論文の概要: SoftMAC: Differentiable Soft Body Simulation with Forecast-based Contact Model and Two-way Coupling with Articulated Rigid Bodies and Clothes
- arxiv url: http://arxiv.org/abs/2312.03297v2
- Date: Sat, 16 Mar 2024 05:01:26 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-20 02:52:49.314983
- Title: SoftMAC: Differentiable Soft Body Simulation with Forecast-based Contact Model and Two-way Coupling with Articulated Rigid Bodies and Clothes
- Title(参考訳): ソフトMAC:予測型接触モデルと人工剛体と衣服の双方向結合による異種軟体シミュレーション
- Authors: Min Liu, Gang Yang, Siyuan Luo, Lin Shao,
- Abstract要約: 我々は,柔らかい体と硬い体と衣服を結合する,微分可能なシミュレーションフレームワークであるSoftMACを提案する。
変形性および非揮発性衣料メッシュとMPM粒子を結合するために, 浸透トレーシングアルゴリズムを提案する。
提案した微分可能なパイプラインの有効性と精度を検証するための総合的な実験を行った。
- 参考スコア(独自算出の注目度): 7.93869411097782
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Differentiable physics simulation provides an avenue to tackle previously intractable challenges through gradient-based optimization, thereby greatly improving the efficiency of solving robotics-related problems. To apply differentiable simulation in diverse robotic manipulation scenarios, a key challenge is to integrate various materials in a unified framework. We present SoftMAC, a differentiable simulation framework that couples soft bodies with articulated rigid bodies and clothes. SoftMAC simulates soft bodies with the continuum-mechanics-based Material Point Method (MPM). We provide a novel forecast-based contact model for MPM, which effectively reduces penetration without introducing other artifacts like unnatural rebound. To couple MPM particles with deformable and non-volumetric clothes meshes, we also propose a penetration tracing algorithm that reconstructs the signed distance field in local area. Diverging from previous works, SoftMAC simulates the complete dynamics of each modality and incorporates them into a cohesive system with an explicit and differentiable coupling mechanism. The feature empowers SoftMAC to handle a broader spectrum of interactions, such as soft bodies serving as manipulators and engaging with underactuated systems. We conducted comprehensive experiments to validate the effectiveness and accuracy of the proposed differentiable pipeline in downstream robotic manipulation applications. Supplementary materials and videos are available on our project website at https://sites.google.com/view/softmac.
- Abstract(参考訳): 微分物理学シミュレーションは、勾配に基づく最適化を通じて、これまで難解だった課題に対処する方法を提供し、それによってロボット関連問題の解法効率を大幅に改善する。
多様なロボット操作シナリオに微分可能シミュレーションを適用するためには、様々な材料を統一されたフレームワークに統合することが課題である。
我々は,柔らかい体と硬い体と衣服を結合する,微分可能なシミュレーションフレームワークであるSoftMACを提案する。
ソフトMACは、連続力学に基づくマテリアルポイント法(MPM)で軟体をシミュレートする。
非自然的リバウンドのような他のアーティファクトを導入することなく、侵入を効果的に抑制できる新しい予測ベースのMPM接触モデルを提供する。
変形性および非体積性の衣服メッシュとMPM粒子を結合するために,局所領域の符号付き距離場を再構成する浸透追跡アルゴリズムを提案する。
