[论文解读] Towards Real-time Simulation of Hyperelastic Materials

Tiantian Liu, Sofien Bouaziz+1 more|arXiv (Cornell University)|Apr 25, 2016

Advanced Numerical Analysis TechniquesEngineering参考文献 48被引用 17

一句话总结

本文提出了一种新型的拟牛顿形式化Projective Dynamics方法，通过将该方法重新解释为恒定的正定Hessian矩阵近似，实现了对超弹性材料（包括Neo-Hookean和样条基材料）的快速、精确且鲁棒的实时模拟。该方法在保持或提升精度的同时，相比一次牛顿迭代实现了超过10倍的速度提升，并简化了实现过程。

ABSTRACT

We present a new method for real-time physics-based simulation supporting many different types of hyperelastic materials. Previous methods such as Position Based or Projective Dynamics are fast, but support only limited selection of materials; even classical materials such as the Neo-Hookean elasticity are not supported. Recently, Xu et al. [2015] introduced new "spline-based materials" which can be easily controlled by artists to achieve desired animation effects. Simulation of these types of materials currently relies on Newton's method, which is slow, even with only one iteration per timestep. In this paper, we show that Projective Dynamics can be interpreted as a quasi-Newton method. This insight enables very efficient simulation of a large class of hyperelastic materials, including the Neo-Hookean, spline-based materials, and others. The quasi-Newton interpretation also allows us to leverage ideas from numerical optimization. In particular, we show that our solver can be further accelerated using L-BFGS updates (Limited-memory Broyden-Fletcher-Goldfarb-Shanno algorithm). Our final method is typically more than 10 times faster than one iteration of Newton's method without compromising quality. In fact, our result is often more accurate than the result obtained with one iteration of Newton's method. Our method is also easier to implement, implying reduced software development costs.

研究动机与目标

• 解决现有实时方法（如Projective Dynamics）在支持一般超弹性材料（如Neo-Hookean和样条基模型）方面的不足。
• 克服牛顿法的性能瓶颈，其速度较慢源于每次迭代中重复计算Hessian矩阵并求解线性系统。
• 通过样条基材料实现面向艺术家的友好材料建模，同时保持实时性能。
• 通过在拟牛顿框架中集成L-BFGS更新，提升实时物理模拟的收敛速度与鲁棒性。
• 弥合实时与离线物理模拟之间的差距，实现实时速度下的高精度。

提出的方法

• 将Projective Dynamics重新形式化为一种拟牛顿方法，采用恒定的正定Hessian矩阵近似矩阵A，避免昂贵的Hessian更新。
• 使用线搜索确保收敛稳定性，并防止优化过程中能量增加，以补偿固定Hessian近似的不足。
• 集成L-BFGS更新，利用前序迭代的曲率信息改进Hessian近似，从而加快收敛速度。
• 利用无矩阵线性系统求解方法以保持效率，尤其在与共轭梯度（CG）等迭代求解器结合时效果更佳。
• 将该方法应用于满足Valanis-Landel假设的超弹性能量函数，包括样条基材料和经典模型。
• 采用隐式欧拉时间积分与新求解器结合，确保稳定性，并支持大变形和倒置单元的模拟。

实验结果

研究问题

• RQ1 Projective Dynamics能否被重新解释为一种拟牛顿方法，以支持更广泛的超弹性材料？
• RQ2 在拟牛顿框架中采用恒定Hessian近似，能否在保持精度与稳定性的同时，实现比牛顿法更快的模拟速度？
• RQ3 L-BFGS更新的集成如何影响实时物理模拟中的收敛速度与鲁棒性？
• RQ4 在速度、精度与实现复杂度方面，该方法相较于一次牛顿迭代方法能实现多大程度的性能超越？
• RQ5 该方法在不损失稳定性或精度的前提下，能否处理极端变形与倒置单元？

主要发现

• 与一次牛顿迭代相比，该方法实现了超过10倍的速度提升，同时保持或提升了求解精度。
• 该方法支持广泛的超弹性材料，包括Neo-Hookean和样条基材料，这些材料此前与Projective Dynamics不兼容。
• 即使在极端初始条件下，系统仍保持鲁棒性，如通过一个变形的河马模型恢复至原始形态并处理倒置单元。
• L-BFGS的集成显著加快了收敛速度，尤其在初始Hessian近似选择得当时效果更明显。
• 由于Hessian近似更优，该方法在速度和收敛质量方面均优于基于CG的求解器，即使在15次CG迭代下也是如此。
• 与牛顿法相比，该求解器实现更简单，降低了软件开发成本，同时保持了高性能与高精度。