GAMES101（21~22节，动画和仿真）

Animation

关键帧

动画就是由每一帧的画面组成，因此需要知道每一帧中，物体的位置应该怎样变化

我们首先应通过仿真技术，计算每一帧每个粒子的路径位置，

至于这些粒子如何变为整体，如何渲染，这是下一步才应考虑的问题

物理模拟/仿真

mass spring system质点弹簧系统

基本单位为一个弹簧，两个质点

推导受力分析

a点受到b方向的力

胡克定律（Hooke's Law）：ks劲度系数(取决于弹簧的材料) *  单位向量（方向）*（||b-a||  - l ）原始长度（形变量）

根据力的相互作用，a点受到b方向的力，b点受到往a方向的力，又因为当前静止状态，也就是作用力 == 反作用力，b点受到往a方向的力 == a点受到b方向的力的反作用力

其实总的受力应为这样的平衡关系，ab都有弹力势能和拉力

这时当b松手，b的拉力消失，b点受力不再平衡，a对b产生的弹力势能，转换为动能，

没有其他力影响，因而总能量不变，动能势能不断相互转换，b永远不会停止

一阶导数，在物理模拟中在上方 · 点号，二阶用 ·· 表示

对于路程/时间函数 的一阶导数为速率，二阶导数为加速度

那么为了让b停止，需要加摩擦力，和b导数-.>b的速度的方向相反 ，其中kd依旧是劲度系数

但是这样会让所有运动都停止，假设ab同时被拉开，并且保持相对静止，同时向右运动，这时我为ab同时添加f摩擦力，因为根据上面的公式f和速度方向相反，也就是左方向，那么就会导致ab停止，但是ab的相对拉开的 状态没有改变

这样是不符合我们的期望，我们期望，b可以在左右弹的过程逐渐停止，可是当同时ab运动时，上述并不能让ab恢复弹簧的原长度，仅能让ab不再向右移动

中间缺了点乘的符号

那么如何让ab依旧保持向右移动，并且ab逐渐恢复弹簧的原长度呢？

负号（相反），单位向量a->b，b导数（速度） - a导数（速度）,单位向量a->b

首先前两个，浮点 * 向量 = b->a得到的依旧是向量

后两个相乘，得到浮点，v向量 * 单位向量， = ||v|| costheta

• 假设b相对a向右弹，那么b的速率>a的速率，且为正值，cos = 1，fr即取相反值向左
• 假设b相对a向左弹，那么b的速率>a的速率，且为负值，cos = -1，fr即取相反值向右

这里为什么要乘以单位向量？

假设b相对于a圆周运动，ba速度虽然不同，但弹簧的长度没有改变，因为ab的相对弹力没有改变，不应该在内部施加摩擦力（圆周运动不应该有恢复原状的返回力，只有在ab方向上的速度改变，才应在内部施加摩擦力），

假如没有单位向量，那么获得的fr摩擦力向量就是速度的反向，考虑上述不应有摩擦力的情况，因此，当点乘单位向量b->a，会根据向量的夹角cos，当为90度，结果为0 ，即没有摩擦力

也就是第一个单位向量，保证了结果是向量，第二个单位向量，保证了正确的摩擦力结果

模拟

模拟一个布，不应该受到形变的影响，比如延对角线拉扯（通过蓝线），延某方向弯折，通过（较弱红线）

single particle simulation单粒子模拟

单粒子模拟：指对单个粒子运动轨迹的计算

假设知道初始位置，和每一刻的速度（矢量），那么它的任何新的位置很容易计算，但是我们根本不可能知道每一刻的速度

假设在速度场模拟粒子运动轨迹，速度场：在任意时刻t和位置x，都有对应的速度v(x,t)

也就是我们假设知道质点初始位置，速度，加速度，如何求运动轨迹？可以写为如下形式

dx / dt 导数（切线）= v，导数为瞬时速度

常微分方程

方程的形式有很多。代数方程是指含有未知数的等式；而微分方程，是指含有未知函数及其导数的等式。代数方程的解是常数，而微分方程的解是函数。

如果函数只有一个自变量的微分方程称为常微分方程（ordinary differential equation，ODE）。
如果函数含有两个或者多个自变量的微分方程称为偏微分方程（partialdifferential equation，PDE）。

此外，微分方程也可以根据阶数来分类：最高阶导数是一阶导数，则称为一阶微分方程（first-order-equation）；最高阶导数是二阶导数，则称为二阶微分方程（second-order-equation）。

