厘米級復刻井下場景！數字孿生 + 具身智能重塑煤礦作業，三大應用場景落地見效

2025年12月23日 17:55 智能礦山雜志責編：戚金榮作者：智能礦山雜志

摘要

煤礦井下作業面環境復雜、安全風險高、傳統人工作業模式困境凸顯。聚焦于數字孿生與具身智能技術在煤礦井下輔助作業的深度融合應用，通過構建智能礦井數字孿生平臺，運用高效三維重建、多模態同步定位與建圖(SLAM)等技術，實現煤礦井下真實場景到虛擬空間的精準映射；借助數字孿生驅動的智能體操作訓練、巡檢導航訓練體系，讓具身智能體掌握復雜工況下的作業技能與自主決策能力。

文章來源：《智能礦山》2025年第11期“礦山機器人技術創新與實踐特刊”

第一作者：王圣霖，博士后，主要從事具身智能、數字孿生、工業場景智能化等方面的研究工作。Email： [email protected]

作者單位：鵬城實驗室

引用格式：王圣霖，劉凌波，趙子瑩.數字孿生驅動的具身智能及在煤礦輔助作業場景的應用展望[J].智能礦山，2025，6(11)：106-112.

點擊文末左下角閱讀原文，免費下載閱讀pdf全文

關注微信公眾號，了解更多礦山智能化建設進展

煤礦井下作業環境復雜，安全風險高，傳統人工作業模式面臨招工難、成本高等挑戰。雖然已有煤礦機器人在井下應用，但依然不能在危重崗位完全減人，部分工序仍需要人工參與，工人面臨吸入粉塵、負重作業等風險。

數字孿生通過構建物理世界的虛擬映射，實現設備狀態實時監控與故障預警；具身智能依托機器人技術，完成危險、重復任務的自主作業。兩者結合可形成虛實聯動、自主決策的智能系統，提升煤礦生產的安全性與效率。筆者結合最新行業實踐，探討該技術體系的應用現狀、關鍵技術及未來發展方向。

智能礦井數字孿生平臺構建

智能礦井數字孿生平臺整體框架（圖1）是實現數字孿生與具身智能融合應用的基礎，核心在于構建高精度、實時動態的虛擬鏡像，為后續具身智能設備的高效運行和礦井數字化管理提供可靠支撐。該平臺主要通過虛實映射、智能體訓練體系搭建以及數據交互協同機制的完善3大關鍵環節實現。

圖1 智能礦井數字孿生平臺整體框架

在虛實映射環節，三維重建與多模態SLAM技術的協同應用，精準還原煤礦井下復雜環境，為確保平臺具備強大的智能決策與動態響應能力，需同步完善數據交互協同機制，搭建數字孿生驅動的智能體訓練體系，形成完整的技術閉環。

礦井數字孿生平臺構建了虛實映射的雙重空間體系如圖2所示，在真實礦井端，完整復刻巷道布局，包括操作機器人、無人裝載平臺、巡檢機器人和環境監測傳感設備；在虛擬礦井端，通過三維建模、傳感器數據實時傳輸、物聯網協同等技術，構建與物理實體一一對應的高精度仿真環境，形成動態映射的數字孿生體。

圖2 礦井虛實映射的雙重空間體系

礦井數字孿生平臺基于虛實互映射和數據流共時互傳機制，利用多源異構數據融合算法，實現物理設備數據與虛擬模型的實時同步更新，具備設備狀態監測、故障預測及生產流程優化等功能，通過雙向數據交互與反饋控制，構建起物理世界與數字世界協同運行的智能決策系統，為礦井智能化作業提供可靠的技術支撐。

1.1 基于三維重建技術和多模態SLAM技術的虛實映射

礦井虛擬化過程通過搭載激光雷達、高清視覺相機、慣性導航模塊（IMU）的移動智能體平臺，對礦井巷道、采掘工作面等關鍵區域進行立體化數據采集。激光雷達以高密度采樣構建厘米級精度點云模型，高清相機融合點云數據捕捉礦井環境紋理細節，慣性導航系統實時記錄平臺運動軌跡。各傳感器數據經時間戳同步后，通過多模態SLAM算法在邊緣計算單元中完成實時地圖構建與位姿優化，將井下復雜環境從真實場景快速遷移至虛擬空間。

