★中国石油昆仑数智科技有限责任公司宋子平

★中国石油国际勘探开发有限公司刘奇

★中国石油大学（华东）张书锏

★中国石油昆仑数智科技有限责任公司周致远，周雨欣

★中国石油大学（华东）田萍骕

关键词：具身智能；多模态仿真；石油化工；虚拟训练

1　概述

石油石化行业作为典型的高危工业环境，其场站作业面临着复杂地形、危险化学品和极端工况等多重挑战^[1,2]。具身智能机器人因其自主作业能力和环境适应性，在该领域展现出巨大的应用潜力^[3]，可用于设备巡检、应急处理等关键任务，对提升作业安全性和运营效率具有重要意义^[4]。然而，真实工业场景测试存在数据获取困难、成本高昂且安全风险大等问题，特别是可用于算法训练的真实作业数据极为匮乏^[5]。这一核心困境严重制约了机器人技术的研发进程。

当前虚拟仿真技术在工业机器人验证领域仍面临显著挑战^[6,7]。一方面，现有仿真系统对复杂工业场景的物理特性模拟精度不足；另一方面，多模态传感器数据的仿真真实性有待提升。这些问题导致仿真环境与真实作业场景存在明显差异，难以有效支持机器人算法的开发与验证^[8]。

针对上述问题，本研究基于虚幻引擎构建了一套高保真的油气场站具身智能机器人多模态仿真训练系统。其通过物理引擎精确模拟工业设备的动力学特性，利用天气系统复现复杂环境条件，并集成多模态传感器仿真模块。本研究重点解决了虚拟环境中机器人-环境交互的真实性难题，为自主导航、精准操作等核心功能提供了可靠的验证手段。这一技术路线不仅降低了研发成本和安全风险，更为具身智能机器人在高危工业环境中的应用提供了重要的技术支撑。

2　虚拟仿真环境构建与技术实现

虚拟油气场站基于虚幻引擎构建，高度还原了真实工厂的道路、管线、阀门、仪表和罐区等关键元素，并具备符合实际运转逻辑的细节处理。场景通过精细的材质、交互式蓝图和粒子系统等技术，实现了逼真的视觉效果和动态的交互功能，如可控制阀门的开关、仪表指针的动态变化以及模拟油迹流淌等，为机器人训练和仿真提供了沉浸式环境。

2.1　虚拟场景建模

如图1所示，虚拟场景中构建了包括主干道和次干道的道路系统，路面材质采用高分辨率沥青贴图，并结合法线与细节贴图呈现裂纹和轻微油污痕迹。如图2所示，管线按介质类型（如原油蒸汽、冷却水、化学试剂）进行颜色区分，并标注管径。弯头、三通处装有软连接和补偿器模型，部分管线覆盖保温层，并在节点处放置了温度传感器和介质流向标识。阀门采用闸阀和球阀，外壳材质为锻钢或铸铁，手轮与杠杆可通过交互蓝图进行旋转控制，并同步驱动“开-关”动画，如图3所示。仪表台集中布置在管线旁边，包括圆盘式压力表、数字温度计、流量计和液位计，其物理指针与数字读数可动态联动蓝图变量。罐区包含多座圆柱形储油罐和球形储气罐，配有防滑平台、护栏和爬梯，并可利用粒子系统模拟泄漏点油迹流淌效果，如图4所示。此外，场景还包含了控制室、办公楼、配电间、围栏、警示标志、消防栓和灭火器等生产安全设施。

图1虚拟油气场站效果示意图

图2管线示意图

图3阀门示意图

图4仪表示意图

2.2　虚拟仿真技术实现

场景构建首先通过Unreal Engine Datasmith工具导入工程设计的CAD/BIM模型，并可使用Nanite虚拟几何技术处理高多边形模型以保持高帧率。为确保实时渲染性能和流畅交互，采用了多层次细节（LOD）来简化远距离模型的面数。对于重复出现的构件，则通过实例化技术进行渲染，以降低DrawCall数量和内存开销。交互性方面，如图5所示，场景利用虚幻引擎UE5的蓝图可视化脚本系统实现，通过在关键位置放置触发器来检测事件，并利用蓝图事件播放阀门开启等部件的动画。用户界面（UI）则使用UMG UI系统，可创建如设备控制面板和仪表读数等交互式界面。

