机器人也能干咖啡师的活了！
比如让它把奶泡和咖啡搅拌均匀，效果是这样的：
然后上点难度，做杯拿铁，再用搅拌棒做个图案，也是轻松拿下：
这些是在已被 ICLR 2023 接收为 Spotlight 的一项研究基础上做到的，他们推出了提出流体操控新基准 FluidLab 以及多材料可微物理引擎 FluidEngine。
研究团队成员分别来自 CMU、达特茅斯学院、哥伦比亚大学、MIT、MIT-IBM Watson AI Lab、马萨诸塞大学阿默斯特分校。
在 FluidLab 的加持下，未来机器人处理更多复杂场景下的流体工作也都不在话下。
FluidLab 到底都有哪些“隐藏技能”？一起来康康～
“流体力学”高阶选手
FluidLab 是靠 FluidEngine 做引擎支撑，正如名称所言，主打的模拟对象就是流体，不同材料，各种类型运动的细节它都能完全拿捏。
先来试试模拟做咖啡的各种场景，咖啡和奶泡的运动轨迹也是很真实了。
当然模拟打冰淇凌也是洒洒水的事情。
或者模拟不同状态下水流的运动轨迹。
如果说这样还看不出来 FluidLab 的实力，那直接上难度。
比如先来点对照模拟，让平台模拟一下不同材料下坠时与容器的碰撞情况，从左到右依次是：硬性材料、弹性材料以及塑料。
或者不同非粘性液体和粘性液体下坠时的轨迹。
再上点重磅难度，模拟下气体与液体相遇时的状态。
轻松搞定！
这时，可能会有朋友疑问：这么多状态下的模拟，到底符不符合物理学或者流体力学呢？
这点大可放心，研究团队直接公开了验证视频，在涉及一些特定的物理现象时，FluidEngine 都能准确模拟。
像卡门涡流和溃坝这种常见物理现象都能准确模拟。
浮力，液体的不可压缩性与体积稳定性在模拟中也是轻轻松松就能体现。
来点进阶难度，用马格努斯效应验证一下：平移、平移 + 缓慢逆时针旋转、平移 + 快速逆时针旋转、平移 + 快速顺时针旋转也都很准确。
再加亿点难度，试试动量守恒和瑞利-泰勒不稳定性。
……
那如此逼近真实世界的模拟，研究团队是怎么做到的呢？
不同状态有不同的算法
首先在编程语言上，FluidEngine 选择了 Python 和 Taichi，Taichi 是近来提出的用于 GPU 加速仿真的领域特定编程语言。
这样一来，就可以为构建模拟环境提供了一组用户友好的 API，在更高的层次上，它也遵循标准 OpenAI Gym API，并且与标准的强化学习和优化算法兼容。
而之所以能够做到逼真的虚拟仿真效果，或许可以从 FluidEngine 创建环境的过程窥探一二。
它创建的环境由五个部分组成：
配备有用户定义的末端效应器的机器人代理（可外接机器人）
从外部网格导入并表示为符号距离场（SDFs）的对象
使用形状基元或外部网格创建的对象，用于表示粒子
用于在欧拉网格上模拟气体现象的气体场（包括速度场和其他平流量场，如烟密度和温度）
一组用户定义的几何边界，以支持稀疏计算
其中，在模拟过程中，对于不同状态的材料会采用不同的计算方法。
对于固体和液体材料，模拟过程使用的是移动最小二乘材料点方法（MLS-MPM），这是一个混合拉格朗日-欧拉方法，使用粒子和网格模拟连续体材料。
对于烟或空气这类气体，模拟过程中使用的是平流-投影方案，在笛卡尔网格上将它们模拟为不可压缩的流体。
这样一来，便能针对具体情况模拟到逼真的效果了。
论文、项目地址以及代码链接附在文末了，感兴趣的朋友可以点击查看。
项目主页：https://fluidlab2023.github.io/
论文链接：https://arxiv.org/ abs / 2303.02346
代码链接：https://github.com/ zhouxian / FluidLab
本文来自微信公众号：量子位 （ID：QbitAI），作者：Pine
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。