11月17日晚，由《物流技术与应用》杂志、人工智能物流产业联盟和旷视科技联合打造的“AI+物流灯塔直播间”系列直播节目的第四期活动在线上准时开播。

作为本期直播嘉宾，北京科技大学博士生导师、《物流技术与应用》执行主编赵宁教授以《数字孪生与AI物流》为题进行了深度分享，结合多个数字化工厂仿真规划项目，从而更好地帮助制造业和物流业应用物流仿真技术。

赵宁教授在北京科技大学机械工程学院物流工程系从事制造系统、物流系统的调度和仿真技术的教学和研究，曾参与西门子、慕斯寝具、九牧厨卫、大族激光等多家大型企业的数字化工厂仿真规划项目，致力于推动物流仿真技术在制造业和物流业的广泛应用。同时，他还兼任中国仿真学会智能仿真优化与调度专委会委员、中国机械工程学会工业大数据与智能系统分会委员、教育部高等学校物流管理与工程类专业教学指导委员会工作组成员、中国物流学会第六届特约研究员。

赵宁教授的演讲内容丰富而全面，主要包括三大部分：

1.数字孪生、AI物流、智能调度等概念的产生及发展。

2.数字孪生理论和技术在智能物流领域应用的原理基础及发展现状。

3.介绍数字孪生和仿真等技术在多层穿梭车系统调度和KIVA机器人系统调度研究中的应用，以及取得的科研成果。

据赵宁教授介绍，数字孪生（Digital Twin）概念由2003年密歇根大学Grieves教授在产品生命周期管理（PLM）课程上首次提出，但其理论概念被广泛传播，要归功于2011年美国国家航空航天局探索利用（Digital Twin（DT）技术，用于航空航天飞行器的健康维护与保障。首先在数字空间建立真实飞机的模型，并通过传感器实现与飞机真实状态完全同步，这样每次飞行后，根据结构现有情况和过往载荷，及时分析评估是否需要维修，能否承受下次的任务载荷等。

数字孪生是物理世界的数字化表示。除飞机运行维修外，可用于产品设计、生产制造、城市管理、物流等诸多领域，从而引起学术界的广泛关注。

赵宁教授继续解读了智能（AI）物流、智能调度、物流仿真等概念。具体包括：AI物流是利用集成智能化技术，使物流系统能模仿人的智能，具有思维、感知、学习、推理判断和自行解决物流中某些问题的能力。智能物流的未来发展将会体现出四个特点：智能化、一体化和层次化、柔性化、社会化。通过智能物流系统的四个智能机理，即信息的智能获取技术、智能传递技术、智能处理技术、智能运用技术来实现智能物流。

智能调度（intelligent scheduling）又称基于知识的调度（knowledge-based scheduling)，是人工智能和智能控制感兴趣的研究领域之一。现实中的许多组合问题比较复杂，要从可能的组合或序列中寻求出一种最佳调度方案需要很大的搜索空间，可能产生组合爆炸问题。智能调度就是充分应用有关问题域的知识，尽可能减少组合爆炸，使得最佳调度或组合问题获得有效解决的调度方法。

物流仿真是针对物流系统进行系统建模，并在电子计算机上编制相应的应用程序，模拟实际物流系统运行状况，并统计和分析模拟结果，用以指导实际物流系统的规划设计与运作管理。现实中很多物流系统比较复杂，需要通过仿真增强理解，优化控制，其仿真原理是离散事件仿真。

随后，赵宁教授还给大家分析和厘清了几个相似的技术，包括数字孪生与动画、数字孪生与仿真、数字孪生与虚拟调度、数字孪生与虚拟监控等等。

总体来说，这些技术都与数字孪生类似，但是有区别。他解释说，如数字孪生相对于动画，不仅仅是对外部物理世界形象的镜像反映，更重要的是对外物物流设备或者系统性能的模仿。虚拟调试的价值在于可以用低成本的计算机实验代替高成本的物理实验，但二者不同之处在于物理仿真一般面向的对象是系统，而虚拟调试一般面向的对象是设备。

虚拟调试更追求“真”，目的在于测试逻辑避免错误；不追求“快” ，也就难以在系统层面进行优化。极致的“真”，往往是多学科多场融合的结果。极致的“快”，就需要从数学和数据上获得更深的认知。

