DAS LAB FIELD NOTES / Digital Twin

현장 데이터에서 운영 의사결정까지,
AX 기반 디지털 트윈From field data to operational decisions,
AX-powered digital twins

현장을 이해하는 모델에 데이터, 시뮬레이션, AI를 연결합니다. 관찰에서 예측으로, 검증한 판단에서 실행으로. DAS Lab이 바라보는 디지털 트윈의 구조를 소개합니다.

Connect a model of your operation with data, simulation, and AI. Move from observation to prediction, and from tested decisions to execution. Explore DAS Lab’s approach to digital twin architecture.

아키텍처 살펴보기 ↓Explore the architecture ↓다음 데모 이야기 ↗Our next demo ↗
PHYSICAL ↔ DIGITALCONNECTED THINKING
01 개념Concept02 아키텍처Architecture03 기술 스택Technology04 Real-to-Sim-to-Real05 다음 데모Next demo

01 / BEYOND THE 3D VIEW

보이는 현장에서,
판단할 수 있는 현장으로.

From seeing an operation
to making better decisions.

디지털 트윈의 핵심은 3D 화면의 정교함에 더해 현장과 어떤 데이터를 주고받으며, 어떤 의사결정을 지원하는가입니다.Beyond the fidelity of a 3D view, the core of a digital twin is what data connects the model to the operation, and which decisions that connection supports.[1]

DX가 자산·공정·이벤트를 일관된 데이터로 연결하면, 가상세계는 현장의 맥락을 담는 기반이 됩니다. 여기에 시뮬레이션과 AI를 결합하는 AX가 더해지면 이상 징후를 찾고, 미래의 여러 운영안을 비교하고, 검증한 결과를 운영에 반영하는 구조로 확장할 수 있습니다.DX connects assets, processes, and events through consistent data, giving the digital world operational context. Simulation and AI can then extend it to detect anomalies, compare future operating scenarios, and feed tested decisions back into operations.[2] [3]

DIGITAL MODEL

모델로 재현

Represent

형상과 동작을 모델링합니다. 현장과 모델 간 데이터 교환은 수동으로 이뤄집니다.

Represent geometry and behavior. Data exchanges between the field and the model are manual.

DIGITAL SHADOW

상태를 동기화

Synchronize

현장의 변화가 모델에 자동 반영됩니다. 현장으로 돌아가는 반영 경로는 별도로 설계해야 합니다.

Field changes update the model automatically. The return path to operations still needs to be designed.

DIGITAL TWIN

상호 연결

Connect both ways

현장과 모델의 자동 데이터 흐름이 양방향으로 연결됩니다. 적용할 판단과 실행 권한은 목적에 맞게 정합니다.

Automated data flows connect the field and model in both directions. Decision scope and execution authority depend on the use case.

Kritzinger 외(2018)의 데이터 통합 수준에 따른 분류를 재구성했습니다.Adapted from Kritzinger et al. (2018), a classification by data integration level.[1]

SIMULATION

대안을 실험하는 모델

A model for experiments

시간에 따른 시스템의 동작을 모사하고, 조건을 바꿨을 때 결과를 비교합니다. 실시간 현장 연결 없이도 성립합니다.

Model behavior over time and compare outcomes under different conditions. A live field connection is not required.

EMULATION & OPERATIONS

제어를 검증하고, 실행을 관리

Test control; manage execution

에뮬레이션은 제어기·소프트웨어가 실제 장치를 상대하듯 동작하도록 인터페이스와 응답을 재현하는 데 쓰입니다. 관제는 상태 감시와 명령·실행 관리를 맡습니다. 여기서는 두 역할을 구분하고 필요할 때 연결합니다.

Emulation reproduces interfaces and responses so that controllers or software can interact as if with real equipment. Operations systems monitor state and manage commands and execution. In this architecture these roles are distinct and connected when needed.

02 / THE DECISION LOOP

관찰하고, 예측하고,
검증한 판단을 현장으로.