以前の研究と異なり、SoftMACは各モードの完全なダイナミクスをシミュレートし、明示的で微分可能なカップリング機構を持つ凝集系にそれらを組み込む。
この機能はSoftMACに、マニピュレータとして機能するソフトボディや不動システムなど、幅広い相互作用のスペクトルを扱う権限を与える。
下流ロボット操作アプリケーションにおいて,提案した差別化可能なパイプラインの有効性と精度を検証するための総合的な実験を行った。
追加資料とビデオはプロジェクトのWebサイトでhttps://sites.google.com/view/softmac.comで公開されている。
関連論文リスト
- DiffuseBot: Breeding Soft Robots With Physics-Augmented Generative
Diffusion Models [102.13968267347553]
本稿では,様々なタスクにおいて優れたソフトロボット形態を生成する物理拡張拡散モデルであるDiffuseBotを提案する。
我々は、その能力とともに、シミュレーションされた、そして製造された様々なロボットを紹介します。
論文 参考訳(メタデータ) (2023-11-28T18:58:48Z) - FluidLab: A Differentiable Environment for Benchmarking Complex Fluid
Manipulation [80.63838153351804]
複雑な流体力学を含む多種多様な操作タスクを備えたシミュレーション環境であるFluidLabを紹介する。
私たちのプラットフォームの中心には、GPU加速シミュレーションと勾配計算を提供する、完全に微分可能な物理シミュレータがあります。
微分可能物理学と組み合わせたいくつかのドメイン固有最適化スキームを提案する。
論文 参考訳(メタデータ) (2023-03-04T07:24:22Z) - Differentiable Simulation of Soft Multi-body Systems [99.4302215142673]
我々は、Projective Dynamics内でトップダウン行列アセンブリアルゴリズムを開発する。
筋肉,関節トルク,空気圧管によって駆動される軟口蓋体に対して,異なる制御機構を導出する。
論文 参考訳(メタデータ) (2022-05-03T20:03:22Z) - DiSECt: A Differentiable Simulator for Parameter Inference and Control
in Robotic Cutting [71.50844437057555]
軟質材料を切断するための最初の微分可能シミュレータであるDiSECtについて述べる。
シミュレータは、符号付き距離場に基づく連続接触モデルにより有限要素法を増強する。
このシミュレータは, 最先端の商用解法を用いて, 結果の力やフィールドに適合するようにキャリブレーションできることを示す。
論文 参考訳(メタデータ) (2022-03-19T07:27:19Z) - Learning physics-informed simulation models for soft robotic
manipulation: A case study with dielectric elastomer actuators [21.349079159359746]
柔らかいアクチュエータは、緩やかな握りや器用な動きといったロボット作業に対して安全かつ適応的なアプローチを提供する。
このようなシステムを制御するための正確なモデルを作成することは、変形可能な物質の複雑な物理のために困難である。
本稿では,微分可能シミュレータと有限要素法の利点を組み合わせたフレームワークを提案する。
論文 参考訳(メタデータ) (2022-02-25T21:15:05Z) - Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。
連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。
我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
論文 参考訳(メタデータ) (2021-11-15T18:50:04Z) - Learning Material Parameters and Hydrodynamics of Soft Robotic Fish via
Differentiable Simulation [26.09104786491426]
本フレームワークは, 実ハードウェアにおける複合バイモルフ曲げ構造の動的挙動の高精度予測を可能にする。
我々は,ロボットの材料パラメータと流体力学を学習するための,実験的に検証された高速な最適化パイプラインを実証した。
我々は水中ソフトロボットの特定の応用に焦点をあてるが、我々のフレームワークは空気圧で作動するソフトメカニズムにも適用できる。
論文 参考訳(メタデータ) (2021-09-30T05:24:02Z) - PlasticineLab: A Soft-Body Manipulation Benchmark with Differentiable
Physics [89.81550748680245]
PasticineLabと呼ばれる新しい微分可能な物理ベンチマークを導入する。
各タスクにおいて、エージェントはマニピュレータを使用して、プラスチックを所望の構成に変形させる。
本稿では,既存の強化学習(RL)手法と勾配に基づく手法について評価する。
論文 参考訳(メタデータ) (2021-04-07T17:59:23Z) - ADD: Analytically Differentiable Dynamics for Multi-Body Systems with
Frictional Contact [26.408218913234872]
剛体および変形可能な物体に対する摩擦接触を処理できる微分可能な動的解法を提案する。
本手法は, 摩擦接触の非平滑な性質に起因した主な困難を回避できる。
論文 参考訳(メタデータ) (2020-07-02T09:51:36Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。