ВІРТУАЛЬНА СИСТЕМА МОДЕЛЮВАННЯ ДЛЯ РОБОТОТЕХНІКИ ТА ПЛАТФОРМ СИМУЛЯЦІЇ ЦИФРОВИХ ДВІЙНИКІВ З ПРИКЛАДОМ СКЛАДСЬКОЇ СИСТЕМИ В UNREAL ENGINE 5
Ключові слова:
цифровий двійник, робототехніка, Unreal Engine 5, Gazebo, Webots, NVIDIA Isaac Sim, CoppeliaSim, автоматизація логістичних задач, симуляція БПЛА, промисловий робот, VR/AR управління, розумна системаАнотація
Цифрові двійники та високоякісні симулятори стають центральними для проєктування, тестування та експлуатації сучасних робототехнічних систем у промисловості, логістиці та взаємодії людини з роботами. Однак, існуючі порівняльні дослідження зазвичай зосереджуються на одному типі роботів, однотипних завданнях або симуляторі та рідко враховують специфічні для цифрових двійників аспекти, такі як телеметричні конвеєри, інтерфейси операторів або хмарне підключення. У цій статті пропонується уніфікована система оцінки для цифрових двійників, орієнтованих на робототехніку. Проведене дослідження застосовується до п'яти репрезентативних випадків використання: 1 - малі БПЛА, 2 - промисловий робот маніпулятор, 3 - логістична ячейка складу з автономними мобільними роботами (AMR), 4 - мобільний маніпулятор на основі HCI/VR, і 5 - загальний сценарій патрулювання та стикування у приміщенні.
Фреймворк стандартизує вхідні дані (профілі роботів і середовища, визначення завдань, контракти даних цифрових двійників) та вихідні дані (метрики завдань і продуктивності та метрики DT), а також кодує складність завдань через структуровані фази та кроки керування на кожен конкретний епізод. Він реалізований на кількох робототехнічних симуляторах, що на сьогодні широко використовуються, а саме: Gazebo/gz-sim, Webots, NVIDIA Isaac Sim, CoppeliaSim, та на стеку на базі Unreal Engine 5 (UE5), який поєднує імпорт активів Datasmith, Chaos Physics, Blueprints/Control Rig та інтерфейси UMG/VR.
Як детальне кейс-стаді, в роботі автори втілють логістичний приклад використання складу як цифрового двійника на базі UE5 та демонтрують кількісні результати щодо пропускної здатності замовлень, довжини шляхів, коефіцієнта реального часу, часу кадру, пропускної здатності телеметрії та затримки UI до спрацьовування. Також проаналізовано технічні недоліки, такі як накладні витрати процесора Blueprint і уповільнення, викликані візуальним навантаженням. На всіх платформах і кейсах використання результатів дослідження демонструє компроміси між фізичною точністю, масштабованістю, багатогранністю взаємодії та чутливістю DT, а також призводять до практичних рекомендацій щодо вибору та композиції симуляційних і цифрових стеків для БПЛА, маніпуляцій, логістики та HCI-центричних застосувань.
Стаття завершується обговоренням обмежень, зокрема спрощення симуляції та апаратної залежності, а також окреслює майбутні кроки до кореляції симулятора до реального та автоматизованого banchmarking.
Посилання
1. Ariesen-Verschuur, N., Verdouw, C., & Tekinerdogan, B. (2022). Digital twins in greenhouse horticulture: A review. Computers and Electronics in Agriculture, 199, Article 107183. https://doi.org/10.1016/j.compag.2022.107183.
2. Baratta, A., Cimino, A., Longo, F., & Nicoletti, L. (2024). Digital twin for human-robot collaboration enhancement in manufacturing systems: Literature review and direction for future developments. Computers & Industrial Engineering, 187, Article 109764. https://doi.org/10.1016/j.cie.2023.109764.
3. Davila, M. F., Schwark, F., Dawel, L., & Pehlken, A. (2023). Sustainability digital twin: A tool for the manufacturing industry. Procedia CIRP, 116, 143–148. https://doi.org/10.1016/j.procir.2023.02.025.
4. Glaessgen, E. H., & Stargel, D. S. (2012, April). The digital twin paradigm for future NASA and U.S. Air Force vehicles. In 53rd AIAA/ASME/ASCE/AHS/ASC Structures, Structural Dynamics and Materials Conference (Paper 2012-1818). https://doi.org/10.2514/6.2012-1818.
5. Grieves, M. (2014). Digital twin: Manufacturing excellence through virtual factory replication [White paper]. Florida Institute of Technology.
6. He, B., & Bai, K.-J. (2021). Digital twin-based sustainable intelligent manufacturing: A review. Advances in Manufacturing, 9, 1–21. https://doi.org/10.1007/s40436-020-00302-5.
7. Huang, C., Luo, W., Yang, C., & Li, X. (2021). A survey on AI-driven digital twins in Industry 4.0: Smart manufacturing and advanced robotics. Sensors, 21(19), Article 6340. https://doi.org/10.3390/s21196340.