Observe. Predict.
Return tested decisions to the field.

현장 데이터가 가상세계로 흐르고, 가상에서 검증한 판단은 관제를 거쳐 현장으로 돌아갑니다. 네 장면을 따라 디지털 트윈의 순환을 살펴보세요.

Field data flows into the digital world. Decisions tested there return through operations to the field. Follow the four scenes through the digital twin loop.

THE LIVING LOOP

현장과 가상세계 사이, 판단이 흐릅니다.Where the physical and digital worlds connect.

실측·상태 데이터Observed data예측·추천Predictions & recommendations승인된 실행Approved actions
현재 상태를 관제에 직접 전달Current state directly to operations 측정 · 동기화Measure · synchronize 상태 · 이력 · 모델State · history · model 예측 · 대안 비교Predict · compare plans
현장으로 돌아가는 판단운영 정책 · 승인 · 제약 확인 후 실행Decisions return to the fieldPolicy · approval · constraints before execution

관측 경로: Digital World → 관제 / 판단 경로: Digital World → AX → 관제Observation: digital world → operations / Decisions: digital world → AX → operations

레이어 상세Layer details이미지를 선택해 역할과 연결 정보를 확인하세요.Select a scene to explore its role and connections.

01 / PHYSICAL WORLD

모든 판단의 기준은 실제 현장입니다.

Every decision starts with the real operation.

설비의 위치·속도·전류, 로봇의 관절 상태, 공정 실적과 작업 이벤트를 수집합니다. 실행 결과와 오차도 다시 기록해 다음 판단의 기준으로 삼습니다.

Collect equipment position, speed and current, robot joint states, production results, and work events. Capture execution outcomes and errors to inform the next decision.

BUILDING BLOCKS

센서·PLC·로봇 제어기 · MES/WMS 등 현장 시스템

Sensors · PLCs · robot controllers · operational systems such as MES/WMS

자산 ID, 단위, 시간 기준을 함께 정합니다.

Agree on asset identifiers, units, and time references.

02 / DX FOUNDATION

Digital World는 데이터와 모델의 공통 기반입니다.

The digital world is a shared data and model foundation.

현장 DX는 형상에 더해 설비·공정의 관계, 상태, 이력, 동작 규칙을 연결하고 목적에 맞는 정확도와 갱신 주기를 관리합니다. 이 기반을 관제와 AX가 함께 사용합니다.

Beyond geometry, field DX connects equipment and process relationships, state, history, and behavior rules, and manages accuracy and update rates for the intended use. Operations and AX share this foundation.

BUILDING BLOCKS

CAD/URDF/USD · 자산·의미 모델 · 시계열·이벤트 저장소

CAD/URDF/USD · asset and semantic models · time-series and event stores

데이터 누락·지연·품질과 모델 버전을 추적해야 가상과 현장의 차이를 해석할 수 있습니다.

Track missing or delayed data, data quality, and model versions to interpret differences between the virtual and physical worlds.

03 / AX INTELLIGENCE

과거에서 배우고, 실행 전에 미래를 실험합니다.

Learn from history. Test possible futures before execution.

AI로 이력의 패턴과 이상을 분석하고 상태·수요·고장 가능성 등을 추정합니다. 물리·공정 시뮬레이션으로 후보 정책을 비교하고, 필요할 때 최적화·강화학습을 결합합니다. 목표와 제약 아래 평가한 대안과 불확실성을 관제에 전달합니다.

Use AI to analyze historical patterns and anomalies, and estimate state, demand, or failure risk. Compare candidate policies in physics or process simulation; add optimization or reinforcement learning when appropriate. Send evaluated alternatives and their uncertainty to operations.

BUILDING BLOCKS

예측 모델 · 시뮬레이션 · 최적화 · 정책 학습

Prediction models · simulation · optimization · policy learning

AI의 예측과 시뮬레이션의 결과는 가정과 데이터에 의존합니다. 추천은 검증과 운영 기준을 통과한 범위에서 적용합니다.

