GAMES101-现代计算机图形学学习笔记（22）

GAMES101-现代计算机图形学学习笔记（22）

原课程视频链接以及官网
b站视频链接: link.
课程官网链接: link.

今天课程的内容主要讨论了如何对一些模拟进行求解，以及对应的方法：

1. Single Particle Simulation
2. Rigid body simulation
3. Fluid simulation

Single Particle Simulation

这种方法是通过研究模拟单个粒子在速度场中的运动情况（速度场指的就是一种函数，在任意时刻 $t$ 和位置 $x$，都有对应的速度取值 $v(x,t)$）：

而速度 $v(x,t)$ 通常可以用位移函数的一阶导数 $\dot{x}$ 进行表示，其常微分方程形式为：
$$\frac{dx}{dt}=\dot{x}=v(x,t)$$

所以我们可以求解这个常微分方程以得到对应时刻的粒子位置：

Euler’s Method

这种方法是通过时间间隔 $\Delta t$ 来求解位置的，对于初始时间 $t$ 和时间间隔 $\Delta t$，我们可以求解出对应变化的位移 ${\mathbf{x}}^{t+\Delta t}$ 和速度 ${\dot{\mathbf{x}}}^{t+\Delta t}$：

由于 Euler’s Method 依赖于 $\Delta t$ 的取值，所以它的结果往往是存在误差和不稳定的：

误差是指当 $\Delta t$ 取值越小，得到的 ${\mathbf{x}}^{t+\Delta t}$ 越精确：

不稳定是指无论如何减小 $\Delta t$，有一些情况始终无法通过模拟得到：

Instability and improvements

下面就有一些方法用来提高稳定性：

Midpoint Method

这种方法的步骤如下：

1. 按 Euler’s Method 计算步长得到 a
2. 计算 a 点与初始点的中点的速度（位移的导数）
3. 按步骤 2 的速度更新初始点位置

这种方法为什么比 Euler’s Method 更稳定呢？因为它等于是用二次项进行模拟，更加准确：

Adaptive Step Size

这种方法的步骤如下：

1. 按 Euler’s Method 计算步长得到位移 ${\mathbf{x}}_{\mathrm{T}}$
2. 计算 ${\mathbf{x}}_{\mathrm{T}}$ 点与初始点的中点的速度，并用这个速度更新得到 ${\mathbf{X}}_{\mathrm{T}/2}$
3. 看 ${\mathbf{x}}_{\mathrm{T}}$ 与 ${\mathbf{X}}_{\mathrm{T}/2}$ 距离是否过远，如果较远的话就表示 $\Delta t$ 较大，需要对其进行缩小；

Implicit Euler Method

该方法是用未来的一些量（速度、加速度）来求解这个时刻的位移，比如说假设下一个 $\Delta t$ 的加速度 ${\ddot{\mathbf{x}}}^{t+\Delta t}$ 和当前时刻的位移 ${\mathbf{x}}^t$ 已知，那么就可以求解出下个 $\Delta t$ 的速度和加速度（两个方程两个未知数肯定可以求解）：

如何定义方法是否稳定？这里引入了阶来进行描述：

假设 Implicit Euler 的阶为1，它的局部误差和全局误差分别为 $\mathrm{O}\left({\mathrm{h}}^2\right)$ 和 $\mathrm{O}(\mathrm{h})$，这里 h 指的是步长即 $\Delta t$。

$\mathrm{O}(\mathrm{h})$ 表示当 h 减小一倍时，对应的误差也会减少一倍。

Runge-Kutta Families

Runge-Kutta Families 是用来求解常微分方程（ODEs）的一类方法，它能更好的模拟非线性的运动：

Position-Based / Verlet Integration

这种方法指的是通过一些规则使得粒子在走下一步时，下一步的位置会得到一定的限制，防止粒子发散，与预期不符（它不是基于物理的方法）：

Rigid body simulation

刚体模拟（Rigid body simulation）不会发生形变，即刚体的内部都会以一种方式（趋势）进行运动，所以也可以把刚体模拟看成是粒子的扩充进行模拟：

当给定了微分方程后：
$$\frac{d}{dt}\left(\begin{array}{l}\mathrm{X}\\ \theta \\ \dot{\mathrm{X}}\\ \omega \end{array}\right)=\left(\begin{array}{c}\dot{\mathrm{X}}\\ \omega \\ \mathrm{F}/M\\ \Gamma /I\end{array}\right)$$

我们仍然可以按照模拟粒子运动一样，采用诸如 Euler’s Method 等方法求解常微分方程，来求解刚体的运动。

Fluid simulation

流体模拟（Fluid simulation ）可以采用 Position-Based Method 进行，它是一种非物理的方法。

Position-Based Method 主要基于两个假设：

1. 假设水是由无数小的刚体球体组成
2. 假设水无法被压缩，即任意处水的密度相等

基于上述两个假设，Position-Based Method 就可以通过下述步骤模拟流体：

只要知道水的任意处密度发生了改变，就需要改变刚体球体的位置来修正这一部分的密度；

水的任意处的密度都是关于刚体球体的位置的函数，所以我们也能知道任意处的密度梯度，如果想要改变任意处的密度，只需要通过梯度下降法即可。

Eulerian vs. Lagrangian

前面讲了一些关于模拟粒子运动的方法，接下课程继续介绍了关于模拟大规模物质运动的两种思路：

(“质点法”) Lagrangian approach：依次模拟空间中每个粒子

(“⽹格法”) Eulerian approach：将空间划分为不同格子，考虑不同格子的运动和密度变化

Material Point Method (MPM) 是一种混合了上述两种方案的方法：