基于Fast-livo2的多傳感器融合三維重建框架（圖3）是一種基于激光雷達和慣性導航模塊（IMU）的緊耦合SLAM框架，核心優勢為通過因子圖優化，實現高精度定位與建圖。在煤礦井下應用中，將激光雷達獲取的點云數據與IMU提供的姿態信息深度融合，克服井下光照不足、環境特征單一等難題。利用基于圖優化的后端處理算法，Fast-livo2對前端構建的局部地圖進行全局優化，消除累計誤差，生成全局一致的高精度地圖，為后續具身智能設備的路徑規劃和作業任務提供精準的環境模型支持。

圖3 基于Fast-livo2的多傳感器融合三維重建框架

（1）多傳感器融合框架

Fast-livo2采用誤差狀態迭代卡爾曼濾波器（ESIKF）構建緊耦合框架，融合激光雷達與慣導數據。針對兩者維度差異，運用順序更新策略：首先利用激光雷達點云更新狀態獲取位姿初值，再用視覺圖像修正光照和紋理誤差，降低算法優化的計算復雜度，保證井下機器人建圖與導航的實時性。該方法摒棄傳統SLAM特征提取的處理模式，通過激光雷達直接配準原始點云和視覺模塊基于光度誤差對齊圖像，減少計算耗時，在弱紋理和低光照環境下表現出更優的魯棒性。

（2）統一的體素地圖管理

通過體素化處理激光雷達數據，并與視覺像素特征建立映射關系，構建兼具幾何精度和紋理細節的體素地圖，實現多視角彩色地圖的優化；根據視差和紋理梯度指標篩選高質量圖像塊作為對齊基準，并實時調整曝光參數，確保在復雜光照條件下的地圖構建精度。

（3）魯棒性增強設計

針對井下遮擋盲區導致關鍵區域數據缺失的問題，采用按需光線投射技術自動生成虛擬點云，補充三維信息，避免定位與建圖功能失效；利用激光雷達點云擬合平面特征，并將其作為視覺對齊的幾何約束，在仿射變換優化過程中引入平面先驗信息，提升井下平面區域視覺定位的準確性。

通過該方法構建的高精度虛擬模型，真實還原井下環境的幾何結構特征，通過圖像與點云映射的方式，將巷道壁面的裂縫等紋理信息完整呈現。基于多傳感器融合真實場景三維重建如圖4所示，在辦公室場景模擬巷道，對場景進行三維重建和高精度建圖。利用多傳感器融合的三維重建技術能夠將場景虛擬化，還原現實場景中的紋理。

圖4 基于多傳感器融合真實場景三維重建

隨著礦井挖掘，數字孿生平臺結合煤礦井下環境的動態變化特性，系統支持實時更新與修正地圖。當巷道出現掘進延伸或者設備布局調整等情況時，智能體可快速感知環境變化，自動更新地圖數據，保證虛擬模型與物理世界的高度一致性，為具身智能設備的精準作業筑牢環境感知根基。

1.2 數字孿生驅動的智能體操作訓練

基于數字孿生模型構建的虛擬訓練環境，深度復刻了煤礦井下復雜多變的真實作業場景。運用高精度三維建模技術，將巷道結構、設備布局、地質條件等要素，以1∶1的比例進行數字化映射，為具身智能體提供逼真的訓練空間。在訓練過程中，借助強化學習算法與模仿學習算法，智能體通過不斷試錯與學習，逐步掌握復雜工況下的作業技能。

噴漿作業是1項重要的井下作業項目，具有加固井壁和提高井巷抗滲性的作用。通過數字孿生技術將噴漿場景虛擬化，噴漿機器人可通過強化學習的方式在虛擬空間中不斷試錯，進行噴漿技能訓練來掌握噴漿技能。也可通過在虛擬空間中自動化生成大量多種模態數據和遙操作數據，通過多種模態數據，實現噴漿機器人對環境的準確感知結合遙操作數據，使噴漿機器人掌握對不同類型的噴涂區域的感知并調整噴涂方式的智能噴涂操作，噴涂機器人進行噴漿作業如圖5所示。

圖5 噴涂機器人進行噴漿作業

（1）基于數字孿生的具身智能強化學習

在實驗室環境下利用優傲機器人模擬井下噴漿作業情形。在噴漿機器人的強化學習訓練過程中，智能體從初始的隨機動作開始，在數字孿生模擬的噴漿場景中，根據不同巷道壁面條件、噴漿厚度要求等環境狀態，嘗試不同噴漿角度、壓力和移動速度，在實驗室模擬噴涂環境下的具身智能強化學習如圖6所示。