Predictions and simulation results depend on data and assumptions. Apply recommendations only within validated operational limits.

04 / OPERATIONS & EXECUTION

관제는 상태를 읽고, 실행을 책임집니다.

Operations turns an approved decision into controlled execution.

3D 화면과 대시보드에서 상태·알람을 확인하고, AX가 제안한 운영안을 검토합니다. 승인과 제약 검사를 통과한 명령을 현장 인터페이스로 전달하고 수신·완료·실패를 추적합니다. 명령 결과는 다시 Digital World에 반영됩니다.

Use 3D views and dashboards to inspect state and alarms, then review plans suggested by AX. Send commands through field interfaces after approval and constraint checks. Track acknowledgement, completion, and failure, and return the outcome to the digital world.

BUILDING BLOCKS

관제 UI · 명령 게이트웨이 · 권한·감사 로그 · 제어기 연계

Operations UI · command gateway · authorization and audit logs · controller interfaces

빠른 제어 루프와 안전 인터록은 PLC·로봇 제어기 등 현장 제어 계층에서 담당하도록 설계·검증합니다.

Fast control loops and safety interlocks remain in the field control layer, such as PLCs and robot controllers.

ISO 23247의 제조 디지털 트윈 프레임워크와 NIST 구현 시나리오를 참고해 DAS Lab의 설명용 구조로 재구성했습니다.A DAS Lab explanatory architecture informed by the ISO 23247 manufacturing digital twin framework and NIST implementation scenarios.[2] [3]

FROM SIGNAL TO ACTION

로봇 팔의 동작이 지연된다면?What if a robot arm starts to slow down?

신호를 발견한 뒤 대안을 시험하고, 적용 조건을 검토하고, 실행 결과를 다시 배우는 과정입니다.Detection is the beginning. Test alternatives, review the conditions for applying them, and learn from what actually happens.

  1. 01 / 관측Observe동작 지연 감지Detect a slowdown센서·동작 로그Sensors · motion logs
  2. 02 / 동기화Synchronize가상 셀 상태 갱신Update the virtual cell현재 조건 반영Reflect current conditions
  3. 03 / 분석·검증Analyze & test경로·속도 대안 비교Compare paths and speedsAI + 시뮬레이션AI + simulation
  4. 04 / 적용 판단Review검증·승인 완료?Validated & approved?권한·제약·운영 기준Authority · constraints · policy미충족 → 03 대안 재검토Not met → 03 Revise alternatives
  5. 승인Approved05 / 관제 실행Execute허용한 조건으로 실행Apply approved settings명령·완료·실패 추적Track commands and outcomes
  6. 06 / 피드백Feedback실측 결과 재반영Feed back measured results모델·정책 평가에 활용Evaluate models and policies
승인Approved미충족 → 대안 재검토Not met → revise alternatives실행 결과와 오차를 다시 수집 · 다음 판단에 반영Capture outcomes and errors · inform the next decision

미승인 조건은 대안 재검토로 돌아갑니다.Unapproved conditions return for review.

이 구조가 지향하는 것What the loop enables현장 시행착오 감소Fewer field trials운영 안정성 향상More reliable operations안전한 검증과 생산성 개선Safer testing and productivity gains

03 / BUILD BY PURPOSE

플랫폼보다 먼저,
레이어의 역할을 설계합니다.

Design the layers
before choosing a platform.

필요한 물리 정확도, 데이터 연결, 학습 방식과 운영 환경에 따라 기술을 조합합니다. 아래는 구현 가능한 조합의 예시입니다.

Combine technologies around the required physical accuracy, data connections, learning methods, and operating environment. The following are possible building blocks.

