查看引用/信息源請點擊：usatoday
這項創(chuàng)新不僅大幅節(jié)約研發(fā)成本，更開創(chuàng)了汽車制造業(yè)的“元宇宙”新紀元
（中國AI網(wǎng) 2025年09月29日）在美國密歇根州沃倫市的通用汽車全球工匠創(chuàng)新中心，占地萬平的虛擬現(xiàn)實裝配實驗室正在顛覆傳統(tǒng)汽車制造模式。通過虛擬現(xiàn)實與人工智能技術(shù)的深度融合，通用汽車允許分布在全美的工程師能如同共處一室般協(xié)同工作，在車輛投產(chǎn)數(shù)年前即可精準發(fā)現(xiàn)并解決制造環(huán)節(jié)的潛在問題。這項創(chuàng)新不僅大幅節(jié)約研發(fā)成本，更開創(chuàng)了汽車制造業(yè)的“元宇宙”新紀元。
日前，USA Today分享了通用是如何利用VR技術(shù)來顛覆傳統(tǒng)汽車制造模式：
過去，解決全球汽車公司的制造難題往往需要頻繁的差旅奔波。
但如今，通用汽車的員工即便相隔千里，都能在虛擬空間中運用實操方法協(xié)同解決問題。虛擬車輛裝配技術(shù)不僅比視頻會議更高效，比航空出行更經(jīng)濟，更是虛擬現(xiàn)實技術(shù)重塑通用汽車整個預(yù)生產(chǎn)體系的縮影。隨著人工智能技術(shù)的引入，利用虛擬空間解決現(xiàn)實制造難題的流程已變得愈發(fā)精密。
在實體原型車尚未問世的數(shù)年前，通用汽車遍布全公司的員工就能登錄高度仿真的虛擬工廠（連微波爐都實現(xiàn)精準建模），并同步開展車輛研發(fā)工作。
通用汽車虛擬現(xiàn)實團隊負責人馬克斯·西科爾斯基（Max Sikorski）介紹道：“當我們在田納西州斯普林希爾工廠進行生產(chǎn)建設(shè)時，所有模擬程序都在這里運行。當?shù)貑T工無需額外配置模擬系統(tǒng)，他們擁有相同設(shè)備，隨時可以加入我們。他們彼此可見，實時交流，這是元宇宙的真實應(yīng)用。”
西科爾斯基領(lǐng)導(dǎo)的虛擬現(xiàn)實團隊駐扎在沃倫市的通用汽車全球工匠創(chuàng)新中心，這個占地萬平方英尺的虛擬現(xiàn)實裝配中心是全球規(guī)模最大的VR實驗室之一。各全球工匠團隊負責通用汽車的原型車制造、小批量生產(chǎn)、特別版車型研發(fā)及維修工作。
通用的虛擬現(xiàn)實項目于2022年啟動，但從今年起，通用汽車所有未來車型都將經(jīng)過VR測試流程。
今年以來，通用汽車已舉辦六場大型虛擬構(gòu)建活動，匯聚全球各廠區(qū)的制造員工在虛擬世界中開發(fā)技術(shù)，優(yōu)化預(yù)試產(chǎn)車輛的細節(jié)問題。
其核心目標是：提前數(shù)年優(yōu)化產(chǎn)品開發(fā)與制造流程，在短期內(nèi)識別問題，避免制作實體原型車、改造已建成的生產(chǎn)線或承擔工傷風險。這種措施為公司節(jié)約了可觀的時間與資金成本。
西科爾斯基表示：“今年我們未接觸任何實車就發(fā)現(xiàn)了494個問題。在我們這個領(lǐng)域，發(fā)現(xiàn)問題反而是好事——因為現(xiàn)在發(fā)現(xiàn)的問題，未來就不會再成為隱患。”
在近期探訪中，巨型黑色隔斷將倉庫分割，僅留出一片凈空區(qū)域：燈光與線纜環(huán)繞的影棚式平臺構(gòu)成了虛擬現(xiàn)實測試空間。西科爾斯基解釋道：“大部分區(qū)域需要隔離，因為這里進行的多數(shù)工作都屬于機密。我們處理的是比實體原型車還要提前數(shù)年的研發(fā)內(nèi)容。”
