도쿄 디지털 트윈 출시! 체화된 지능, 제로 샘플 마이그레이션, 현실 세계, 공유된 스웜 사고방식

[새로운 지혜 소개] 인공지능은 예술 디자인과 글쓰기 분야에 혁신을 가져온 데 이어, 도시 계획과 도시 역학의 실시간 모니터링에도 새로운 활력을 불어넣고 있습니다.
도쿄의 고해상도 포인트 클라우드 3D 디지털 트윈 해당 모델이 이제 공개되었습니다! 누구나 무료로 다운로드할 수 있습니다.

프로젝트 주소: https://github.com/tokyo-digitaltwin

디지털 트윈 모델의 축척은 h입니다.그리고e, 그리고 도쿄의 묘사는 놀라울 정도로 세밀하며, 절대적인 위치 정확도는 약 10cm 이내입니다.

도로 위의 횡단보도

엔비디아의 수석 연구 과학자인 짐 팬은 "점점 더 많은 도시, 주택, 공장이 시뮬레이션 환경으로 가져와질 것이라는 것은 기정사실입니다."라고 말했습니다.

미래에는 로봇이 개별적으로 훈련되지 않을 것입니다. 로봇은 실시간 그래픽 엔진에서 '강철 함대'로 시뮬레이션되고, 거대한 클러스터를 통해 확장되어 차세대 수조 개의 고품질 훈련 데이터를 생성할 것입니다.
다시 말해, 물리적 환경을 디지털화하여 가상 시뮬레이션 세계로 가져오는 것은 로봇 공학의 발전을 크게 가속화할 것입니다.
로봇은 고정밀 시뮬레이션 환경에서 훈련함으로써 풍부한 훈련 데이터를 획득하고 복잡한 시나리오에서 빠르게 학습할 수 있습니다.
이러한 접근 방식은 로봇이 가상 세계에서 현실 세계로 원활하게 이동하도록 촉진하고, 실제 응용 분야에서 로봇의 효율성과 지능을 향상시킬 것입니다.

도시 디지털 트윈이란 무엇인가요?
간단히 말해, 디지털 트윈은 물리적 공간에 있는 개체를 사이버 공간으로 옮긴 복제본입니다.
이러한 복제가 일정 수준의 정확도에 도달하면 물리적 객체에 설치된 센서에서 전송되는 실시간 데이터를 사용하여 행동을 시뮬레이션하고 운영을 모니터링할 수 있으므로 '쌍둥이 도시'를 건설하고 활용할 수 있습니다.
도시의 디지털 트윈은 실제로 건물과 도로 같은 인프라, 경제 활동, 인구 이동 및 기타 요소들을 인지된 도시 데이터를 기반으로 사이버 공간에서 '쌍둥이'처럼 재현하는 것입니다.

다시 말해, 아래 그림과 같은 연속적인 순환 구조에서처럼, 물리적 공간의 다양한 활동 영역에서 얻은 실시간 데이터를 기반으로 사이버 공간에서 고급 분석 및 시뮬레이션을 수행하고, 그 결과를 고속으로 상호작용적인 형태로 물리적 공간에 다시 전달하는 것이 가능합니다.

베르너 크리칭거 등이 제시한 바에 따르면 디지털 트윈에는 세 단계가 있습니다.
첫 번째 단계는 디지털 모델링이라고 하며, 기존의 물리적 객체와 그것이 표현되는 가상 공간 간의 변환은 수작업으로 이루어지는 단계입니다. 도시 디지털 트윈의 경우, 이는 이미 확보된 과거 데이터(예: 교통 흐름 데이터 등)를 3D 도시에 재현하는 단계입니다.
두 번째 단계는 디지털 셰이딩이라고 하며, 물리적 객체를 디지털 객체로 자동 변환하는 것을 지원하는 단방향 데이터 흐름 상태입니다.
세 번째 단계는 디지털 트윈으로, 물리적 객체와 디지털 객체가 양방향으로 완벽하게 융합되어 각 객체의 변화가 자동으로 다른 객체에 반영되는 단계입니다. 도시의 디지털 트윈은 실제 물리적 공간과 사이버 공간 간의 양방향 데이터 교환이 이루어지는 상태를 의미합니다.

도시의 디지털 트윈에 있어 주요 가치는 다음과 같습니다.
- 현실과 연계된 실시간 데이터 수집: 첨단 센서 기술과 통신 기술을 활용하여 다양한 데이터를 실시간으로 수집
- 3D 공간을 활용한 분석 및 시뮬레이션: 현실을 재현하는 공간에서의 실험과 같은 고급 분석 및 시뮬레이션
- 현실에 대한 피드백: 의사 결정, 시스템 제어 등을 위해 결과를 실시간으로 실제 공간에 반영합니다.
예를 들어, 뉴사우스웨일스 주에서 교통 혼잡 분석 및 규제에 디지털 트윈과 AI 예측 엔진을 적용하면 교통 혼잡으로 인한 사회적 편익 손실 비용을 크게 줄일 수 있습니다.

