KI Physical Engineering: Zwillinge und digitale Simulationen, die falsche Intelligenz neu definieren

Künstliche Intelligenz beschränkt sich nicht mehr auf das digitale Framework. Neben dem Erstellen von Text, Bildern und Code arbeitet leider in der physischen Welt immer mehr – Echtzeit wahrgenommen, Argumentation, Handeln und Anpassung. Diese neue Grenze ist eine physische KI. Wirft autonome Lastwagen, die Erz in abgelegene australische Minen transportieren [1]Gabelstapler, das im Lagerhaus mit menschlichen Mitarbeitern in Warehart durchsucht [2] und Roboter, die zarte Komponenten mit einer Millimetergenauigkeit zusammenstellen.

Im Gegensatz zur herkömmlichen Automatisierung fährt die physische KI nicht vorprogrammierte Aufgaben aus. Es verwendet sensorische Daten – Kamera, Radar, Lidar, Inertialmesseinheiten, Temperatursensoren und mehr -, um seine Umgebung, Entscheidungsfindung und Maßnahmen dynamisch zu verstehen. Mit einem Wort, die physische KI nimmt die Stärke des Schöpfers über den digitalen Rahmen hinaus – eine komplexe, komplexe und unvorhersehbare Welt.

Diese Veränderung verspricht eine höhere Produktivität, eine verbesserte Sicherheit, größere Flexibilität und neue selbständige Klassen. Rio Tinto hat mehr als 50 autonome LKWs für Australien. Die Koordinierung und Kontrolle dieser Roboter ist ein Perth Company Operation Center (OC), ungefähr 1.500 km südlich. Seit der Implementierung sind Rio Tinto Sicherheit und Produktivität und Produktivität und 17 Standorte sagen [3].

Ein solcher Klassen mit physikalischem System sind auch wichtige technische Herausforderungen: Wie werden wir die KI-fähigen physischen Systeme entwerfen, validieren und verbreiten, die in realen Umgebungen sicher und intelligent funktionieren müssen?

Die Antwort ist immer digitaler Twin- und Simulations -basierter Systemvalidierung – Fraunhofer Iyese ist ein Pionier durch Fraunhofer Feral und Eclipse Basyx.

KI -Generationen mit physischer KI: Grundveränderung

Die meisten Menschen verbinden die KI -Sprachmodelle (LLMs), Bildgeneratoren oder Empfehlungssysteme. Diese Technologien sind bei der Manipulation dieser Daten in einem digitalen Kontext mit vorhandenen menschlichen Ein- und virtuellen Räumen hervor. Aber die reale Welt ist anders. – Der Körperbau ist konstant, unsicher und regiert. In dieser Hinsicht nimmt die physische Ki die Welt durch Sensoren wahr, sie verarbeitet den Zugang zu dem, was geschieht, und reagiert ordnungsgemäß. Es wartet nicht auf sorgfältig vorbereitete Datensätze, sondern enthält auch Informationen direkt aus Umwelt, Lernen und Anpassung, wodurch die Leistung gemäß den Erfahrungen verbessert wird.

Dies sind mehr als semantische Unterschiede; KI -Systeme, wie Putting und Bauen, wie bereit zu behandeln, bereit zu handeln

• Die Komplexität der realen Welt: Die Umgebungen sind voller laut, dynamisch und überraschend.
• Sicherheitsentscheidungen: Fehler können Unfälle verursachen, nicht nur Fehler.
• Kontinuierliche Anpassung: Systeme müssen weiterentwickelt werden, wenn sich die Bedingungen ändern.

Diese Herausforderungen erfordern neue Ansätze für den Ingenieurwesen, daher die Zwillinge und die Simulation.

Digitale Zwillinge: AI Physical Engineering Foundation

Ein digitaler Taucher ist eine virtuelle Darstellung eines physischen Vermögenswerts, das sich wie reale Mitglieder reagiert, als Reaktion auf Einträge, die Interaktion mit ihrer Umgebung und sich im Laufe der Zeit entwickelt. Diese Fähigkeiten für digitale Zwillinge sind für die physische KI, Ingenieure, unerlässlich:

• Testen Sie Algorithmen vor Hardware: Vorhersage, wie ein Wahrnehmungs- oder Kontrollsystem unter verschiedenen Bedingungen wirkt.
• Führen Sie “Was-wenn” -Szenarien sicher aus: Fehler einlegen, die Kantenfälle simulieren oder extreme Bedingungen untersuchen, ohne die physischen Vermögenswerte zu gefährden.
• Beschleunigungslernen: Verwenden Sie die simulierten Umgebungen, um KI -Modelle schneller und sicherer als sicherer zu trainieren als Tests.
• Das Update bestätigt kontinuierlich: Während sich die Software entwickelt, stellen die Simulationen sicher, dass neue Versionen sicher und zuverlässig sind.

