带接触的可微物理仿真：其对位置、速度与控制的梯度是否正确？
机器学习
2022-07-13 v1 人工智能
机器人学
摘要
近年来，越来越多的工作聚焦于可微物理仿真，并产生了一系列开源项目，如Tiny Differentiable Simulator、Nimble Physics、diffTaichi、Brax、Warp、Dojo和DiffCoSim。通过使物理仿真端到端可微，我们可以执行基于梯度的优化与学习任务。大多数可微仿真器考虑物体间的碰撞与接触，但为可微性使用了不同的接触模型。本文概述四类可微接触公式——线性互补问题（LCP）、凸优化模型、柔体模型与基于位置动力学（PBD）。我们分析并比较了这些模型计算的梯度，表明梯度并非总是正确的。我们还通过比较所学策略与解析形式最优策略，展示了它们学习最优控制策略的能力。复现实验结果的代码库可在 https://github.com/DesmondZhong/diff_sim_grads 获取。
引用
@article{arxiv.2207.05060,
title = {Differentiable Physics Simulations with Contacts: Do They Have Correct Gradients w.r.t. Position, Velocity and Control?},
author = {Yaofeng Desmond Zhong and Jiequn Han and Georgia Olympia Brikis},
journal= {arXiv preprint arXiv:2207.05060},
year = {2022}
}
备注
2nd AI4Science Workshop at ICML 2022