圖6 在實驗室模擬噴涂環境下的具身智能強化學習

噴漿機器人每執行1次動作后，系統依據噴涂厚度、覆蓋程度等設定的獎勵機制給予反饋，若噴漿均勻、符合厚度標準則獲得正向獎勵，反之則給予負向反饋。智能體通過不斷調整自身策略，逐步掌握在復雜工況下精準控制噴漿操作的技能，從生疏到熟練，最終實現高效、穩定的噴漿作業。

（2）基于多模態數據融合的具身智能模仿學習

在礦井數字孿生平臺的閉環訓練體系中，通過部署多種傳感器，實時采集工人噴涂作業時的三維空間軌跡、肢體運動姿態等多源異構數據，用于噴涂機器人的模仿學習訓練?；诙嗄B的專家數據采集與具身模仿學習如圖7所示。

圖7 基于多模態的專家數據采集與具身模仿學習

工人通過手持遙操數據采集設備進行數據采集，采集需要噴涂區域的數據、機器人噴涂軌跡以及工人操作機器人等多種數據，包含視覺圖像序列、空間坐標向量的多模態數據經過時空對齊、特征編碼處理后，構建為標準化的專家示范數據集。

借助模仿學習算法，噴漿機器人通過行為克隆、擴散模型等策略，精準復刻工人在復雜巷道壁面噴涂時的軌跡規劃、料漿流速控制、噴槍傾角調整等操作技巧，實現從感知輸入到動作輸出的端到端映射，解決傳統編程控制難以應對的非結構化作業場景適應性問題。智能化噴漿作業如圖8所示，機器人通過外部傳感設備識別待噴涂區域，隨后進行噴涂路徑規劃并開展噴涂作業。

圖8 智能化噴漿作業

1.3 數字孿生智能體巡檢導航訓練

（1）數據采集與生成

松林移動平臺通過模擬巷道場景利用多傳感器進行數據采集，搭載速騰激光雷達實現200 m距離感知，搭載融合慣導的D455相機采集礦井巷道紋理數據，搭載多傳感設備的松林移動平臺如圖9所示。

圖9 搭載多傳感設備的松林移動平臺

基于構建的數字孿生模型，自動生成大量帶有精確標注信息的虛擬訓練數據，包括不同光照條件、復雜障礙物分布、多樣化巷道結構等場景變化，此類虛擬數據與真實環境采集的數據相結合，形成豐富的訓練數據集，減少了人工數據采集和標注的工作量。

通過在虛擬環境中大量仿真訓練，導航算法學習到多種復雜場景下的最優路徑規劃策略，并通過真實數據微調適應實際井下環境的特殊性，提高具身智能模型在真實場景中的適應性和魯棒性，為井下自主導航奠定堅實的技術基礎。

（2）導航算法訓練

移動平臺導航分為基于鳥瞰圖（BEV）感知算法訓練與導航決策算法訓練2大核心模塊。BEV算法訓練采用海量煤礦井下點云數據與視覺圖像構建訓練集，通過Transformer結構將多視角圖像轉化為BEV表征，移動機器人實時感知巷道輪廓和障礙物等環境空間信息；導航決策算法基于深度強化學習框架，融合煤礦井下作業安全規范與動態環境約束，構建多目標優化函數（如路徑最短、避障優先級、能耗最低），在模擬巷道環境中進行仿真訓練，實現復雜工況下的自主路徑規劃與動態避障決策。

（3）多智能體聯合訓練

數字孿生平臺構建的虛擬仿真環境，建立多智能體間實時數據鏈共享機制，通過分布式強化學習算法，實現巡檢機器人異構智能體的協同訓練，提高訓練效率。在訓練過程中，系統基于礦井地理信息模型，對巷道結構、設備布局、風險點位等要素進行模擬，使智能體在復雜場景下不斷優化決策策略。當智能體完成訓練部署后，可根據預設任務指令與動態環境感知，自主規劃巡檢路徑，通過數據交互實現跨區域、跨層級的聯合巡檢作業，提高智能體自主化決策水平和巡檢效率。

