論文の概要: DiffGIPC: Differentiable Mixed-Coordinate Contact Dynamics on GPU

• arxiv url: http://arxiv.org/abs/2610.19091v1
• Date: Tue, 13 Oct 2026 19:29:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.771412
• Title: DiffGIPC: Differentiable Mixed-Coordinate Contact Dynamics on GPU
• Title（参考訳）: DiffGIPC:GPU上の微分混合座標接触ダイナミクス
• Abstract要約: DiffGIPCはGPUでアクセラレーションされた差別化可能なIPCフレームワークで、変形可能な物体とほぼ剛体の相互作用を最適化する。 我々のアフィン体誘導体は、アフィン体当たりの12運動DoFを保ちながら、安静形設計、初期状態最適化、調音制御を可能にする。 実験では、フルスペースのFEMを持つ約150.0xのDiffIPCと、アフィン体を持つ4133.3xのピークスピードアップが示されている。
• 参考スコア（独自算出の注目度）: 32.469263608421834
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Contact-rich inverse problems require efficient gradients and reliable enforcement of non-penetration. Existing differentiable methods provide fast simulation and rigid-deformable coupling, but contact treatments based on penalties or velocity-level constraints can permit penetration or positional drift. Incremental Potential Contact (IPC) maintains non-penetration through geometric barriers and {continuous collision detection (CCD)}. However, repeated forward and backward evaluations remain costly in full-space finite-element (FEM) implementations, particularly when nearly rigid components retain many vertex {degrees of freedom (DoFs)}. We present DiffGIPC, a GPU-accelerated differentiable IPC framework for optimizing interacting deformable and nearly rigid bodies. Our affine-body derivatives enable {rest-shape} design, initial-state optimization, and articulated control while retaining only twelve motion DoFs per affine body. These gradients account for how changes in geometry, placement, and actuation affect other objects through collision and friction. We preserve these interactions in one coupled FEM-affine adjoint system per frame, reducing the backward-system size without discarding the dependencies that drive the inverse problem. GPU-optimized backward computation further reduces the cost of repeated gradient evaluations. A reusable PyTorch interface connects supported physical parameters to user-defined parameter maps and losses across design, identification, motion, placement, and articulated control. Experiments demonstrate peak speedups over DiffIPC of approximately 150.0x with full-space FEM and 4133.3x with affine bodies for combined forward simulation and backward differentiation.
• Abstract（参考訳）: コンタクトリッチな逆問題には、効率的な勾配と信頼性の高い非通電の実施が必要である。 既存の微分可能な方法は高速なシミュレーションと剛性変形可能な結合を提供するが、ペナルティや速度レベルの制約に基づく接触処理は浸透や位置のドリフトを許容する。 インクリメンタル電位接触(IPC)は、幾何学的障壁と連続衝突検出(CCD)による非透過性を維持する。 しかし、フルスペース有限要素 (FEM) の実装において、特に多くの頂点 {自由度 (DoFs) を保っているとき、繰り返し前方および後方への評価はコストがかかるままである。 DiffGIPCはGPUでアクセラレーションされた差別化可能なIPCフレームワークで、変形可能な物体とほぼ剛体の相互作用を最適化する。 我々のアフィン体誘導体は、アフィン体当たりの12運動DoFを保ちながら、設計、初期状態最適化、調音制御を可能にする。 これらの勾配は、幾何学、配置、運動の変化が衝突や摩擦を通じて他の物体にどのように影響するかを説明する。 我々はこれらの相互作用をフレーム毎に結合されたFEM-アフィン結合系で保存し、逆問題を引き起こす依存関係を破棄することなく、後方システムサイズを小さくする。 GPU最適化された後方計算は、繰り返し勾配評価のコストをさらに削減する。 再利用可能なPyTorchインターフェースは、サポート対象の物理パラメータをユーザ定義パラメータマップに接続し、設計、識別、動作、配置、調音制御をまたいだ損失を発生させる。 実験では、約150.0xのDiffIPCをフルスペースのFEMと4133.3xのアフィン体で加速し、前方シミュレーションと後方微分を組み合わせた。