Euler欧拉方法：

dx / dt = v这里的导数就是常微分方程，我们想要求解它，也就是根据自变量t，和获得的导数v，，想要求得每一刻t下的x位置

欧拉方法是求解常微分方程数值解的一种重要方法。它通过将微分方程离散化，将连续的函数关系转化为一系列离散的点之间的关系，从而利用迭代的方法逐步逼近微分方程的解。

就是利用最基本的速度，加速度公式：

下一帧的位置 = 上一帧的位置 + t增量 * 上一帧速度（矢量）

下一帧的速度又等于 = 上一帧的速度 + t增量 * 上一帧加速度

可以看到，下一帧的计算参数都是由上一帧的值提供

这种欧拉方法有缺陷，delta需要很小的步长才可以准确，并且稳定性不高，有误差

midpoint method中点法

中点位置 = 上一帧的位置 + t增量 / 2  *上一帧速度

下一帧的位置 = 上一帧的位置 + t增量 * 中点位置的 速度

根据中点帧的速度，而非当前帧的速度，决定下一帧的位置

紫色线/中间黑色曲线 是正确的轨迹，黑色是计算的位置，对于普通的欧拉方法，起点的v方向是右上，t增量后即为a的位置，但是中点法看b点的速度，也就是接近于水平，t增量后即为c的位置

因此可以看到a点和紫色线的偏移大，而c点相对偏移较少

更工整的写出：

 下一帧的位置 = 上一帧的位置 + t增量 / 2 * 中点位置的速度（上一帧速度 + 下一帧的速度 = 中点速度（向量加法法则））

下一帧的速度又等于 = 上一帧的速度 + t增量 * 上一帧加速度

通过把等式二带入等式一，再展开，可以获得等式三

观察和普通欧拉方法区别，其实就是多了最后二次项

Adaptive step size自适应改变步长方法

根据减小步长t的思想，取t增量的中点，通过两次计算位置，获得t增量下的位置

和中点法不同，并非仅根据中点的速度，而是第一次用起点的速度，第二次采用中点速度

又和减小步长不同，它是动态调整的，只有计算结果 > 一定的阈值，才会执行改变步长计算，因此可以看到图二对于每一处的步长都是不同的 

Implicit methods隐式方法

使用的速度并非用上一帧的速度，而是下一帧的速度

可以看到计算的速度，对于最后一项，使用的都是下一帧的速度/ 加速度

可是下一帧的速度未知如何求解？比如解方程组，求根方法等

稳定性：

如何衡量稳定性？通过局部误差或者整体误差，和步长的关系衡量

局部误差是h ^ 2,整体误差是h（步长），

可以看到如果步长h越小，那么误差越小，

并且阶数越高越好，因为对于h来说，步长减小一半，误差减小一半，对于h^2，误差减小到1/4

h^2和(h/2)^2 ，结果为1/4

Runge-Kutta Families龙格库塔方法

RK4方法是一个4阶稳定性的方法

初始化：首先我们依旧知道每一刻的速度f（），以及在初始时间to下初始位置y0，

接下来根据步长h，可以获得tn时间的下一帧时间tn+1

这里更新位置，用上一帧yn位置 + 1/6h * 一系列的v值平均得到的速度（k值可以根据下面4个公式得到）

rigid body simulation刚体模拟

不会发生形变，因此可以看作单粒子运动，并且对应一个刚体来说，不仅仅有位置关系，我们还应该考虑它的朝向等，因此可以说它就是，单粒子运动的扩充

d/dt求一阶导数，对四个分量分别求导，得到右侧对应结果

位置 / 时间-》速度，朝向 / 时间-》角速度（旋转多块），速度 / 时间-》加速度

也就是说对于每个刚体，可以根据欧拉方法等，计算时间t下对应的位置，朝向，速度等

fuild simulation流体模拟        

position -based / verlet integration方法

非基于物理的…

//质点法：

假设水由许多刚体小球组成

假设水不能被压缩

所以，只要某处的密度发生了变化，就应该通过改变粒子的位置来“修正”

为了修正，我们要知道一个小球位置的变化对其周围密度的影响，即任何一个点的密度梯度(也就是导数)

修正位置的过程是一个梯度下降的过程-   这样简单的模拟最后会一直运动停不下来，我们可以人为的加入一些能量损失

//网格法

每个网格随时间应该如何变化