A Convex Formulation of Material Points and Rigid Bodies with GPU-Accelerated Async-Coupling for Interactive Simulation

📄 arXiv: 2503.05046v2 📥 PDF

作者: Chang Yu, Wenxin Du, Zeshun Zong, Alejandro Castro, Chenfanfu Jiang, Xuchen Han

分类: cs.RO

发布日期: 2025-03-06 (更新: 2025-07-04)

备注: The supplemental video is available at https://youtu.be/bJNdMXDq4AE. The implementation is available in the open-source toolkit Drake at https://github.com/g1n0st/drake

💡 一句话要点

提出基于GPU加速异步耦合的凸优化MPM刚体交互模拟方法

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 物质点法 刚体动力学 摩擦接触 凸优化 GPU加速 异步耦合 机器人操作 并行计算

📋 核心要点

  1. 现有MPM模拟在处理复杂机器人操作任务时，计算效率和稳定性面临挑战，尤其是在与刚体交互时。
  2. 该论文提出了一种凸优化框架，通过异步时间分割和弱耦合策略，高效地结合MPM和刚体动力学。
  3. 实验结果表明，该方法在速度、精度和稳定性方面均优于现有技术，并实现了高达500倍的加速。

📝 摘要（中文）

本文提出了一种新颖的凸优化方法，通过摩擦接触将物质点法（MPM）与刚体动力学进行弱耦合，并针对高效的GPU并行化进行了优化。我们的方法采用异步时间分割方案，以不同的时间步长积分MPM和刚体动力学。我们开发了一种全局收敛的拟牛顿求解器，专为大规模并行化设计，与之前的凸优化方法相比，在不牺牲稳定性的前提下，实现了高达500倍的加速。我们的方法能够以交互速率模拟机器人操作任务，处理包括颗粒材料和布料在内的各种可变形物体，并具有强大的收敛保证。我们详细介绍了最大化性能的关键实现策略，并通过严格的实验验证了我们的方法，证明了其在机器人技术中优于最先进的MPM模拟器的速度、准确性和稳定性。我们将我们的方法开源在机器人工具包Drake中。

🔬 方法详解

问题定义：论文旨在解决机器人操作任务中，可变形物体（如颗粒材料、布料）与刚体之间交互的实时模拟问题。现有MPM模拟器在处理此类问题时，计算成本高昂，难以达到交互速率，并且在强耦合情况下容易出现稳定性问题。

核心思路：论文的核心思路是通过凸优化方法，将MPM和刚体动力学进行弱耦合，并利用GPU进行大规模并行加速。通过异步时间分割，允许MPM和刚体动力学使用不同的时间步长，从而提高整体效率。凸优化保证了求解的全局收敛性，提高了稳定性。

技术框架：整体框架包含以下几个主要模块：1) MPM模拟模块，用于处理可变形物体的动力学；2) 刚体动力学模块，用于处理刚体的运动；3) 摩擦接触模块，用于处理MPM和刚体之间的摩擦接触；4) 异步时间分割模块，用于协调MPM和刚体动力学的时间步长；5) 并行优化求解器，用于求解整个系统的动力学方程。

关键创新：最重要的技术创新点在于：1) 提出了一个凸优化框架，保证了全局收敛性；2) 采用了异步时间分割方案，提高了计算效率；3) 开发了一个专为GPU并行化设计的拟牛顿求解器，实现了显著的加速。与现有方法相比，该方法在保证稳定性的前提下，显著提高了计算速度。

关键设计：论文的关键设计包括：1) 使用凸势函数来描述摩擦接触，保证了优化问题的凸性；2) 采用异步时间分割，根据MPM和刚体动力学的特性，选择不同的时间步长；3) 设计了一个高度并行的拟牛顿求解器，充分利用GPU的计算能力。具体的参数设置和损失函数细节在论文中有详细描述，但此处不便赘述。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，该方法在模拟机器人操作任务时，与之前的凸优化方法相比，实现了高达500倍的加速，并且在速度、精度和稳定性方面均优于现有技术。该方法能够以交互速率模拟包含颗粒材料和布料等多种可变形物体的复杂场景，并在Drake机器人工具包中开源。

🎯 应用场景

该研究成果可广泛应用于机器人操作、虚拟现实、游戏开发等领域。例如，可以用于模拟机器人抓取和操作各种可变形物体，提高机器人的智能化水平。在虚拟现实和游戏开发中，可以提供更逼真的物理交互体验。此外，该方法还可以应用于工程设计和仿真，例如模拟车辆在复杂地形上的行驶。

📄 摘要（原文）

We present a novel convex formulation that weakly couples the Material Point Method (MPM) with rigid body dynamics through frictional contact, optimized for efficient GPU parallelization. Our approach features an asynchronous time-splitting scheme to integrate MPM and rigid body dynamics under different time step sizes. We develop a globally convergent quasi-Newton solver tailored for massive parallelization, achieving up to 500x speedup over previous convex formulations without sacrificing stability. Our method enables interactive-rate simulations of robotic manipulation tasks with diverse deformable objects including granular materials and cloth, with strong convergence guarantees. We detail key implementation strategies to maximize performance and validate our approach through rigorous experiments, demonstrating superior speed, accuracy, and stability compared to state-of-the-art MPM simulators for robotics. We make our method available in the open-source robotics toolkit, Drake.