LAYERBUILDING BLOCKSWHY IT MATTERS

01연결·데이터Connectivity & data

OPC UA / MQTT / ROS 2
Time-series · Event store

현장 신호를 자산 ID·시간·단위와 함께 연결

Connect field signals with asset IDs, timestamps, and units

02가상 자산·장면Virtual assets & scenes

CAD / URDF / OpenUSD
Unity / Unreal Engine

형상·관절·좌표와 장면 구성

Define geometry, joints, coordinates, and scenes

03모사·검증Simulation & validation

Isaac Sim / Physics engine
Process simulation / AnyLogic

로봇의 접촉·센서와 공정의 흐름·자원 제약을 목적별 모델로 검증

Test robot contacts and sensors, or process flows and resource constraints, with suitable models

04학습·의사결정Learning & decisions

Isaac Lab / ML framework
Optimization / Policy evaluation

예측·정책 학습·대안 비교. 이력과 가상 실험을 연결

Connect historical observations and virtual experiments for prediction, policy learning, and alternative evaluation

05운영·실행Operations & execution

Operations UI / Command gateway
PLC / Robot controller

권한·승인·제약 검사 후 명령 전달, 결과와 실패 이력 확인

Authorize and validate commands, then track results and failures

NVIDIA ECOSYSTEM

Omniverse → Isaac Sim → Isaac Lab

Omniverse 기반의 Isaac Sim은 물리·센서 모사와 로봇 소프트웨어 검증을 위한 환경입니다. Isaac Lab은 그 위에서 강화학습·모방학습 등 로봇 학습을 수행하는 프레임워크입니다. ROS 2는 토픽·서비스·액션 등으로 시뮬레이터와 로봇 소프트웨어를 연결하는 별도 계층입니다.

Isaac Sim, built on Omniverse, provides a physics and sensor simulation environment for robotics. Isaac Lab adds a framework for robot learning, including reinforcement and imitation learning. ROS 2 is a separate software layer connecting simulation and robot software through topics, services, and actions.

[4] [5] [6]

ENGINE-BASED COMPOSITION

Unity / Unreal Engine + 목적별 연계purpose-built integration

게임엔진의 장면·렌더링·인터랙션에 물리 모델, 센서, 데이터 연결을 조합할 수도 있습니다. Unity Robotics Hub와 Unreal 기반 AirSim은 이런 로봇 시뮬레이션 연계의 사례입니다. AirSim은 기존 연구 사례로 참고하며, 실제 도입에서는 유지보수 상태와 장치·버전 호환성을 따로 확인해야 합니다.

Game engines can combine scenes, rendering, and interaction with physics models, sensors, and data connections. Unity Robotics Hub and the Unreal-based AirSim illustrate robotics integrations. AirSim is a historical research example; evaluate maintenance status and device/version compatibility before adoption.

[7] [8]

도구의 이름보다 모델·데이터·제어의 경계를 맞추는 것이 우선입니다.Align the model, data, and control boundaries before choosing tools.

04 / REAL-TO-SIM-TO-REAL

현장 → 가상 → 현장
순환 검증

Real to sim,
and back to real

현장 데이터로 가상 모델을 보정하고, 가상에서 검증한 운영안을 현장에 적용합니다.
적용 후 생긴 예측과 실측의 차이는 다시 모델을 고치는 데이터가 됩니다.

Field data calibrates the model; plans validated in simulation go back to the field.
The gap between prediction and measurement becomes data for the next model.

  1. 01 / REAL → SIM

    현장 재현

    Rebuild the site

    레이아웃·설비 사양·작업 로그로 모델을 만들고 실적과 비교해 보정합니다.

    Build the model from layouts, equipment specs and work logs, then calibrate it against actuals.

  2. 02 / SIM

    가상 실험

    Experiment in simulation

    배차 규칙·설비 편성·AI 정책을 같은 조건에서 비교하고 불확실성 범위를 실험합니다.

    Compare dispatch rules, fleets and AI policies under the same conditions and test the uncertainty range.

  3. 03 / SIM → REAL

    단계 적용

    Roll out in stages

    일부 구역·시간대부터 적용하고 기존 운영으로 돌아갈 경로를 유지합니다.

    Start with one zone or shift and keep a path back to the previous operation.

