Material Point Method
PulseAugur coverage of Material Point Method — every cluster mentioning Material Point Method across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新模型PhysCoRe改进了可变形物体在机器人操作中的表现
研究人员开发了PhysCoRe，一个新颖的世界模型，旨在改进机器人领域中可变形物体动力学的预测。该模型集成了可微分的材料点法（MPM）模拟器和神经网络，以推断材料属性并校正模拟器的偏差。与现有方法相比，PhysCoRe在预测可变形物体操作方面表现出更高的准确性，并且可以通过从视觉观察中推断每粒子弹性来适应新颖物体。
-
新方法实现无需遮罩的物理模拟3D物体重建
研究人员开发了一种新颖的无遮罩方法，可以从稀疏和被遮挡的真实世界视图中重建完整的3D对象。该技术利用3D高斯泼溅和SAM2训练的分割场来实现实例分割，然后进行联合得分蒸馏采样过程。该过程整合了参考视图监督和由扩散先验引导的新视图合成，以确保纹理保真度和3D一致性，从而通过物质点法模拟实现物理上可行的交互。
-
OnlyDense框架将深度学习与降阶模型相结合
研究人员开发了一个名为OnlyDense的新型深度学习框架，用于模拟计算密集型的复杂拉格朗日模拟。该方法将系统的状态表示为希尔伯特空间中演化的函数，使用学习到的神经网络基函数创建线性子空间。这种方法将经典的降阶模型与深度学习相结合，即使使用较少数量的基函数也能准确预测动力学，这在大规模模拟中得到了证明。
-
AI模型在物理模拟数据集MPMWorlds上进行测试
研究人员开发了MPMWorlds，一个使用材料点法（MPM）进行2D物理模拟的数据集，用于训练AI模型。该数据集包含变形物体和流体等各种现象，旨在测试AI从视频中推断和外推物理动力学能力。初步研究表明，代码生成模型在稳定外推方面表现出色，但在推断物理参数方面遇到困难，而视频扩散模型能更好地识别几何形状，但产生的物理合理性结果较差。
-
新AI框架生成逼真的4D人与物体交互
研究人员推出PhyGenHOI，一个旨在生成物理准确且视觉保真的4D人与物体交互（HOI）的新框架。该系统结合了生成式人类运动模型（MDM）和显式物理物体模拟（MPM），使用3D高斯作为统一表示。关键创新包括用于时间同步的窗口吸引损失（Windowed Attraction Loss）、用于动量传递的驱动接触重模拟（Contact-Driven Re-simulation）步骤，以及用于改善接触保真的掩码视频SDS目标（Masked …
-
EndoGSim使用MLLM进行物理感知的手术模拟
研究人员开发了EndoGSim，一个用于机器人辅助手术中动态内窥镜场景模拟的新框架。该系统使用多模态大语言模型（MLLMs）来指导高斯喷溅，实现可变形组织和手术工具的物理感知重建。该框架集成了可微分的物质点法来优化物理属性，旨在提高手术模拟的保真度和准确性。
-
无人机辅助扫描到模拟框架增强滑坡建模
研究人员开发了一个新的滑坡模拟框架，该框架将无人机图像与物理信息高斯泼溅相结合。这种方法捕捉了照片般逼真的场景，并将其与材料点法相结合进行模拟，克服了传统基于网格方法的视觉限制。该系统在香港的一个真实滑坡现场成功得到验证，证明了其在逼真视觉重建和有效模拟方面的能力。
-
DOT-Sim 实现准确的光学触觉传感器仿真与校准
研究人员开发了 DOT-Sim，一种用于光学触觉传感器的新仿真方法，该方法使用物质点法 (Material Point Method) 精确模拟其物理行为。这种方法可以在几分钟内快速校准仿真，比以前的技术快得多。DOT-Sim 还能处理大的非线性变形，并通过学习残差图像来模拟光学响应。该方法已通过真实到仿真任务得到验证，在仿真中训练的策略实现了高分类准确率和精确的轨迹跟踪。