SoftMAC：基于预测接触模型并与铰接刚体及衣物双向耦合的可微分软体仿真

可微分物理仿真通过基于梯度的优化，为解决此前难以处理的问题提供了途径，从而极大提高了解决机器人相关问题的效率。为将可微分仿真应用于多样的机器人操作场景，一个关键挑战是在统一框架中集成各种材料。我们提出了 SoftMAC，一个将软体与铰接刚体及衣物耦合的可微分仿真框架。SoftMAC 采用基于连续介质力学的物质点法（MPM）来仿真软体。我们为 MPM 提供了一种新颖的基于预测的接触模型，该模型能有效减少穿透，且不会引入如非自然反弹等其他伪影。为将 MPM 粒子与可变形且非体积的衣物网格耦合，我们还提出了一种在局部区域重建有符号距离场的穿透追踪算法。与先前工作不同，SoftMAC 仿真每种模态的完整动力学，并通过显式且可微的耦合机制将它们整合到一个内聚系统中。这一特性使 SoftMAC 能够处理更广泛的交互，例如软体作为操作器并与欠驱动系统交互。我们进行了全面的实验，以验证所提出的可微分流程在下游机器人操作应用中的有效性和准确性。补充材料和视频可在我们的项目网站 https://minliu01.github.io/SoftMAC 上获取。