Gemelos digitales: de la industria a la ciencia

Introducción

Antes de fabricar una máquina, operar un sistema energético o incluso tomar determinadas decisiones sobre nuestro planeta, ¿y si pudiéramos comprobar primero qué ocurriría en una réplica digital capaz de comportarse de forma similar al sistema real?

Esta posibilidad lleva años utilizándose en ingeniería, pero está alcanzando una escala muy diferente. Hoy existen gemelos digitales de fábricas, motores, robots e infraestructuras y, al mismo tiempo, proyectos como Destination Earth están llevando este concepto a una escala completamente distinta: la creación de réplicas digitales de sistemas terrestres para apoyar la investigación y la toma de decisiones.

La evolución resulta significativa. Una tecnología concebida para comprender mejor el comportamiento de sistemas industriales está encontrando aplicaciones en medicina, robótica, investigación climática y exploración espacial. Y detrás de todas ellas existe una misma idea: experimentar primero sobre una representación digital suficientemente fiel puede permitir anticipar comportamientos, evaluar escenarios y reducir el coste y el riesgo de hacerlo directamente sobre el sistema físico.

Pero para conseguirlo no basta con construir un buen modelo 3D. Un verdadero gemelo digital necesita algo bastante más complejo.

¿Qué es realmente un gemelo digital?

Un gemelo digital o digital twin en inglés, es una representación virtual de un objeto, proceso o sistema físico que utiliza modelos y datos para reproducir su comportamiento y evolucionar junto a él. La diferencia fundamental respecto a una simulación convencional está precisamente en esa conexión con la realidad.

Una simulación puede representar cómo debería comportarse un sistema bajo determinadas condiciones. Un gemelo digital aspira, además, a incorporar información procedente de su equivalente físico, como sensores, condiciones de funcionamiento o resultados experimentales, para actualizar su estado y mejorar progresivamente la correspondencia entre ambos mundos. Esta relación puede ser bidireccional, permitiendo utilizar el modelo para evaluar decisiones antes de aplicarlas sobre el sistema real. Esta concepción dinámica y conectada es también la que se utiliza en la literatura científica sobre gemelos digitales en ámbitos como la medicina.

Su arquitectura suele combinar tres elementos. Por un lado está el sistema físico, desde un actuador hasta una infraestructura completa. Por otro, su representación digital, construida mediante modelos físicos, matemáticos o basados en datos. Entre ambos existe una capa de información que mantiene conectados los dos estados.

Cuanto mayor es la fidelidad de esa relación, mayor es también el potencial del gemelo. Ya no se limita a visualizar lo que está ocurriendo, sino que puede utilizarse para preguntarse qué ocurrirá después o qué sucedería si modificamos determinadas condiciones.

Ahí reside buena parte de su valor.

De observar el presente a experimentar con el futuro

Una de las aplicaciones más consolidadas de los gemelos digitales se encuentra en la industria. Sensores instalados en maquinaria permiten alimentar modelos capaces de seguir variables como temperatura, vibración, consumo energético o desgaste. Al comparar el comportamiento esperado con el observado, es posible detectar anomalías y anticipar determinados fallos antes de que provoquen una parada.

Sin embargo, el concepto ha evolucionado mucho más allá del mantenimiento predictivo.

Durante el diseño de un sistema, un gemelo digital permite explorar configuraciones diferentes antes de fabricar componentes físicos. Una vez construido, puede utilizarse para optimizar su funcionamiento. Y durante su vida útil, los datos obtenidos del sistema real pueden retroalimentar el modelo para mejorar progresivamente su capacidad predictiva.

El resultado es un ciclo continuo entre diseño, simulación, experimentación y operación. En lugar de esperar a construir un prototipo para descubrir sus limitaciones, parte de ese aprendizaje puede trasladarse al entorno virtual.

Esta idea tiene antecedentes especialmente interesantes en la historia de la exploración espacial. Tras el accidente del Apollo 13, NASA utilizó simuladores y modelos del vehículo para reproducir las condiciones de la nave dañada y probar desde Tierra posibles soluciones antes de trasladarlas a los astronautas. La propia NASA identifica este tipo de aproximaciones como uno de los antecedentes conceptuales de los actuales gemelos digitales.

Más de medio siglo después, el principio sigue siendo reconocible: utilizar una representación suficientemente fiel del sistema físico para experimentar allí donde hacerlo sobre el objeto real sería demasiado caro, lento, peligroso o directamente imposible.

Cuando el gemelo digital entra en el laboratorio

Lo verdaderamente interesante es que esta lógica está trascendiendo el entorno industrial. Los gemelos digitales empiezan a utilizarse como instrumentos científicos para estudiar sistemas cuya complejidad hace difícil experimentar directamente sobre ellos.

Uno de los ejemplos más ambiciosos es Destination Earth (DestinE). La iniciativa europea está desarrollando gemelos digitales de alta precisión del sistema terrestre combinando observaciones en tiempo real, modelos predictivos de alta resolución, inteligencia artificial y computación de alto rendimiento. Entre sus primeras aplicaciones se encuentran la adaptación al cambio climático y la simulación de fenómenos meteorológicos extremos.

La escala del proyecto ayuda a entender hasta dónde puede llegar el concepto. No se trata de reproducir una máquina, sino de representar interacciones entre atmósfera, océanos, superficie terrestre y actividad humana para explorar escenarios que ayuden a tomar decisiones antes de que determinados acontecimientos ocurran.