谈到数字孪生与虚拟监控的区别，赵宁教授解读到，随着三维动画技术的普及，逐渐出现了用虚拟仿真动画代替摄像头拍摄现场视频的虚拟监控技术。虚拟监控是受现场实时数据的驱动，将实时数据以动画形式展现；而虚拟仿真是将系统内在逻辑写到仿真模型中，靠系统内在逻辑驱动仿真和动画。

在演讲中，赵宁教授着重介绍了数字孪生技术在智能（AI）物流中的应用和发展。他介绍到，发展机器智能化主要有两条技术线路，一个是人工神经网络，一个是智能算法。

人工神经网络（Artificial Neural Networks，ANNs）也简称为神经网络（NNs）或连接模型（Connection Model），它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度 ，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。

“智能算法”是指在工程实践中，经常会接触到一些比较“新颖”的算法或理论， 比如模拟退火算法、遗传算法、差分进化算法、粒子群算法、蚁群算法等。这些算法或理论都有一些共同特性（比如模拟自然过程），在解决一些复杂的工程问题时大有用武之地。

相比数字孪生技术，赵宁教授认为虚拟调度和仿真技术应用于智能物流系统都有一些困难。

其中，虚拟调度应用的主要困难是：调度模型难以完全考虑所有现实因素，例如多机器人的拥堵问题、死锁问题等。动态信息难获取，例如机器人故障信息获取。优化目标难确定，例如效率最高、路径最短、命中率最高如何取舍。约束条件难确定，例如空机器人可以穿货架，不可穿立柱；单行道/双行道等。调度算法的评价难，例如在10个机器人仓库应用良好的算法是否依然在100个机器人的仓库依然有效？

仿真技术应用的主要困难是：应用目标不明确，除了动画，能解决什么问题？成本高，仿真建模完全定制，周期长、耗费人力多、成本高。拟真度低，仿真结果与物理结果偏差大。仿真速度慢，仿真速度接近甚至慢于物理时间。

如果有能够解决上述问题的终极方法，那就是面向AI物流的数字孪生。

在科研工作中，赵宁教授已经开展了利用数字孪生和仿真等技术对多层穿梭车系统调度和KIVA机器人系统调度进行优化的研究，并取得相关的科研成果。

最后，赵宁教授对未来数字孪生技术和智能物流的发展方向和相关问题进行了展望和预测：

• 智能物流对传统物流模式带来极大的变革，消灭了许多应 用人力造成的痛点， 同时带来用好智能装备的新需求。

• 智能物流系统的设计、调度、仿真一体化是有前景的应用方向。

• 智能物流和数字孪生的结合是未来的方向。

• 调度的“稳、准、快”和仿真的“真、快”是发展的核心，对物流装备产业具有很强的应用价值。

• 企业侧重落地,高校侧重前沿,物流装备领域的创新需要企业和高校在研发层面的深度融合。

北京旷视科技有限公司是一家行业领先的人工智能公司，在深度学习方面拥有核心竞争力。旷视向客户提供包括先进算法、平台软件、应用软件及内嵌人工智能功能的物联网设备的全栈式解决方案，并在多个行业取得领先地位。2017年和2019年，旷视跻身《麻省理工科技评论》发布的两项「50大最聪明公司」榜单中。

旷视是全球为数不多的拥有自主研发深度学习框架的公司之一。旷视自研的深度学习框架Brain++作为统一的底层架构，为算法训练及模型改进过程提供重要支持。Brain++帮助旷视构建了一条不断自我改进、不断更加自动化的算法生产线，实现以更少的人力和更短的时间开发出各种新算法，并能够针对不同垂直领域的碎片化需求定制丰富且不断增长的算法组合。以Brain++作为基础设施，旷视开发了可部署于云端、移动端及边缘端计算平台的先进深度神经网络。

旷视是人工智能技术商业化的先行者，通过提供多种高效的全栈式解决方案为不同垂直领域的客户赋能。旷视的个人物联网解决方案为手机提供人脸识别解锁与计算摄影功能，持续改善个人设备的用户体验，为移动应用融入身份验证功能，加强产品与服务的安全性。旷视的城市物联网解决方案使各种城市场景实现物联网设备的智能部署及管理，通过视觉数据的高效与精确分析，加强公共安全与便利，优化交通管理并改善城市资源规划。旷视的供应链物联网解决方案帮助企业数字化升级工厂、仓库及零售店，从而提高供应链整体效率。

旷视总部位于北京，拥有 2,000 多名员工，并在北京、上海、南京、成都等地都设有研发中心。旷视的典型客户包括金融科技公司、银行、智能手机公司、第三方系统集成商、物业管理者、学校、物流公司及制造商等。