最近一段時間，數字人、元宇宙（metaverse）、云游戲等新概念變得異常炙手可熱。很多圈外人士對此興奮不已，覺得科幻電影中的場景馬上就要實現了。可很少有人會指出，在通往虛擬未來的道路上其實還有一塊絆腳石：實時物理模擬。本文為王華民教授結合自己的研究對實時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。

從技術上講，物理模擬可以劃分為流體模擬和形變體模擬兩大類。這樣的劃分不太嚴格，但形變體模擬，包括彈性體模擬、布料模擬、頭發模擬等等，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。畢業以后，我逐漸意識到形變體的重要性，改為研究形變體。

早期的實時物理模擬技術非常簡陋。很多時候需要犧牲模擬質量或者物理正確性。

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本身，而在于讓很多人意識到物理模擬與非線性優化之間的相關性。從此大家的思路被打開了。

以此出發，包括我們在內的各個研究團隊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，我們團隊主要研究 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也更加出眾。

現在

時至今日，我覺得高質量的實時形變體模擬已經部分可行了。

PBD 的缺點也很明顯。當模擬需要的網格規模變大（比如超過 1024 個頂點），PBD 的效率就不再那么優秀了。

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，那現狀還是比較樂觀的。

比如，我們 2016 年的工作，已經能在 GeForce GTX TITAN X 上實時模擬近 6 萬個四面體網格的超彈性效果 (hyperelasticity)。

一條被拉得扭曲的龍。

而今年（2021）我們在 SIGGRAPH 上展示的工作，更是能夠在 2080Ti 上實時模擬一件有著 11 萬個三角形的襯衫。

形變體模擬的開發主要有兩個技術門檻：運動求解（dynamics solver）與碰撞處理（collision handling）。在人體組織、肌肉等需要四面體網格模擬的場景中，運動求解通常是計算開銷的主要來源。而對于服裝、頭發等模擬而言，碰撞處理尤為重要。

如何安全、穩定、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 毫無疑問會越來越快。

但我們不能單純把實時模擬寄希望于硬件的提升上。過去，實時模擬技術的發展同時依賴于硬件的提升與算法的支持。未來，我們同樣需要開發更高效、更匹配硬件的模擬算法，來實現更高質量的物理模擬。

我覺得，多重網格（multigrid）

多 GPU 并行

等等，都會是值得研究的方向。

事實上，我最近在 SIGGRAPH 2021 發表的工作，已經可以以一秒一幀的效率模擬一千萬個三角形的服裝了。

作者簡介：王華民，俄亥俄州立大學終身教授，四屆 SIGGRAPH 技術論文委員會委員，公認的世界級圖形學科學家。他還是凌迪科技 Style3D 首席科學家兼凌迪研究院院長。他曾以唯一作者身份獨立完成四篇 SIGGRAPH（全球規模最大、影響最大的圖形學會議）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課程的參考文獻。

他的學生遍布知名大廠，從硅谷的 Google、Facebook、Adobe，到國內的阿里、字節、百度等圖形和模擬開發領域的重要崗位，都有他曾授業解惑的門徒。業內流傳：如果你研究布料仿真，就不可能沒讀過王華民教授的論文。

文章來源：機器之心