图5交互控制逻辑示意图

该虚拟仿真环境通过利用虚幻引擎的强大能力，展现了显著的优势与价值。其核心在于创建了一个高度逼真且具备动态交互性的虚拟油气场站，不仅精细还原了道路、管线、阀门等物理元素，更通过蓝图脚本、粒子系统及性能优化技术，使其运转逻辑符合真实工厂。这一环境的核心价值在于它能够为机器人训练和仿真提供一个安全、可控且沉浸式的训练平台，极大地降低了在现实环境中进行测试与训练的成本和风险，为工业领域的应用提供了坚实的技术基础。

3　虚拟环境模拟

3.1　虚拟传感器模拟

在虚拟仿真环境中，传感器模拟是实现机器人功能验证和算法训练的关键环节。基于虚幻引擎的强大功能，可以通过其内置组件和脚本系统模拟多种传感器，为机器人提供接近真实的数据支持。

（1）RGB摄像头模拟

虚幻引擎UE5的Scene Capture2D组件能够模拟彩色摄像头的功能。通过将Scene Capture2D组件安装在机器人模型的视野位置，并设置分辨率、视场角（FOV）等参数，可以实时捕获虚拟环境的彩色画面。捕获的画面以Render Target纹理形式存储，并通过ROS（机器人操作系统）桥接技术转换为图像数据流，供机器人视觉算法处理。此外，多目相机或全景相机的模拟可通过多个Scene Capture组件组合实现，以满足不同应用场景的需求。

（2）深度摄像头模拟

深度信息的获取依赖于SceneCapture组件的SceneDepth模式。该模式能够生成场景的深度图，记录每个像素到摄像头的距离。通过算法将深度图转换为线性距离值，并结合RGB图像生成三维点云数据，可用于机器人的避障和测距算法测试。为提高效率，可优化采样频率和分辨率，确保数据生成与真实传感器一致。

（3）红外相机模拟

红外相机的模拟需要根据物体的温度参数生成热成像效果。在虚幻引擎中，可以通过自定义材质和Stencil通道为场景物体分配“温度”属性，并利用SceneCapture组件渲染伪彩色热图。高温区域可通过材质的自发光通道增强显示，同时叠加噪声和模糊效果以模拟真实红外传感器的低分辨率特性。生成的热成像数据可通过ROS发布，用于机器人热源检测等任务。

（4）激光雷达（LiDAR）模拟

LiDAR的模拟基于射线检测技术。该技术通过在虚拟环境中发射多束射线并记录碰撞点的位置和距离，可以生成类似真实LiDAR的点云数据。对于多线LiDAR（如16线或32线），需在垂直方向上分层发射射线，模拟不同角度的扫描。生成的点云数据可通过ROS的PointCloud2消息发布，用于测试SLAM（同步定位与建图）和路径规划算法。为提高性能，可采用分帧扫描或深度缓冲优化技术，减少实时计算的开销。

（5）IMU与GNSS模拟

惯性测量单元（IMU）的数据可通过读取机器人Actor的运动状态生成，包括线加速度和角速度。通过叠加噪声和漂移模型，可以模拟真实IMU的测量误差。全球导航卫星系统（GNSS）的模拟则依赖于虚幻引擎的地理参考插件，将虚拟场景的坐标转换为真实世界的经纬度信息，并加入随机误差模拟GPS漂移。这些数据通过ROS消息发布，为机器人的定位和导航提供支持。

3.2　物理与气候模拟

为了实现高度真实的虚拟环境，虚幻引擎的物理引擎和天气系统被用于模拟复杂的物理行为和气候条件，从而为机器人训练提供多样化的测试场景。

（1）昼夜循环与天空环境

通过虚幻引擎的Sky Atmosphere组件和动态光源系统，可以实现逼真的昼夜循环。Directional Light组件模拟太阳光源，其高度角变化驱动天空颜色和光照强度的动态调整。夜晚模式下，月光和人工照明（如泛光灯）通过矩形光源和点光源模拟，结合Lumen全局光照技术实现真实的光影效果。SkyLight组件则用于捕获天空的漫射光，确保环境光的自然过渡。