8. Kritzinger, W., Karner, M., Traar, G., Henjes, J., & Sihn, W. (2018). Digital twin in manufacturing: A categorical literature review and classification. IFAC-PapersOnLine, 51(11), 1016–1022. https://doi.org/10.1016/j.ifacol.2018.08.474.
9. Lim, K. Y. H., Zheng, P., & Chen, C.-H. (2020). A state-of-the-art survey of digital twin: Techniques, engineering product lifecycle management and business innovation perspectives. Journal of Intelligent Manufacturing, 31, 1313–1337. https://doi.org/10.1007/s10845-019-01512-w.
10. Lu, Y., Liu, C., Wang, K. I.-K., Huang, H., & Xu, X. (2020). Digital twin-driven smart manufacturing: Connotation, reference model, applications and research issues. Robotics and Computer-Integrated Manufacturing, 61, Article 101837. https://doi.org/10.1016/j.rcim.2019.101837.
11. Pylianidis, C., Osinga, S., & Athanasiadis, I. N. (2021). Introducing digital twins to agriculture. Computers and Electronics in Agriculture, 184, Article 105942. https://doi.org/10.1016/j.compag.2020.105942.
12. Qi, Q., Tao, F., Hu, T., Anwer, N., Liu, A., Wei, Y., Wang, L., Nee, A. Y. C., & Zhong, R. Y. (2021). Enabling technologies and tools for digital twin. Journal of Manufacturing Systems, 58, 3–21. https://doi.org/10.1016/j.jmsy.2019.10.001.
13. Alam, K. M., & El Saddik, A. (2017). C2PS: A digital twin architecture reference model for the cloud-based cyber-physical systems. IEEE Access, 5, 2050–2068. https://doi.org/10.1109/ACCESS.2017.2657006.
14. Farley, A., Wang, J., & Marshall, J. A. (2022). How to pick a mobile robot simulator: A quantitative comparison of CoppeliaSim, Gazebo, MORSE and Webots with a focus on accuracy of motion. Simulation Modelling Practice and Theory, 120, Article 102629. https://doi.org/10.1016/j.simpat.2022.102629.
15. Koenig, N., & Howard, A. (2004). Design and use paradigms for Gazebo, an open-source multi-robot simulator. In Proceedings of the 2004 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) (pp. 2149–2154). https://doi.org/10.1109/IROS.2004.1389727.
16. Freese, M., Singh, S., Ozaki, F., & Matsuhira, N. (2010, November). Virtual robot experimentation platform V-REP: A versatile 3D robot simulator. In International Conference on Simulation, Modeling, and Programming for Autonomous Robots (pp. 51–62). Springer. https://doi.org/10.1007/978-3-642-17319-6_5.
17. Michel, O. (2004). Webots: Professional mobile robot simulation. International Journal of Advanced Robotic Systems, 1(1), 39–42. https://doi.org/10.5772/5618.
18. Quigley, M., Conley, K., Gerkey, B., Faust, J., Foote, T., Leibs, J., Wheeler, R., & Ng, A. Y. (2009). ROS: An open-source robot operating system. In ICRA Workshop on Open Source Software (Vol. 3, No. 3.2). https://www.ros.org.
19. Microsoft. (2020). AirSim: High-fidelity simulator for autonomous vehicles (Version 1.7) [Computer software]. GitHub. https://github.com/microsoft/AirSim.
20. Project AirSim Team. (2023). Project AirSim: Simulation platform for drones, robots, and autonomous systems on Unreal Engine 5 [Computer software]. Microsoft. https://projectairsim.github.io/ProjectAirSim/.
21. Epic Games. (2025). Digital twins. Unreal Engine. https://www.unrealengine.com/en-US/digital-twins.
22. Implexus Lab. (2024). HMI for an industrial facility digital twin with UE5 [Conference talk and blog post]. Unreal Fest 2024 / Implexus Lab. https://www.implexuslab.com/post/hmi-for-an-industrial-facility-digital-twin-with-ue5.
23. Epic Games. (2024). Let’s train virtual robots [Lesson plan]. Unreal Engine Learning Portal. https://www.unrealengine.com/en-US/lesson-plans/let-s-train-virtual-robots.
24. MathWorks. (2024). Unreal Engine simulation for robots [Documentation]. MathWorks. https://www.mathworks.com/help/robotics/ug/3d-simulation-for-robots.html.
25. SAS Institute. (2025). SAS digital twins on Unreal Engine transform manufacturing. Times of India – Business Technology. https://timesofindia.indiatimes.com/business/india-business/sas-digital-twins-on-unreal-engine-transform-manufacturing/articleshow/.
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Інформаційні технології в економіці та природокористуванні

TЦя робота ліцензується відповідно до ліцензії Creative Commons Attribution-ShareAlike 4.0 International License.