機(jī)器之心專欄
最近一段時(shí)間，數(shù)字人、元宇宙（metaverse）、云游戲等新概念變得異常炙手可熱。很多圈外人士對(duì)此興奮不已，覺得科幻電影中的場(chǎng)景馬上就要實(shí)現(xiàn)了?？珊苌儆腥藭?huì)指出，在通往虛擬未來的道路上其實(shí)還有一塊絆腳石：實(shí)時(shí)物理模擬。本文為王華民教授結(jié)合自己的研究對(duì)實(shí)時(shí)物理模擬的一些看法。
過去
加勒比海盜：世界盡頭（2007）中的漩渦效果，由 ILM 的 Frank Lossaso-Petterson 利用斯坦福大學(xué)的 PhysBAM 物理模擬引擎完成。Frank 與本文作者是斯坦福的同研究組同學(xué)。
從技術(shù)上講，物理模擬可以劃分為流體模擬和形變體模擬兩大類。這樣的劃分不太嚴(yán)格，但形變體模擬，包括彈性體模擬、布料模擬、頭發(fā)模擬等等，有很多的共同之處。這與流體模擬是不太一樣的。這與流體模擬有很大不同。
與流體相比，形變體更加常見，應(yīng)用的范圍也更加廣闊。讀博期間（2004 年 - 2009 年），我主要研究的是流體。畢業(yè)以后，我逐漸意識(shí)到形變體的重要性，改為研究形變體。
早期的實(shí)時(shí)物理模擬技術(shù)非常簡(jiǎn)陋。很多時(shí)候需要犧牲模擬質(zhì)量或者物理正確性。
回過頭來看，Projective Dynamics (SIGGRAPH 2014) 是一篇非常重要的論文。它的重要性不在于提出的技術(shù)本身，而在于讓很多人意識(shí)到物理模擬與非線性優(yōu)化之間的相關(guān)性。從此大家的思路被打開了。
以此出發(fā)，包括我們?cè)趦?nèi)的各個(gè)研究團(tuán)隊(duì)不斷提升形變體模擬的效率，使得新一代的物理模擬引擎越來越快。
值得一提的是，我們團(tuán)隊(duì)主要研究 GPU 上的物理模擬。和 CPU 相比，GPU 的并行能力更加出眾。我們的模擬引擎的表現(xiàn)也更加出眾。
現(xiàn)在
時(shí)至今日，我覺得高質(zhì)量的實(shí)時(shí)形變體模擬已經(jīng)部分可行了。
PBD 的缺點(diǎn)也很明顯。當(dāng)模擬需要的網(wǎng)格規(guī)模變大（比如超過 1024 個(gè)頂點(diǎn)），PBD 的效率就不再那么優(yōu)秀了。
倘若我們把硬件資源的限制放寬些，允許模擬引擎可以完全使用最新的 GPU，那現(xiàn)狀還是比較樂觀的。
比如，我們 2016 年的工作，已經(jīng)能在 GeForce GTX TITAN X 上實(shí)時(shí)模擬近 6 萬個(gè)四面體網(wǎng)格的超彈性效果 (hyperelasticity)。
一條被拉得扭曲的龍。
而今年（2021）我們?cè)?SIGGRAPH 上展示的工作，更是能夠在 2080Ti 上實(shí)時(shí)模擬一件有著 11 萬個(gè)三角形的襯衫。
形變體模擬的開發(fā)主要有兩個(gè)技術(shù)門檻：運(yùn)動(dòng)求解（dynamics solver）與碰撞處理（collision handling）。在人體組織、肌肉等需要四面體網(wǎng)格模擬的場(chǎng)景中，運(yùn)動(dòng)求解通常是計(jì)算開銷的主要來源。而對(duì)于服裝、頭發(fā)等模擬而言，碰撞處理尤為重要。
如何安全、穩(wěn)定、高效地處理自碰撞，是所有形變體模擬引擎繞不開的問題。
未來
在不久的將來，GPU 毫無疑問會(huì)越來越快。
但我們不能單純把實(shí)時(shí)模擬寄希望于硬件的提升上。過去，實(shí)時(shí)模擬技術(shù)的發(fā)展同時(shí)依賴于硬件的提升與算法的支持。未來，我們同樣需要開發(fā)更高效、更匹配硬件的模擬算法，來實(shí)現(xiàn)更高質(zhì)量的物理模擬。
我覺得，多重網(wǎng)格（multigrid）
多 GPU 并行
等等，都會(huì)是值得研究的方向。
事實(shí)上，我最近在 SIGGRAPH 2021 發(fā)表的工作，已經(jīng)可以以一秒一幀的效率模擬一千萬個(gè)三角形的服裝了。
作者簡(jiǎn)介：王華民，俄亥俄州立大學(xué)終身教授，四屆 SIGGRAPH 技術(shù)論文委員會(huì)委員，公認(rèn)的世界級(jí)圖形學(xué)科學(xué)家。他還是凌迪科技 Style3D 首席科學(xué)家兼凌迪研究院院長(zhǎng)。他曾以唯一作者身份獨(dú)立完成四篇 SIGGRAPH（全球規(guī)模最大、影響最大的圖形學(xué)會(huì)議）論文。王華民的論文也屢屢被指定為斯坦福、UC 伯克利等名校圖形學(xué)課程的參考文獻(xiàn)。
他的學(xué)生遍布知名大廠，從硅谷的 Google、Facebook、Adobe，到國(guó)內(nèi)的阿里、字節(jié)、百度等圖形和模擬開發(fā)領(lǐng)域的重要崗位，都有他曾授業(yè)解惑的門徒。業(yè)內(nèi)流傳：如果你研究布料仿真，就不可能沒讀過王華民教授的論文。
與吳恩達(dá)共話ML未來發(fā)展，2021亞馬遜云科技中國(guó)峰會(huì)可「玩」可「學(xué)」
2021亞馬遜云科技中國(guó)峰會(huì)「第二站」將于9月9日-9月14日全程在線上舉辦。對(duì)于AI開發(fā)者來說，9月14日舉辦的「人工智能和機(jī)器學(xué)習(xí)峰會(huì)」最值得關(guān)注。
當(dāng)天上午，亞馬遜云科技人工智能與機(jī)器學(xué)習(xí)副總裁Swami Sivasubramanian 博士與 AI 領(lǐng)域著名學(xué)者、Landing AI 創(chuàng)始人吳恩達(dá)（Andrew Ng ）博士展開一場(chǎng)「爐邊談話」。
不僅如此，「人工智能和機(jī)器學(xué)習(xí)峰會(huì)」還設(shè)置了四大分論壇，分別為「機(jī)器學(xué)習(xí)科學(xué)」、「機(jī)器學(xué)習(xí)的影響」、「無需依賴專業(yè)知識(shí)的機(jī)器學(xué)習(xí)實(shí)踐」和「機(jī)器學(xué)習(xí)如何落地」，從技術(shù)原理、實(shí)際場(chǎng)景中的應(yīng)用落地以及對(duì)行業(yè)領(lǐng)域的影響等多個(gè)方面詳細(xì)闡述了機(jī)器學(xué)習(xí)的發(fā)展。
文章來源：機(jī)器之心