數字孿生應用場景

2.1 智能巡檢與安全監測

巡檢機器人搭載多種傳感器與圖像識別系統，沿預設路徑對礦井巷道、設備表面進行全覆蓋巡檢，漏噴涂區域巡檢如圖10所示。通過成像技術，精準識別噴涂區域的色差、厚度等參數，實時標注漏噴涂區域，并利用三維建模技術生成噴涂質量熱力圖。對于噴涂厚度不足、表面不平整等質量缺陷區域，機器人自動標記定位，同步上傳檢測數據至數字孿生平臺，為后續補噴作業提供精確指導。搭載氣體傳感器和濕度傳感器等設備監測礦道環境，確保礦井生產安全。

圖10 漏噴涂區域巡檢

2.2 無人化作業

掘進機器人通過數字孿生模型規劃路徑，實現巷道自動掘進與支護，提升作業效率。智能鑿巖設備通過掃描生成巖壁“數字地圖”，以高精度完成鉆孔作業。在無人化作業場景中，掘進機器人根據數字孿生模型提供的巷道設計參數和地質信息，自動規劃掘進路徑，控制掘進速度和方向。利用傳感器實時監測掘進過程中的各項數據，動態調整掘進策略，確保作業質量和效率，減少人工干預，降低勞動強度和安全風險。

2.3 物資智能運輸與倉儲管理

井下物資運輸路線長、環節多，傳統運輸方式效率低且易出錯。利用數字孿生技術構建井下物資運輸與倉儲的虛擬模型，實時監控物資位置、數量及倉儲環境。具身智能輸送機器人可根據生產需求和數字孿生系統的調度指令，自動規劃最優運輸路線，將物資精準運輸至指定地點。在倉儲環節，智能機器人能對物資進行自動盤點、分類存放，通過圖像識別和物聯網技術，實時更新物資庫存信息，實現物資高效管理，降低人工搬運成本和物資管理誤差。

結語

數字孿生與具身智能技術的融合，為煤礦井下輔助作業帶來了智能化提升。通過構建智能礦井數字孿生平臺，運用三維重建、多模態SLAM等關鍵技術實現虛實映射，結合數字孿生驅動的智能體操作與巡檢導航訓練，形成了完整的技術體系。在實際應用中，智能巡檢與安全監測、無人化作業、物資智能運輸與倉儲管理等場景，充分展現出該技術在提升煤礦安全生產水平、作業效率及資源利用率方面的巨大潛力。

#數字孿生 #具身智能 #SLAM #智能巡檢 #智能運輸 #智能倉儲管理 #無人化作業

編輯丨李莎

審核丨趙瑞

煤炭科學研究總院期刊出版公司擁有科技期刊21種。其中，SCI收錄1種，Ei收錄5種、CSCD收錄6種、Scopus收錄8種、中文核心期刊9種、中國科技核心期刊11種、中國科技期刊卓越行動計劃入選期刊4種，是煤炭行業最重要的科技窗口與學術交流陣地，也是行業最大最權威的期刊集群。

期刊簡介

《智能礦山》（月刊，CN 10-1709/TN，ISSN 2096-9139）是由中國煤炭科工集團有限公司主管、煤炭科學研究總院有限公司主辦的聚焦礦山智能化領域產學研用新進展的綜合性技術刊物。

主編：王國法院士

刊載欄目：企業/團隊/人物專訪政策解讀視角·觀點智能示范礦井對話革新·改造學術園地、專題報道等。

投稿網址：www.chinamai.org.cn（期刊中心-作者投稿）

?? 征稿函詳見鏈接： 征稿┃《智能礦山》面向廣大讀者征稿，歡迎投稿

期刊成果：創刊5年來，策劃出版了“中國煤科煤礦智能化成果”“陜煤集團智能化建設成果”“聚焦煤炭工業‘十四五’高質量發展”等特刊/專題30多期。主辦“煤礦智能化重大進展發布會”“煤炭清潔高效利用先進成果發布會”“《智能礦山》理事、特約編輯年會暨智能化建設論壇”“智能礦山零距離”“礦山智能化建設運維與技術創新高新研修班”等活動20余次。組建了理事會、特約編輯團隊、卓越人物等千余人產學研用高端協同辦刊團隊，打造了“刊-網-號-群-庫”全覆蓋的1+N全媒體傳播平臺，全方位發布礦山智能化領域新技術、新產品、新經驗。

?? 具體詳見鏈接：《智能礦山》創刊5周年回顧

聯系人：李編輯 010-87986441

郵發代號：82-476

?? 期刊訂閱詳見鏈接：歡迎訂閱┃《智能礦山》雜志2026年訂閱開始了！

往期薦讀