基于分层接触网格 Transformer 学习柔体碰撞动力学

近期，许多基于网格的图神经网络（GNN）模型被提出用于建模复杂的高维物理系统。与传统数值求解器相比，在显著减少求解时间方面取得了显著成就。这些方法通常被设计为 i) 降低求解物理动力学的计算成本，和/或 ii) 提出增强流体和刚体动力学求解精度的技术。然而，对于它们在应对柔体动力学挑战方面的有效性仍探索不足，在柔体动力学中，瞬时碰撞在极短的时间范围内发生。在本文中，我们提出了分层接触网格 Transformer（Hierarchical Contact Mesh Transformer, HCMT），它使用分层网格结构，能够学习物体空间相距较远位置之间（由碰撞引起）的长程依赖关系——在更高层网格中相近的两个位置对应于在更低层网格中相距较远的两个位置。HCMT 实现了长程交互，并且分层网格结构能将碰撞效果快速传播到远处位置。为此，它由接触网格 Transformer 和分层网格 Transformer（分别为 CMT 和 HMT）组成。最后，我们提出了一个柔体动力学数据集，包含反映显示工业产品设计中常用实验设置的轨迹。我们还使用知名的基准数据集比较了几种基线的性能。我们的结果表明，HCMT 比现有方法提供了显著的性能提升。我们的代码可在 https://github.com/yuyudeep/hcmt 获取。