西科爾斯基透露，舞臺正前方幕布后隱藏著計劃于2028年投產(chǎn)的車型。他強調(diào)：“這不是理論設(shè)想。通用汽車不是在試點，而是在所有車型項目中全面推行這套系統(tǒng)。”
虛擬現(xiàn)實發(fā)展歷程
底特律三大汽車制造商探索虛擬現(xiàn)實技術(shù)已逾十年，始終隨技術(shù)演進更新流程，而最近將人工智能融入預(yù)生產(chǎn)模擬的舉措，為通用汽車帶來了更顯著的投資回報。
從今年起，西科爾斯基領(lǐng)導(dǎo)的十余位工程師與制造操作員團隊，將對所有未來車型進行虛擬裝配，同時監(jiān)測資深員工的身體負荷數(shù)據(jù)。
虛擬裝配檢查員德韋恩·卡斯韋爾（Dwaine Carswell）正是這樣的專家。作為全美汽車工人聯(lián)合會代表的員工，在通用汽車工廠擁有超過15年裝配經(jīng)驗的他滿足汽車制造商設(shè)定的嚴苛標準。
當他移動時，綁縛在身體的傳感器會通過追蹤系統(tǒng)在屏幕點亮虛擬分身。若使用的身體部位顯示紅色，意味著系統(tǒng)判定：若卡斯韋爾這樣的員工在生產(chǎn)線持續(xù)該動作，可能導(dǎo)致勞損或受傷。
相關(guān)數(shù)據(jù)源自西科爾斯基所說的“美國汽車工效學(xué)模型”。所述模型采用雙重標準——第95百分位男性體型與第50百分位女性體型數(shù)據(jù)。若工作對兩種模型都安全，意味著絕大多數(shù)員工能承受八小時輪班的動作強度。
西科爾斯基指出：“這對通用汽車有利，因為我們希望員工能靈活輪崗；對員工也有益。無論體型大小，都不會安排從事未經(jīng)體型適配驗證的工作。”
通用汽車目前使用Xsens動捕服，使卡斯韋爾的數(shù)字分身呈現(xiàn)為部分解構(gòu)的商場人體模型。但西科爾斯基透露，公司正考慮轉(zhuǎn)用電影制作領(lǐng)域的同類動捕服。
自項目啟動以來，西科爾斯基團隊已追蹤解決超50項人機工程學(xué)相關(guān)安全問題。他對比道：“很多公司也做VR模擬，但他們是等問題出現(xiàn)才行動。我們做的是探索性虛擬現(xiàn)實，在車輛投產(chǎn)數(shù)年前就構(gòu)建完整車輛模型，收集人類接觸所有環(huán)節(jié)的反饋。這需要巨大的時間和資金投入，但我們發(fā)現(xiàn)其回報價值無可估量。”
在參訪時，通用汽車全球預(yù)生產(chǎn)運營總監(jiān)卡斯滕·加爾貝（Karsten Garbe）走向虛擬現(xiàn)實工作站，對著某個巨大車間揮手示意：“這里曾經(jīng)擠滿了制作原型車的工人，而現(xiàn)在如各位所見，幾乎空無一人。”
當然，并非完全空置。
團隊建設(shè)
加爾貝估算，原本從事原型車制造的15名員工已轉(zhuǎn)崗至其他部門。憑借高水平技術(shù)經(jīng)驗，他們能輕松完成部門調(diào)轉(zhuǎn)，而這種從實體制造向虛擬制造的轉(zhuǎn)型為汽車制造商帶來顯著效益。據(jù)通用數(shù)據(jù)，制造單臺原型車成本可達10萬美元。
工匠中心擁有700名技術(shù)工人，均需完成四年學(xué)徒期或獲得高級認證。從經(jīng)銷商服務(wù)部門直接招聘是另一條人才渠道，員工需約一年培訓(xùn)才能勝任復(fù)雜車輛制造工作。
