研究中的关键推动者。
——Raffi Tchakerian
作为实验室FabLab的一部分，Tchakerian的研究团队使用 KUKA 机械臂来开发先进制造自动化的解决方案。
在最新的项目中，研究人员旨在通过将他们的工业机器人与最新的神经重建技术相结合来改进数字孪生技术。
配置：KUKA KR150机械臂、Jetson及RoboDK
该研究的目的是了解神经重建技术如何改善数字孪生的创建。
为了实现这一点，研究团队使用了以下硬件和软件组件：
- KUKA KR150机械臂——该项目的核心是KR 150工业机器人。在各种制造和其他工业环境中，许多公司都在使用这种6轴机械臂。
- 英特尔D435i深度相机 ——一款成品深度相机，将强大的深度传感与惯性测量相结合，以创建点云数据。
- 英伟达 Jetson Nano ——Jetson是一款针对嵌入式应用的单片机系统。我们有一个专门设计用于在Jetson上运行的RoboDK版本，为人工智能驱动的机器人解决方案开辟了一个充满新可能性的道路。
- RoboDK——该团队项目的软件基于RoboDK。这款广泛流行的机器人离线编程仿真软件是创建数字孪生的理想选择，并且我们庞大的机器人库中已经包含KR 150机器人。
NVIDIA 神经核表面重建（NKSR）
该项目的一个重要部分是 NVIDIA 的神经核表面重建（NKSR） 技术。
这套尖端算法有助于从嘈杂位置数据的大规模点云中生成高度详细和准确的3D网格。
NKSR技术可以扩展到大型场景，处理噪音，并最大限度地减少训练要求。即使扫描数据混乱，它也可以在几秒钟内重建数百万个点。
该团队使用这项技术来清理从实感深度摄像头捕获的点云数据。然后，这些数据点通过NKSR算法输入，以创建用于机器人数字孪生的干净模型。
如何实现？
研究人员构建的系统按照以下流程运行：
- 英特尔D435i深度相机捕获场景的粗略3D模型，创建数据点云。
- 该点云由Jetson Nano板捕获。
- 每一帧3D数据都使用Open3D库进行同步并转换为精细的点云。
- 生成表示扫描对象的初始网格并将其发送到RoboDK。
- 然后，RoboDK在模拟机器人场景中准确地定位该网格。
- 然后使用 NKSR 算法进一步细化网格。
这一过程显示了将现成的成像技术与数字孪生的高级神经重建相结合的巨大潜力。
利用机器人和神经重建推进 3D 建模
这种神经数字孪生技术的未来发展是什么？
机器人研究实验室的研究人员展示了如何使用简单的组件创建强大的模拟数字孪生。从航空航天到制药，许多行业都可以使用这种类型的设置。
该项目还展示了高级神经处理算法的可访问性。借助NVIDIA Jetson Nano 和NKSR算法等技术，研发人员与用户现在可以在易于使用的设置中访问强大的功能。通过RoboDK，可以将此功能与工业机器人无缝集成。
如果您正在寻找一种将机器人与高级算法集成的方法，那么本案例研究就是一个强有力的例子。