（2）天气系统模拟

虚幻引擎的Niagara粒子系统和后处理效果能够模拟多种天气条件。如图6所示，降雨通过粒子发射器生成雨滴并配合碰撞检测实现溅水效果，同时利用后处理卷增强地面湿润反光；降雪则以低速飘落的雪花粒子配合材质切换模拟积雪覆盖，并调整环境光照为柔和漫反射以呈现阴天氛围；而雾与沙尘天气则通过指数高度雾模拟大气雾霾，并通过调整雾的颜色密度及Niagara粒子表现动态扬尘效果，从而全面还原复杂气象环境。

图6天气系统架构示意图

（3）物理引擎与刚体模拟

虚幻引擎的Chaos物理引擎通过多种方式为虚拟环境提供了真实的物理交互。如图7所示，刚体运动通过开启SimulatePhysics选项使静态网格物体能够模拟重力、碰撞和反弹效果，适用于工具掉落或设备碰撞等场景；关节约束则利用PhysicsConstraint组件模拟机械臂和阀门的运动，通过设置铰链或线性关节实现旋转和平移运动，并可结合驱动马达模拟电机控制；对于流体与布料效果，液压系统和流体行为采用刚体关节和动画进行近似模拟，而布料动态（如旗帜飘动）则通过ChaosCloth系统实现，在保证性能的同时兼顾物理真实性。

图7物理模拟架构图

通过上述技术，虚拟环境能够高度还原真实世界的物理和气候条件，为机器人的功能验证提供了丰富且可靠的测试场景。这种虚实结合的仿真方法不仅提高了训练效率，还为复杂环境下的机器人行为优化奠定了坚实基础。

4　结论与展望

油气场站多模态仿真训练系统为具身智能机器人在石油石化环境中的应用提供了高效可靠的测试平台。通过虚幻引擎构建的高保真虚拟场景，结合真实场站测试，不仅显著降低了测试成本和安全风险，还实现了对机器人导航、感知和操作能力的全面验证。虚拟传感器和物理引擎的协同应用，为算法迭代提供了丰富的数据支持，有效提升了机器人在复杂工业环境中的适应性和可靠性。

未来研究将着重提升虚拟仿真的真实性和智能化水平。一方面需要优化物理模型和传感器模拟精度，特别是流体动力学和热成像等专业领域的仿真效果；另一方面将探索数字孪生和AI技术在场景生成与故障模拟中的应用，以支持更复杂的工业作业任务。随着技术的不断完善，虚拟仿真的验证方法有望成为工业机器人研发的标准流程，推动智能机器人在高危环境中的规模化应用。

作者简介：

宋子平（1998-），女，初级工程师，硕士，现就职于昆仑数智科技有限责任公司，主要从事油气物联网咨询顾问工作。

刘　奇（1993-），男，工程师，硕士，现就职于中国石油国际勘探开发有限公司，主要从事油田IT系统维护、数据管理方面的工作。

张书锏（2001-），男，硕士，现就读于中国石油大学（华东），研究方向为显著性目标检测。

周致远（2003-），男，学士，现就职于昆仑数智科技有限责任公司，主要从事算法研发工作。

周雨欣（2000-），女，硕士，现就职于昆仑数智科技有限责任公司，主要从事油气物联网领域产品管理工作。

田萍骕（2002-），女，硕士，现就读于中国石油大学（华东），研究方向为药物与靶标结合亲和力的预测。

参考文献：

[1]陈敬敬,张超.石油化工企业安全生产现状分析及IT技术应用[J].化工管理,2020,(16):98-99.

[2]李涛,李兢.石油化工企业安全生产技术现状与对策研究[J].石化技术,2023,30(03):200-202.

[3]李志海,黄思瑜,黄雪怡,等.视频监控与识别技术和智能巡检机器人技术在石化领域的应用[J].石油炼制与化工,2025,56(01):24-29.

[4]崔登祺,李梦玮,赵郑斌,等.工业机器人安全性问题分析研究[J].工业控制计算机,2022,35(12):99-100+104.

[5] 袁依格,何卓丰,李威,等.具身智能驱动的智能制造应用发展研究[J].中国工程科学,2025,27(03):67-82.

[6]许郢.虚拟仿真技术在工业机器人智能制造中的应用[J].电气传动自动化,2023,45(04):50-53.

[7]薛洋洋,安燕霞.虚拟仿真技术在工业机器人课程中的应用[J].数字通信世界,2025,(07):140-142.

[8]郝雅萍.基于计算机仿真技术的发展及其应用[J].电子技术与软件工程,2018,(20):125.

摘自《自动化博览》2025年9月刊