  4. 04 / REAL → SIM

    갭 보정

    Close the gap

    예측과 실측의 차이를 기록해 모델·데이터·운영 규칙을 갱신합니다.

    Record prediction-versus-actual gaps and update the model, data and operating rules.

    [3]
같은 순환, 두 가지 대상One loop, two kinds of system
단계Stage로봇 셀Robot cell물류·항만 운영Logistics & port operations
현장 재현Rebuild the site관절·좌표계·마찰·센서 보정Joints, frames, friction, sensorsWMS·TOS 로그로 처리시간·도착 분포 보정Process times and arrivals from WMS and TOS logs
가상 실험Experiment동작 정책 학습, domain randomizationPolicy training, domain randomization배차·작업 우선순위·장비 편성 비교Dispatching, task priority, fleet sizing
단계 적용Roll out in stagesSIL/HIL 검증 후 제한된 현장 시험SIL/HIL, then bounded field trials일부 구역 시범 운영Pilot in one zone
갭 보정Close the gap실패 패턴을 학습 데이터로Failure patterns become training data실적 차이로 모델 갱신Actual-vs-model gaps update the model
로봇 셀 점검 항목Robot cell checklist
01 / GEOMETRY & STATE

좌표·상태 기준 정렬

Frame and state alignment

관절 한계, 공구·카메라 좌표계, 자산 위치를 보정합니다. 타임스탬프와 상태 정의를 맞춰 같은 순간의 현장과 모델을 비교합니다.

Calibrate joint limits, tool and camera frames, and asset positions. Align timestamps and state definitions to compare the same instant in the field and model.

02 / DYNAMICS

동작 차이 보정

Dynamics calibration

실측한 질량·마찰·구동 응답과 동작 로그로 모델 파라미터를 보정하고, 질량·마찰·구동 특성의 불확실성을 실험합니다. Dynamics randomization은 단일한 가상 조건에만 맞춰진 정책을 줄이는 방법 중 하나입니다.

Calibrate model parameters using measured mass, friction, actuator responses, and motion logs, then test uncertainty in mass, friction, and actuation. Dynamics randomization is one approach to reducing dependence on a single simulated setting.

[10] [11]
03 / PERCEPTION

인식 환경 다양화

Perception variation

조명·재질·배경·카메라 조건을 다양화하는 domain randomization과 센서 오차 모델을 활용합니다. 실제 관측 데이터로 인식 성능과 취약 조건을 별도로 확인합니다.

Use domain randomization across lighting, materials, backgrounds, and camera conditions, alongside sensor error models. Evaluate perception performance and failure conditions separately on real observations.

[9]
04 / CONTROL & TIMING

제어 경로 검증

Control path validation

제어 주기, 지연, 누락, 명령 제한과 비상정지 조건을 확인합니다. 소프트웨어·하드웨어를 연결하는 SIL/HIL 검증을 필요에 따라 수행하고, 제한된 현장 시험으로 적용 범위를 넓혀갑니다.

Check control periods, delays, dropped data, command limits, and emergency-stop conditions. Use software- or hardware-in-the-loop testing where appropriate, then expand through bounded field trials.

[3] [8]

05 / FROM KNOWLEDGE TO EXPERIENCE

시뮬레이션의 경험 위에,
디지털 트윈과 AX를 더합니다.

Build on simulation.
Connect digital twins and AX.

DAS Lab은 공정·자원·운영 규칙을 모델링하고 검증해 온 경험으로, 이 순환을 로봇 셀부터 물류·항만 운영까지 설계합니다. 다음에는 로봇 팔의 움직임을 통해 이 연결을 보여드리려 합니다.

Building on experience modeling and validating processes, resources and operating rules, DAS Lab designs this loop from robot cells to logistics and port operations. Our next demonstration is planned around the movement of a robot arm.

준비 중 · 시연 미공개PLANNED · NOT YET AVAILABLE

Robot Arm Digital Twin

하나의 동작에서 시작하는
관찰 → 예측 → 실행의 연결.

