Cyfrowy bliźniak (digital twin) to wierna wirtualna kopia fizycznego obiektu — w tym przypadku robota, jego stanowiska lub całego magazynu — w której działa realistyczna fizyka. To nie tylko model 3D do oglądania; bliźniak ma odpowiednie masy, tarcie, właściwości silników i czujników, dzięki czemu można w nim sensownie testować zachowania, które w rzeczywistości zachodziłyby na prawdziwej maszynie. W idealnym przypadku bliźniak jest połączony z rzeczywistym robotem i odzwierciedla jego bieżący stan.
Dla humanoidów cyfrowy bliźniak jest praktycznie niezbędny. Pozwala bezpiecznie wypróbować nowe ruchy, algorytmy sterowania lub układ stanowiska pracy, zanim narazi się na ryzyko uszkodzenia drogiego sprzętu lub zagrożenia bezpieczeństwa ludzi. Jest też podstawą treningu sim-to-real: polityki chodzenia i manipulacji uczy się na bliźniaku za pomocą uczenia przez wzmacnianie, a dopiero gotowe ładuje na prawdziwego robota. Podobnie na bliźniaku dopracowuje się sterowanie całym ciałem.
Drugim dużym zastosowaniem jest generowanie danych syntetycznych. Gdy danych manipulacyjnych z rzeczywistości jest mało, można je wyprodukować w cyfrowym bliźniaku na dużą skalę — robot „zbiera” tysiące wariantów zadania wirtualnie. NVIDIA zbudowała wokół tej idei cały ekosystem Omniverse i Isaac, w którym cyfrowy bliźniak służy jako fabryka danych treningowych i jako środowisko testowe.
Cyfrowy bliźniak jest pokrewny, ale nie tożsamy z modelem świata: bliźniak jest zazwyczaj ręcznie zbudowanym, jawnym symulatorem konkretnego środowiska, natomiast model świata robot często uczy się sam z danych. W praktyce oba podejścia uzupełniają się wzajemnie. Ograniczeniem bliźniaka pozostaje reality gap — nawet najlepsza symulacja tylko przybliża się do rzeczywistości, nigdy nie odwzorowuje jej idealnie.