软考-系统架构师-未来信息综合技术（二）
四、机器人技术
4.1、机器人的定义与构成
4.1.1、定义条件
具有如下3个条件的机器可以称为机器人：
1）具有脑、手、脚等三要素的个体；
2）具有非接触传感器（用眼、耳接收远方信息）和接触传感器；
3）具有平衡觉和固有觉的传感器。
4.1.2、仿人特点
靠手进行作业。
靠脚实现移动。
由脑来完成统一指挥的任务。
非接触传感器和接触传感器相当于人的五官，使机器人能够识别外界环境。
平衡觉和固有觉则是机器人感知本身状态所不可缺少的传感器。
4.1.3、系统组成
从架构角度看，机器人由控制系统（脑）、驱动系统（肌肉/脚）、执行系统（手）、感知系统（传感器） 四大部分组成。
4.1.4、传感器分类
内部传感器：检测自身状态（位置、速度、加速度、平衡）。对应“平衡觉和固有觉”。
外部传感器：检测外部环境（视觉、触觉、听觉、距离）。对应“非接触/接触传感器”。
4.1.5、构成原理图
4.2、具身智能
这是当前最前沿的概念，指有物理身体的智能体（机器人），能通过与环境交互进行学习。这与单纯运行在服务器上的AI（如ChatGPT）不同，是机器人发展的终极形态。
4.3、机器人的分类
按应用行业：工业机器人、服务机器人、特殊领域机器人。
按控制方式：操作机器人、程序机器人、示教再现机器人、智能机器人、综合机器人。
4.4、机器人的发展阶段
第一代（瞎子）：示教再现型机器人（Teaching-reproduction）。
示教再现 (Teach and Playback)：这是工业机器人最经典的模式。人工引导机器人走一遍轨迹，机器人记录下来并重复执行。缺点是环境一变就失效，没有适应性。
第二代（有感觉）：感觉型机器人（Sensory）。
第三代（有大脑）：智能型机器人（Intelligent）。
4.5、机器人 4.0 时代
4.5.1、定义
就是把云端大脑分布在各个地方，充分利用边缘计算的优势，提供高性价比的服务。
4.5.2、核心特征
把要完成任务的记忆场景的知识和常识很好地组合起来，实现规模化部署。
强调除了感知能力和智能协作，还应具有理解和决策能力，进行更加自主的服务。
4.5.3、5个核心技术
云-边-端的无缝协同计算
持续学习与协同学习
知识图谱
场景自适应
数据安全
4.5.4、云边端架构 (Cloud-Edge-End)
- 云端：负责高算力任务（如大模型训练、全局知识库、长周期数据分析）。
- 边缘端：负责实时性任务（如姿态控制、避障、本地缓存）。
- 终端：负责采集与执行（传感器数据采集、电机驱动）。
4.5.5、知识图谱的作用
在机器人中，知识图谱用于存储“常识”和“场景关系”（例如：机器人看到一个杯子，知识图谱告诉它“杯子易碎，且里面可能有水，要平稳拿取”）。
4.5.6、RaaS (Robot as a Service)
机器人即服务，是云计算商业模式在机器人领域的延伸，通常依赖于Robot 4.0的云端协同能力。
4.5.7、Robot 4.0 架构图
五、数字孪生体
5.1、数字孪生体的定义
数字孪生体是现有或将有的物理实体对象的数字模型，通过实测、仿真和数据分析来实时感知、诊断、预测物理实体对象的状态，通过优化和指令来调控物理实体对象的行为，通过相关数字模型间的相互学习来进化自身，同时改进利益相关方在物理实体对象生命周期内的决策。
5.2、数字孪生体的技术体系
5.2.1、顶层框架技术
能够做到统领建模、仿真和数字线程的系统工程和MBSE（基于模型的系统工程），则称为数字孪生体的顶层框架技术。
MBSE (Model-Based Systems Engineering)：这是系统工程发展的趋势，从“以文档为中心”转向“以模型为中心”。在架构设计中，MBSE用于管理复杂系统的需求、设计、分析和验证。
5.2.2、三项核心技术
建模、仿真和基于数据融合的数字线程。
数字线程 (Digital Thread)：也称为“数字主线”。它贯穿了产品从设计、制造到运维的全生命周期，保证数据流的连续性和一致性。
5.2.3、底层伴生技术
物联网是数字孪生体的底层伴生技术。
伴生（IoT）：没有物联网提供实时数据，数字孪生就是个“死模型”，所以是伴生（必须有）。
5.2.4、外围使能技术
云计算、机器学习、大数据、区块链则成为数字孪生体的外围使能技术。
使能（Cloud/AI）：提供算力和算法支持，让孪生体更聪明、更强大。
5.2.5、技术体系结构图
5.3、关键技术细节（建模与仿真）
| 关键技术 | 核心内容 |
|---|---|
| 建模 | 源头/“数字化”阶段的核心：建立数字化模型。三维空间：需求指标、生存期阶段和空间尺度。多视图模型：复合、高层次需求指标需要多视图（数字线程技术）。 |
| 仿真 | 建模和仿生是一对伴生体。 建模是模型化对物理世界和问题的理解。 仿真验证和确认理解的正确性和有效性。数字化模型的仿真技术：创建和运行数字孪生体、保证数字孪生体与对应物理实体实现有效闭环的核心技术。 |
| 其他技术 | VR、AR以及MR等增强现实技术。 数字线程。 系统工程和MBSE。 物联网。 云计算、机器学习、大数据、区块链等。 |
5.3.1、建模 vs 仿真
建模侧重于“静态描述”（长什么样、结构如何）。
仿真侧重于“动态推演”（怎么动、未来会怎样）。
5.3.2、VR/AR的作用
在数字孪生架构中，VR/AR属于可视化呈现层，为人机交互提供接口，让运维人员能直观看到设备的“内部状态”。
5.4、数字孪生生态系统
5.4.1、应用领域
主要应用于制造、产业、城市和战场。
5.4.2、五层生态系统（由下至上）
1）基础支撑层：由具体的设备组成。物理实体（Physical Entity）。
2）数据互动层：包括数据采集、数据传输和数据处理等内容。IoT感知与传输。
3）模型构建与仿真分析层：包括数据建模、数据仿真和控制。
4）共性应用层：包括描述、诊断、预测、决策四个方面。对应DIKW模型（数据->信息->知识->智慧），即“描述（发生了什么）->诊断（为什么发生）->预测（将要发生什么）->决策（该怎么做）”。
5）行业应用层：包括智能制造、智慧城市在内的多方面应用。