One motion.
Observation → prediction → execution.

  1. 로봇 팔의 상태·동작을 가상 모델에 연결Connect robot state and motion to a virtual model
  2. 동작·충돌·제약 조건을 시뮬레이션으로 검증Test motion, collisions, and constraints in simulation
  3. AI 분석·정책 비교로 의사결정 지원Support decisions through AI analysis and policy comparison
  4. 승인된 실행과 결과를 관제 흐름에 연결Connect approved actions and results to operations
현재 시뮬레이션 데모 보기 ↗Explore current simulation demos ↗

06 / SOURCES & FURTHER READING

함께 읽을 문헌과 기술 자료

References and technical resources

본문의 번호를 통해 근거 자료로 이동할 수 있습니다. 아래 자료를 바탕으로 설명과 도식을 직접 구성했습니다.

Use the numbered citations to find the supporting sources. The explanations and diagrams are our own synthesis of the material below.

  1. [01]

    Kritzinger et al. · 2018

    Digital Twin in manufacturing: A categorical literature review and classification

    IFAC-PapersOnLine 51(11), 1016–1022 · DOI: 10.1016/j.ifacol.2018.08.474

    모델·섀도·트윈의 데이터 통합 수준에 따른 분류

    Classification by data integration level

  2. [02]

    Shao · NIST · 2021

    Use Case Scenarios for Digital Twin Implementation Based on ISO 23247

    NIST Advanced Manufacturing Series 400-2

    제조 디지털 트윈 프레임워크와 구현 시나리오

    Manufacturing framework and implementation scenarios

  3. [03]

    Liu & David · 2025

    AI Simulation by Digital Twins: Systematic Survey, Reference Framework, and Mapping to a Standardized Architecture

    arXiv:2506.06580 · DOI: 10.1007/s10270-025-01306-0

    AI 학습·테스트와 ISO 23247 아키텍처 연결

    AI training and testing mapped to ISO 23247

  4. [04]

    NVIDIA · Documentation

    Isaac Sim

    Official documentation

    물리·센서 모사와 로봇 소프트웨어 검증

    Physics, sensors, and robot software validation

  5. [05]

    NVIDIA · Documentation

    Isaac Lab Ecosystem

    Official documentation

    Omniverse·Isaac Sim·Isaac Lab의 역할 구분

    The roles of Omniverse, Isaac Sim, and Isaac Lab

  6. [06]

    Open Robotics · Documentation

    ROS 2

    Official repository

    로봇 소프트웨어를 위한 라이브러리와 도구

    Libraries and tools for robot software

  7. [07]

    Unity Technologies · Documentation

    Unity Robotics Hub

    Official repository

    Unity와 로봇 소프트웨어의 연계 예시

    Examples of robotics integration with Unity

  8. [08]

    Microsoft · Research software

    AirSim

    Original research repository

    Unreal 기반 시뮬레이션과 SIL/HIL의 기존 사례

    Historical Unreal-based simulation and SIL/HIL example

  9. [09]

    Tobin et al. · 2017

    Domain Randomization for Transferring Deep Neural Networks from Simulation to the Real World

    IROS 2017 · arXiv:1703.06907

    시각적 다양화를 통한 sim-to-real 전이

    Visual domain randomization for sim-to-real transfer

  10. [10]

    Peng et al. · 2018

    Sim-to-Real Transfer of Robotic Control with Dynamics Randomization

    ICRA 2018 · arXiv:1710.06537

    동역학 다양화와 로봇 팔 제어 전이

    Dynamics randomization and robot-arm control transfer

  11. [11]

    Tan et al. · 2018

    Sim-to-Real: Learning Agile Locomotion For Quadruped Robots

    Robotics: Science and Systems 2018 · arXiv:1804.10332

    시스템 식별·구동기 모델·지연 처리 방법의 로봇 사례

    A robotics example of system identification, actuator modeling, and latency handling