這正是他們成為公司虛擬現(xiàn)實項目理想人選的原因。加爾被表示：“比如當其他崗位需要人力時，他們能完全靈活調(diào)配。從教育背景看，他們適用于我們工廠所有制造和工程領(lǐng)域。這些專業(yè)人士能完成許多人工智能無法勝任的工作。”
西科爾斯基團隊多數(shù)成員來自通用內(nèi)部，部分是在新冠疫情期間響應(yīng)公司轉(zhuǎn)產(chǎn)防護裝備號召的志愿者。加爾貝同時負責協(xié)調(diào)韓國、巴西的預(yù)生產(chǎn)運營及中國合資企業(yè)業(yè)務(wù)，管理約2000名計時與受薪員工。
除制造團隊成員外，西科爾斯基團隊同時包含機械工程師、生物工程師和程序員。解決問題的心態(tài)與對技術(shù)的好奇心是主要錄用標準：“學(xué)校不教這些內(nèi)容，軟件和設(shè)備都太昂貴。我們只在通用內(nèi)部挖掘人才。我們可以培訓(xùn)車輛知識，但無法培養(yǎng)對技術(shù)的興趣。”
技術(shù)起源
西科爾斯基介紹，在每款車量產(chǎn)前，通用汽車曾制作數(shù)百臺原型車以確保制造方案能適配生產(chǎn)線。數(shù)十年來，這種試錯過程需要大量人力與物資支持。
他回憶道：“這不是最經(jīng)濟的方式，但當時別無選擇。直到2020年代末，虛擬現(xiàn)實技術(shù)終于發(fā)展到能讓我們在虛擬環(huán)境中用物理法則模擬真實造車。”
西科爾斯基所指是車輛部件在虛擬世界的反應(yīng)與現(xiàn)實世界完全一致。
在數(shù)字裝配廠中物體無法相互穿透，模擬工作的員工必須實際完成虛擬車輛內(nèi)部的零件安裝動作。他們使用的工具與實體工廠完全一致，虛擬現(xiàn)實中看到的車輛高度也與生產(chǎn)線完全吻合。當零件滑入定位時，用戶能感受到觸覺反饋提示音。
由于時間限制——工人需在45秒內(nèi)完成每個任務(wù)——某個需要14個動作而非兩三個動作安裝的零件，就可能增加生產(chǎn)線出錯風險。
這時卡斯韋爾的價值就凸顯出來。即便計算機判定某個動作理論上可行，他豐富的裝配經(jīng)驗?zāi)芘袛喑鰧嶋H操作中的不合理之處。
虛擬現(xiàn)實始于計算機輔助設(shè)計，而通用汽車自1990年代使用的3D模型能提供精確尺寸與角度。這些數(shù)據(jù)過去用于制作實體原型，現(xiàn)在則為程序員提供虛擬系統(tǒng)開發(fā)依據(jù)。
西科爾斯基表示：“這樣在計算機完成設(shè)計前，我們無需在實物上投入資金。”
AI應(yīng)用
即便團隊找到最理想的制造條件，都不意味著流程終結(jié)。制造的車輛同時必須便于維修，西科爾斯基團隊正加強與通用內(nèi)部服務(wù)專家的合作，讓他們就潛在維修難點提前發(fā)聲。
西科爾斯基舉例道：“組裝時的部件堆疊方式可能會影響拆卸難度。過去服務(wù)部門要等到設(shè)計完成才能介入。現(xiàn)在他們能協(xié)助我們設(shè)計更易維護的車輛，避免本該兩小時完成的維修工作花費16小時。”
團隊目前正運用人工智能優(yōu)化制造流程，挖掘公司百年造車數(shù)據(jù)，避免重復(fù)解決數(shù)十年前已攻克的問題。當虛擬現(xiàn)實團隊遇到可能增加制造成本或員工負荷的難題時，AI數(shù)據(jù)集能快速檢索通用歷史上類似案例及應(yīng)對方案。
他總結(jié)道：“沒有工程師能完全掌握45年前的技術(shù)細節(jié)，但AI可以。這樣我們就不必重新設(shè)計次優(yōu)方案。技術(shù)不是為了取代人力，而是讓工作更輕松、時間更高效。我們不會浪費數(shù)天時間去解決已有答案的問題。”