La biomedicina plantea un reto todavía diferente. La investigación trabaja en modelos capaces de representar órganos, procesos fisiológicos o incluso características particulares de un paciente. El objetivo a largo plazo sería utilizar estas réplicas para simular la evolución de una enfermedad o anticipar la respuesta a una intervención antes de aplicarla. Sin embargo, la variabilidad biológica, la disponibilidad de datos y la necesidad de validar rigurosamente los modelos hacen que este campo sea considerablemente más complejo que muchas aplicaciones industriales. Una revisión publicada recientemente subraya que la credibilidad y validación de estos modelos será fundamental para trasladarlos de la investigación básica y preclínica hacia aplicaciones biomédicas más amplias.

Los gemelos digitales están pasando así de representar objetos relativamente definidos a intentar reproducir sistemas complejos, dinámicos y multiescala.

El ingrediente invisible: datos, física e inteligencia artificial

Un gemelo digital es tan útil como lo sea el modelo que contiene y los datos que lo alimentan.

Los sensores permiten conocer el estado del sistema físico. Los modelos matemáticos describen las relaciones entre sus variables. La simulación reproduce su evolución y, cada vez con mayor frecuencia, la inteligencia artificial ayuda a identificar patrones difíciles de capturar mediante modelos exclusivamente deterministas.

La combinación de estas aproximaciones está dando lugar a gemelos híbridos. Un modelo basado en las leyes de la física puede proporcionar coherencia y capacidad de interpretación, mientras que los métodos de aprendizaje automático pueden capturar comportamientos difíciles de modelizar o corregir diferencias entre la simulación y la realidad.

Pero aumentar la complejidad no garantiza automáticamente un mejor gemelo digital. Para que sus predicciones sean útiles es necesario comprobar continuamente hasta qué punto representan el comportamiento real del sistema. La verificación, validación y cuantificación de la incertidumbre son, por tanto, cuestiones centrales.

Esto adquiere especial importancia cuando el gemelo deja de utilizarse para optimizar una máquina y comienza a informar decisiones relacionadas con salud, infraestructuras críticas o fenómenos ambientales. En esos escenarios, saber cuánto podemos confiar en una predicción es casi tan importante como la propia predicción.

Robótica: cerrar la distancia entre simulación y realidad

La robótica constituye uno de los terrenos donde esta tecnología está mostrando un potencial especialmente interesante.

Entrenar un robot directamente sobre hardware físico tiene limitaciones evidentes. Las pruebas requieren tiempo, producen desgaste y pueden provocar daños cuando se experimenta con movimientos, controladores o estrategias todavía inmaduras. La simulación permite multiplicar el número de experimentos, pero introduce otro problema bien conocido: el sim-to-real gap, la diferencia entre cómo se comporta el robot en el entorno virtual y cómo responde cuando ese mismo control se traslada al hardware.

Los gemelos digitales buscan reducir precisamente esa distancia.

Para conseguirlo, el modelo debe reproducir aspectos que una simulación simplificada puede ignorar, como la fricción, saturaciones, límites de corriente y par, dinámica de transmisiones, comportamiento de los sensores o funcionamiento de los controladores internos.

Cuanto más fiel sea esa representación, mayor será la posibilidad de diseñar, entrenar y validar estrategias en simulación antes de trasladarlas al robot físico. Una revisión científica reciente sobre brazos robóticos y aprendizaje por refuerzo identifica precisamente los gemelos digitales como una de las tecnologías capaces de mejorar la conexión entre entrenamiento virtual y manipulación real.

AUGUR: Gemelos digitales en PULSAR HRI

Esta búsqueda de una simulación capaz de anticipar con mayor precisión el comportamiento del hardware está en el centro del trabajo de PULSAR HRI, unidad tecnológica de ARQUIMEA especializada en tecnologías para robótica avanzada.

Su ecosistema AUGUR parte de un gemelo digital a nivel de actuador diseñado para reproducir las características electromecánicas de los actuadores PULSE. El modelo incorpora aspectos como la física del motor, la fricción y dinámica de la transmisión, los límites de corriente y par, los bucles de control integrados y el ruido de los sensores.

La diferencia puede medirse. En ensayos realizados con el actuador PULSE115, AUGUR reprodujo la dinámica de posición y par con errores aproximadamente un orden de magnitud inferiores a los obtenidos mediante un modelo simplificado. Y cuando el sistema se escaló a un brazo humanoide virtual de cuatro actuadores, una secuencia de movimiento de 41 segundos pudo simularse en algo más de 6 segundos en un ordenador portátil convencional, manteniendo el modelado detallado de la dinámica de los actuadores.

Esta capacidad permite probar controladores, trayectorias y configuraciones antes de llevarlas al hardware. En el desarrollo del brazo robótico PULSE, el modelo virtual se utiliza además para evaluar masas, espacio de trabajo, cargas útiles, consumo de potencia, optimización estructural y métricas estandarizadas de precisión y seguimiento. En determinadas configuraciones se analizaron 36 posiciones estáticas diferentes y cargas de hasta 3 kg antes de completar la optimización física del sistema.

El resultado ilustra bien la evolución del concepto de Digital Twin. Ya no se trata únicamente de crear una réplica digital que muestre cómo es un sistema, sino de disponer de un entorno en el que diseñar, experimentar, validar y anticipar cómo se comportará antes de construirlo o modificarlo físicamente.

Desde una fábrica hasta un robot, un organismo o incluso el planeta, la escala puede cambiar radicalmente, pero la lógica permanece. Cuando el modelo digital mantiene una relación suficientemente estrecha con la realidad, deja de ser simplemente una representación y se convierte en una nueva herramienta para investigar.

Y quizá sea ahí donde reside el verdadero potencial de los gemelos digitales: no en copiar el mundo físico, sino en permitirnos experimentar con él antes de intervenir sobre la realidad.