论文页面 - FreeForm: 基于粒子蒙皮特征模态的降阶可变形仿真

来源: https://huggingface.co/papers/2605.29318

摘要

使用再生核粒子方法对可变形超弹性物体进行降阶仿真，与神经场方法相比，训练速度更快且误差更低，同时支持多种几何表示。

本文提出了一种新的无网格（https://huggingface.co/papers?q=mesh-free）降阶仿真（https://huggingface.co/papers?q=reduced-order%20simulation）公式，用于可变形超弹性物体。现有的降阶弹性动力学仿真工作将输入几何表示为网格，但由于扫描和三角化复杂形状的困难，网格往往难以获得；或者表示为神经场（https://huggingface.co/papers?q=neural%20fields），这需要对每个形状进行优化。我们提议采用再生核粒子方法（RKPM）表示，该方法通过在弹性能量（https://huggingface.co/papers?q=elastic%20energy）的Hessian矩阵（https://huggingface.co/papers?q=Hessian%20matrix）上求解广义特征系统（https://huggingface.co/papers?q=generalized%20eigensystem），从而构建降阶蒙皮权重。我们证明，该公式不仅与神经场的逐形状优化相比实现了40倍的训练加速，而且在与有限元方法（https://huggingface.co/papers?q=finite%20element%20method）收敛结果对比时，仿真误差也更低。我们在包括网格和高斯泼溅在内的多种表示的广泛物体上展示了仿真结果，并展示了该方法在下游机器人仿真（https://huggingface.co/papers?q=robot%20simulation）任务中的应用。

查看arXiv页面（https://arxiv.org/abs/2605.29318） 查看PDF（https://arxiv.org/pdf/2605.29318） GitHub 5.1k（https://github.com/NVIDIAGameWorks/Kaolin） 添加至收藏（https://huggingface.co/login?next=%2Fpapers%2F2605.29318）

在你的智能体中获取本文：

hf papers read 2605.29318

没有最新CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用本文的模型 0

暂无链接此论文的模型

请在模型 README.md 中引用 arxiv.org/abs/2605.29318 以链接至此页面。

引用本文的数据集 0

暂无链接此论文的数据集

请在数据集 README.md 中引用 arxiv.org/abs/2605.29318 以链接至此页面。

引用本文的Space 0

暂无链接此论文的Space

请在Space README.md 中引用 arxiv.org/abs/2605.29318 以链接至此页面。

包含本文的收藏集 0

暂无包含此论文的收藏集

请将本文添加至一个收藏集（https://huggingface.co/new-collection）以链接至此页面。