[E-DailyKIM JI-WAN 记者]INNOSIMULATION CO., LTD.(274400)展示了将虚拟空间中人工智能（AI）做出的判断转化为实际无人驾驶汽车动作的验证技术。这是一种将模拟与实际设备相连接，以验证AI在现实中是否能按预期运行的“物理孪生”（Physical Twin）技术。
2026 RoboWorld InnoSimulation展位
InnoSimulation于5日宣布，将参加即日起至7日在京畿道高阳市KINTEX第一展馆举办的“2026 RoboWorld”展会，并介绍物理孪生技术及物理AI验证平台“INNO ALPS”。
本次展览的核心是利用英伟达“Alpamayo”进行的AI自动驾驶演示。该公司将自主研发的汽车模拟器“iMDS”生成的虚拟驾驶环境与传感器数据，与实际的无人地面车辆（UGV）进行了联动。其运作方式是：AI根据虚拟道路状况进行判断并下达驾驶指令，实际的UGV则据此移动。\\
参观者可以亲眼见证人类远程操控UGV的方式，以及AI基于传感器数据自主决定行驶方式的场景。据该公司介绍，自4日展会开幕首日起，国内外企业代表和参观者络绎不绝，并就技术引进及合作可能性提出了咨询。
根据英伟达（NVIDIA）的官方技术资料，AlphaMayo由支持基于推理的自动驾驶开发的AI模型、仿真工具和数据集组成。其中，AlphaMayo 1模型的设计旨在预测车辆的行驶路径，同时以人类可读的形式呈现该判断的依据。
InnoSimulation还公布了与荷兰机器人及机电一体化企业Vectioneer合作开发的机械臂验证技术。 该技术通过构建虚拟物体与机器人手臂相互作用的环境，来测试机器人的运动及任务执行可行性。Vectioneer是一家成立于2010年的运动控制专业企业，拥有实时控制平台“MOTORCORTEX”。
这两项演示旨在解决虚拟环境与现实之间的差异。即使机器人或自动驾驶汽车的AI在模拟环境中运行正常，但在实际设备上，受传感器误差、摩擦、驱动部件特性等因素影响，也可能产生不同的结果。这被称为“模拟到现实的差距（Sim-to-Real Gap）”。
物理孪生（Physical Twin）是一种验证环境，通过将数字孪生与实际硬件、传感器数据、可再现运动的运动平台以及用于测量驱动性能的测功机等相连接，从而缩小这种差异。据介绍，特别是利用将实际车辆、传感器和驱动装置与虚拟环境联动的“VIL（Vehicle-in-the-Loop）”技术，即使是在危险或难以在现场再现的情况下，也能在受控条件下进行重复测试。
InnoSimulation计划通过该技术，验证在虚拟环境中学习的人工智能在实际设备上的运行性能，并获取工业现场应用所需的测试数据。
InnoSimulation相关人士表示：“本次展览中，将虚拟仿真与实际UGV相连接的物理孪生演示持续吸引着观众的关注”，并指出：“要将物理AI应用于实际工业现场，不仅需要验证AI的判断能力，还必须验证其在实际硬件上运行的准确性和安全性。”
他接着补充道：“InnoSimulation正基于26年来积累的仿真与硬件集成技术，构建一条贯通物理AI从学习到验证的全流程基础设施”，并表示：“今后我们将继续扩展物理孪生技术和平台，确保AI能在各行各业的安全环境中得到应用。”
此外，该公司将于5日下午3点在KINTEX第一展馆3~5号厅内的会议室举办物理孪生技术研讨会。 机器人与AI团队负责人Terence Fung将在“C分会场”（移动出行专题）发表演讲，介绍物理孪生的概念和运作原理，以及连接仿真与实际硬件的验证方法。
InnoSimulation于5日宣布，将参加即日起至7日在京畿道高阳市KINTEX第一展馆举办的“2026 RoboWorld”展会，并介绍物理孪生技术及物理AI验证平台“INNO ALPS”。
本次展览的核心是利用英伟达“Alpamayo”进行的AI自动驾驶演示。该公司将自主研发的汽车模拟器“iMDS”生成的虚拟驾驶环境与传感器数据，与实际的无人地面车辆（UGV）进行了联动。其运作方式是：AI根据虚拟道路状况进行判断并下达驾驶指令，实际的UGV则据此移动。\\
参观者可以亲眼见证人类远程操控UGV的方式，以及AI基于传感器数据自主决定行驶方式的场景。据该公司介绍，自4日展会开幕首日起，国内外企业代表和参观者络绎不绝，并就技术引进及合作可能性提出了咨询。
根据英伟达（NVIDIA）的官方技术资料，AlphaMayo由支持基于推理的自动驾驶开发的AI模型、仿真工具和数据集组成。其中，AlphaMayo 1模型的设计旨在预测车辆的行驶路径，同时以人类可读的形式呈现该判断的依据。
InnoSimulation还公布了与荷兰机器人及机电一体化企业Vectioneer合作开发的机械臂验证技术。 该技术通过构建虚拟物体与机器人手臂相互作用的环境，来测试机器人的运动及任务执行可行性。Vectioneer是一家成立于2010年的运动控制专业企业，拥有实时控制平台“MOTORCORTEX”。
这两项演示旨在解决虚拟环境与现实之间的差异。即使机器人或自动驾驶汽车的AI在模拟环境中运行正常，但在实际设备上，受传感器误差、摩擦、驱动部件特性等因素影响，也可能产生不同的结果。这被称为“模拟到现实的差距（Sim-to-Real Gap）”。
物理孪生（Physical Twin）是一种验证环境，通过将数字孪生与实际硬件、传感器数据、可再现运动的运动平台以及用于测量驱动性能的测功机等相连接，从而缩小这种差异。据介绍，特别是利用将实际车辆、传感器和驱动装置与虚拟环境联动的“VIL（Vehicle-in-the-Loop）”技术，即使是在危险或难以在现场再现的情况下，也能在受控条件下进行重复测试。
InnoSimulation计划通过该技术，验证在虚拟环境中学习的人工智能在实际设备上的运行性能，并获取工业现场应用所需的测试数据。
InnoSimulation相关人士表示：“本次展览中，将虚拟仿真与实际UGV相连接的物理孪生演示持续吸引着观众的关注”，并指出：“要将物理AI应用于实际工业现场，不仅需要验证AI的判断能力，还必须验证其在实际硬件上运行的准确性和安全性。”
他接着补充道：“InnoSimulation正基于26年来积累的仿真与硬件集成技术，构建一条贯通物理AI从学习到验证的全流程基础设施”，并表示：“今后我们将继续扩展物理孪生技术和平台，确保AI能在各行各业的安全环境中得到应用。”
此外，该公司将于5日下午3点在KINTEX第一展馆3~5号厅内的会议室举办物理孪生技术研讨会。 机器人与AI团队负责人Terence Fung将在“C分会场”（移动出行专题）发表演讲，介绍物理孪生的概念和运作原理，以及连接仿真与实际硬件的验证方法。