디지털 트윈 vs 아날로그
도시 디지털 트윈은 물리적 세계의 상태를 실시간으로 반영하도록 구축된 도시의 디지털 복제본입니다.
이 모델은 마치 실제 도시와 함께 살아 숨 쉬는 '그림자'처럼, 실시간으로 변화하는 도시의 모습을 반영합니다. 도시의 현재 상태를 보여줄 뿐만 아니라, 현실에서 발생할 수 있는 예상치 못한 상황에도 신속하게 대응할 수 있습니다.
반면, 도시 시뮬레이션은 가정과 미리 설정된 규칙에 기반한 비교적 정적인 모델입니다.
이는 과거 도시 운영 데이터를 정제하고 요약한 것으로, 특정 패턴을 반영할 수는 있지만 디지털 트윈의 실시간 데이터보다 정확도가 떨어집니다. 도시 시뮬레이션은 도시의 과거 '진료 기록'을 바탕으로 미래의 가능한 상황을 예측하는 것에 더 가깝습니다.
전반적으로 디지털 트윈과 시뮬레이션은 모두 가상 모델을 기반으로 한 시뮬레이션이지만, 몇 가지 중요한 차이점이 있습니다.
시뮬레이션은 일반적으로 설계에 사용되며, 경우에 따라 오프라인 최적화에도 사용됩니다. 설계자는 시뮬레이션에 변경 사항을 입력하여 다양한 시나리오를 관찰할 수 있습니다. 반면 디지털 트윈은 사람들이 실시간으로 상호 작용하고 업데이트할 수 있는 복잡한 가상 환경입니다. 디지털 트윈은 규모가 훨씬 크고 응용 분야도 훨씬 넓습니다.
예를 들어 자동차 시뮬레이션에서 초보 운전자는 몰입형 훈련 경험을 얻고, 다양한 자동차 부품의 작동 방식을 배우고, 가상으로 운전하면서 다양한 실제 시나리오에 직면할 수 있습니다. 그러나 이러한 시나리오는 실제 차량과는 관련이 없습니다.
반면, 자동차의 디지털 트윈은 실제 차량과 연결되어 중요한 성능 통계, 과거 교체 부품, 센서가 감지한 잠재적 문제, 이전 정비 기록 등 실제 차량에 대한 모든 정보를 학습합니다.

도시 디지털 트윈의 세 가지 핵심 요소
도시 디지털 트윈의 세 가지 핵심 요소는 '데이터 유지 관리', '데이터 시각화' 및 '데이터 분석'으로 정의됩니다.

- 데이터 유지 관리
3D 디지털 지도, 포인트 클라우드 데이터, GIS 데이터 등 디지털 트윈에서 처리된 지리공간 데이터 정보의 유지 관리 및 집계. 여기에는 데이터 수집, 데이터 저장 및 관리가 포함됩니다.

- 데이터 시각화
3D 뷰어와 같은 시각화 시스템을 통해 복잡한 데이터는 직관적인 그래프, 차트 및 3D 모델로 변환되어 도시 관리자가 도시 전체의 '디지털 초상화'를 볼 수 있게 됩니다.
예를 들어, 히트맵은 도시의 여러 지역의 인구 밀도를 보여주는 데 사용되고, 동적 흐름도는 교통 흐름과 혼잡을 나타내는 데 사용되며, 3D 모델은 건물의 에너지 소비 분포를 시뮬레이션하는 데 사용됩니다.
이러한 시각화 자료를 통해 도시 관리자들은 마치 도시 전체를 들여다볼 수 있는 '눈'을 가진 것처럼 도시 운영 현황을 한눈에 파악할 수 있습니다.

- 데이터 분석
다양한 응용 시뮬레이터를 통해 디지털 트윈의 데이터를 분석하고 이를 개선 방안에 활용합니다.
도시 대중교통을 예로 들면, 승객의 이동 시간, 이동 경로, 이동 빈도 등의 데이터를 분석함으로써 버스 노선을 조정하고, 버스 운행 스케줄을 최적화하며, 대중교통 운영 효율을 향상시키고, 승객의 대기 시간과 이동 비용을 줄일 수 있습니다.
에너지 관리 측면에서, 건물의 에너지 소비 데이터를 분석함으로써 정확한 에너지 절약 계획을 수립하여 도시의 에너지 소비를 줄이고 지속 가능한 도시 발전을 이룰 수 있습니다.

데이터 유지 관리, 데이터 시각화 및 데이터 분석

도쿄 디지털 트윈
도쿄 디지털 트윈 프로젝트는 2030년까지 실현될 예정이며, 관련 베타 버전이 이미 출시되었습니다.

체험 링크: https://3dview.tokyo-digitaltwin.metro.tokyo.lg.jp/? _ga=2.180157796.1370176531.1735090358-57006728.1735090358