3D -Modell versteckte Kosten – und schnellerer Modus

Die häufige Hypothese ist, dass die Einnahme digitaler Zwillinge die Verwendung von 3D -Mustern umfasst. Isha Salian beanspruchte die Proklamation von Nvidia “Leider beginnt die physische Entwicklung mit hohem physisch und physisch spezifisch, sie können fortgeschrittene physische Systeme wie die Fähigkeit humanoiden Roboter nicht trainieren, da die Fähigkeiten, die Roboter im virtuellen Training lernen würden, nicht in die reale Welt zurückkehren werden.” [4]

In einigen Fällen sind komplexe 3D -Modelle von entscheidender Bedeutung. Aber sie kommen auch mit kommerziellen Orten [6]:

• Hohe Rechenanforderungen: 3D -Simulationen erfordern wichtige GPU- und Cloud -Ressourcen
• Energieverbrauch erhöhen: Subsantiale Co₂ -Emissionen können durch 70 Tonnen Hochtreue erzeugt werden, Zwillinge, die Zwillingsphysik sind.
• Längere Entwicklungszyklen: Komplexe Modelle brauchen Zeit und Experten, um aufzubauen und zu warten.

Fraunhofer Ieers Plattform ist ein Fraunher Game-Modifikator, der virtuelle und Gültigkeit von hoher Fidelität und Gültigkeit von High-Fidelities erzeugt. Zu diesem Zweck ermöglicht wilder (i) (i) Nicht-3D-Nichtbekenntnissen von eingebetteten Vermögenswerten-Treiber, Sensoren, Aktuatoren-und (ii) und (ii) in Co-Simulationsumgebungen. Um komplexes Verhalten zu bekämpfen, wird die Fähigkeiten, mit Zeit, Kommunikation und Interaktionen umzugehen, das Verhalten des Systems vor dem Aufbau physischer Prototypen ständig erwartet.

Als Rodney Brooks vom MIT war berühmt: “Die Welt ist sein bestes Model.” [5] Dies ist das Prinzip, dass Fraunhofer Falde seine Fähigkeiten mit physischer KI hat.

Wirkliche Auswirkungen der realen Welt: Fälle von nachgewiesener Verwendung

Fraunhofer Feral hat in Branchen erhebliche Ergebnisse erzielt:

• Bosch: Virtuelle Validierung der Netzwerkvalidierung elektronischer Kontrolleinheiten (ECUS) von 80% reduzierte den Test 80% (zwei Wochen und zwei Tage) und Komponenten, die über 30% testen.
• Mercedes-Benz: Tools zum Detail der DRAM-Leistung für die Automobilsysteme der nächsten Generation.
• Cadfem: Validieren Sie die ADAS -Funktionen mit Simulatoren zum Fahren von Simulatoren wie Digital Twins und Carla, wodurch systematische Fehler und Resilienz -Tests von Bussen ermöglicht werden.

Jedes Beispiel zeigt das gleiche Prinzip: die erste Simulations -Engineering -Entwicklung, niedrigere Kosten, sicherere Systeme und mehr elastische Operationen.

Schlussfolgerung: Aufbau der Zukunft intelligenter Maschinen

KI ist eine der bedeutendsten technologischen Wendungen des nächsten Jahrzehnts. Es verspricht Maschinen, die die Logistik- und Fertigungsindustrie, Logistik und Mobilität, Gesundheit und Infrastruktur verändern.

Das Erschessen dieses Potenzials erfordert jedoch die Überprüfung der Art und Weise, wie diese Systeme technisch sind. Digitale Zwillinge, simulationsbasierte Validierung und Co-Simulation sind die Lücke zwischen dem Code und der Realität der Brücke. Hier bieten Plattformen wie Fraunhofer Feral ein intelligentes, intelligentes und reales Gebäude ohne unnötige Komplexität – und ohne auf physikalische Prototypen zu warten.

In der Zukunft der Luft geht es nicht nur um Algorithmen. In technischen Intelligenz geht es um Ingenieurwesen in der physischen Welt und so prognostiziert, dauerhaft und sicher.

[1] https://imming.com/05/05/09/thiness-norton-gold- beraekeak-and-acon-launch-autonomy-trial-in-australia
[2] htps: //corporate.walmart.com/news/2024/04/04/04/04/04/14/04/04/14
[3] https://www.bbc.com/news/articles/cgej7gzg8l0o
[4] https://blogs.nvidia.com/blog/physical-ai-research-siggraph-2025
[5] htps: //people.csail.mit.edu/brooks/papers/repesentation.pdf
[6]