Robust and Efficient Penetration-Free Elastodynamics without Barriers
作者: Juntian Zheng, Zhaofeng Luo, Minchen Li
分类: cs.GR
发布日期: 2025-12-13 (更新: 2026-01-05)
备注: Supplementary video and materials available at https://github.com/wiso-enoji/Barrier-Free-Supplementary
💡 一句话要点
提出无障碍弹性动力学优化框架，解决非穿透模拟的效率和鲁棒性问题。
🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)
关键词: 弹性动力学 非穿透模拟 增广拉格朗日 碰撞检测 优化算法 GPU加速 无障碍方法
📋 核心要点
- 现有基于障碍函数的非穿透方法在弹性动力学模拟中存在病态系统和TOI锁定问题，导致效率低下。
- 提出一种无障碍的二阶约束优化框架，通过增广拉格朗日求解器和自适应拉格朗日乘子更新避免TOI锁定。
- 实验表明，该方法在接触丰富的场景中比GIPC快高达103倍，同时保持了鲁棒性和准确性。
📝 摘要（中文）
本文提出了一种无障碍优化框架，用于非穿透弹性动力学模拟，该框架在保持增量势接触(IPC)鲁棒性的同时，克服了其两个主要的效率瓶颈：(1)依赖对数障碍函数来强制执行非穿透约束，这导致病态系统并显著减慢迭代线性求解器的收敛速度；(2)冲击时间(TOI)锁定问题，这限制了碰撞密集场景中的主动集探索，并需要大量的牛顿迭代。我们提出了一个新颖的二阶约束优化框架，该框架具有定制的增广拉格朗日求解器，通过立即合并所有通过CCD检测到的必要接触对来避免TOI锁定，从而实现更有效的主动集探索，并显著减少牛顿迭代次数。通过自适应地更新拉格朗日乘子而不是增加惩罚刚度，我们的方法可以防止在零TOI处停滞，同时保持良好的系统状态。我们进一步引入了一种约束过滤和衰减机制，以保持活动集紧凑和稳定，以及基于累积TOI的终止准则下，对我们方法的有限步终止和一阶时间积分精度的理论证明。大量的实验证明了我们方法的效率、鲁棒性和准确性。通过GPU优化的模拟器设计，我们的方法在具有挑战性的、接触丰富的基准测试中实现了高达103倍于GIPC的速度提升——这些场景以前只能通过基于障碍的方法来处理。我们的代码和数据将开源。
🔬 方法详解
问题定义：论文旨在解决弹性动力学模拟中，尤其是在处理大量碰撞和接触时，现有方法效率低下的问题。传统的增量势接触（IPC）方法虽然鲁棒，但依赖于对数障碍函数来避免穿透，这导致线性求解器收敛缓慢，并且容易出现时间冲击锁定（TOI locking）问题，限制了主动集探索。
核心思路：论文的核心思路是采用一种无障碍的优化框架，避免使用对数障碍函数，而是通过增广拉格朗日方法来处理非穿透约束。通过自适应地更新拉格朗日乘子，而不是增加惩罚刚度，可以有效地避免TOI锁定，并保持系统的良好条件。
技术框架：该方法采用二阶约束优化框架，主要包含以下几个阶段：1. 碰撞检测（CCD）以识别潜在的接触对。2. 构建增广拉格朗日函数，将非穿透约束作为约束条件。3. 使用定制的增广拉格朗日求解器，通过迭代优化求解系统。4. 自适应更新拉格朗日乘子，避免TOI锁定。5. 约束过滤和衰减机制，保持活动集紧凑和稳定。
关键创新：最重要的技术创新在于避免了使用障碍函数，而是采用增广拉格朗日方法，并结合自适应拉格朗日乘子更新策略，从而有效地避免了TOI锁定问题。此外，约束过滤和衰减机制也有助于提高效率和稳定性。与现有方法相比，该方法能够在不牺牲鲁棒性的前提下，显著提高计算效率。
关键设计：关键设计包括：1. 增广拉格朗日函数的具体形式，需要仔细选择惩罚项和拉格朗日乘子的更新策略。2. 约束过滤和衰减机制的具体实现，需要平衡活动集的大小和稳定性。3. 累积TOI的终止准则，用于判断迭代是否收敛，并保证时间积分的精度。
🖼️ 关键图片
📊 实验亮点
实验结果表明，该方法在具有挑战性的、接触丰富的基准测试中，相比于GIPC，实现了高达103倍的速度提升。这表明该方法在处理复杂碰撞场景时具有显著的优势。此外，该方法还保持了良好的鲁棒性和准确性，证明了其在实际应用中的可行性。
🎯 应用场景
该研究成果可广泛应用于计算机图形学、机器人学、游戏开发、虚拟现实等领域，尤其是在需要高精度和高效率的弹性体模拟场景中。例如，可以用于模拟复杂的布料、头发、肌肉等形变，以及机器人与环境的交互等。该方法能够显著提高模拟的真实感和交互性，为相关应用带来更好的用户体验。
📄 摘要（原文）
We introduce a barrier-free optimization framework for non-penetration elastodynamic simulation that matches the robustness of Incremental Potential Contact (IPC) while overcoming its two primary efficiency bottlenecks: (1) reliance on logarithmic barrier functions to enforce non-penetration constraints, which leads to ill-conditioned systems and significantly slows down the convergence of iterative linear solvers; and (2) the time-of-impact (TOI) locking issue, which restricts active-set exploration in collision-intensive scenes and requires a large number of Newton iterations. We propose a novel second-order constrained optimization framework featuring a custom augmented Lagrangian solver that avoids TOI locking by immediately incorporating all requisite contact pairs detected via CCD, enabling more efficient active-set exploration and leading to significantly fewer Newton iterations. By adaptively updating Lagrange multipliers rather than increasing penalty stiffness, our method prevents stagnation at zero TOI while maintaining a well-conditioned system. We further introduce a constraint filtering and decay mechanism to keep the active set compact and stable, along with a theoretical justification of our method's finite-step termination and first-order time integration accuracy under a cumulative TOI-based termination criterion. A comprehensive set of experiments demonstrates the efficiency, robustness, and accuracy of our method. With a GPU-optimized simulator design, our method achieves an up to 103x speedup over GIPC on challenging, contact-rich benchmarks - scenarios that were previously tractable only with barrier-based methods. Our code and data will be open-sourced.