関連論文リスト

• ToF-Wheel Odometry: Navigating Degeneration of Localization With Limited Sensing Capabilities [12.3760529125697]
  ToF-Wheel Odometry (TWO)は、ホイールキネマティクスと、Time-of-Flight (ToF)カメラの幾何学的制約を統合している。 TWOは静的および適応ガウスフィルタと比較して軌道精度とロバスト性を改善する。
  論文  参考訳（メタデータ） (2026-10-10T05:16:10Z)
• Transolver-$σ$: Joint Spectral-Physical Subspace Modeling for Neural PDE Solving [53.58729034895666]
  Transolver-$は、結合スペクトル-物理部分空間モデリングに基づくニューラルPDEソルバである。 平均的な相対誤差を33.4%減らし、各基準に対して最強の基準線を上回り、最先端を達成している。
  論文  参考訳（メタデータ） (2026-09-29T11:24:19Z)
• GPU-Accelerated Polygonal Signed Distance Functions for Real-Time Collision Avoidance [2.1993185973565113]
  実現可能な空間が限られている密集した環境では、計算負荷が制御サイクルランタイムを支配していることが多い。 提案する多角形符号距離関数 (PSDF) は, 凸多角形ロボットの足跡と境界辺で表される障害物との間の距離関数である。 PSDFは、逐次2次プログラミングに基づくリアルタイム反復方式において、段階的安全性制約を局所的に線形化することにより、モデル予測制御に埋め込まれる。 PSDF-MPCは高密度多角形環境におけるリアルタイム実現可能性と堅牢な衝突回避を維持している。
  論文  参考訳（メタデータ） (2026-07-05T13:46:59Z)
• Trajectory Optimization for Collision-Aware Redundant Robotic Multi-Axis Additive Manufacturing by Constrained Gradient Projection [14.036000612440603]
  本研究は、冗長ロボットMAAMにおける衝突認識軌道最適化のための計算フレームワークを提案する。 実験により, 平均ノズル位置誤差を10m以下に維持し, 最大接合ジャークを7.6%まで低減し, 試料衝突や配向違反を排除した。
  論文  参考訳（メタデータ） (2026-06-29T04:18:54Z)
• Constraint-Enhanced Reinforcement Learning Based on Dynamic Decoupled Spherical Radial Squashing [1.2036262042590717]
  各関節が制御ステップごとにどれだけ速く動けるかは、避けられない。 既存の方法は等方性球形の制約を課し、指数関数的に真の実現可能な集合を覆い隠す。 本稿では,ダイナミックデカップリング型球状ラジアルスクアッシング(DD-SRad)を提案する。 Unitree H1とG1のヒューマノイドロボットによる実験は、公式な共同仕様から直接パラメータ化されたエンドツーエンドの最適性を確認する。
  論文  参考訳（メタデータ） (2026-05-05T18:24:46Z)
• Hard Contacts with Soft Gradients: Refining Differentiable Simulators for Learning and Control [23.097754383355156]
  接触力は、ロボット力学の勾配に基づく最適化において大きな課題となる。 ペナルティに基づくシミュレータの接触計算を解析し,勾配誤差の原因を特定する。 本稿では,MuJoCo XLAとアダプティブ統合を組み合わせたDiffMJXを提案する。
  論文  参考訳（メタデータ） (2025-06-17T04:58:08Z)
• Transolver: A Fast Transformer Solver for PDEs on General Geometries [66.82060415622871]
  本稿では, 離散化された測地の背後に隠れた本質的な物理状態を学習するTransolverについて述べる。 スライスから符号化された物理認識トークンに注意を向けることで、Transovlerは複雑な物理的相関を効果的に捉えることができる。 Transolverは6つの標準ベンチマークで22%の相対的な利得で一貫した最先端を実現し、大規模産業シミュレーションでも優れている。
  論文  参考訳（メタデータ） (2024-02-04T06:37:38Z)
• DiffPD: Differentiable Projective Dynamics with Contact [65.88720481593118]
  DiffPDは、暗黙の時間積分を持つ効率的な微分可能なソフトボディシミュレータである。 我々はDiffPDの性能を評価し,様々な応用における標準ニュートン法と比較して4～19倍のスピードアップを観測した。
  論文  参考訳（メタデータ） (2021-01-15T00:13:33Z)
• Fast Gravitational Approach for Rigid Point Set Registration with Ordinary Differential Equations [79.71184760864507]
  本稿では,FGA(Fast Gravitational Approach)と呼ばれる厳密な点集合アライメントのための物理に基づく新しい手法を紹介する。 FGAでは、ソースとターゲットの点集合は、シミュレーションされた重力場内を移動しながら、世界規模で多重リンクされた方法で相互作用する質量を持つ剛体粒子群として解釈される。 従来のアライメント手法では,新しいメソッドクラスには特徴がないことを示す。
  論文  参考訳（メタデータ） (2020-09-28T15:05:39Z)
• Scalable Differentiable Physics for Learning and Control [99.4302215142673]
  微分物理学は、物理的対象や環境を含む問題を学習し、制御するための強力なアプローチである。 我々は、多数のオブジェクトとその相互作用をサポートすることができる微分可能物理学のためのスケーラブルなフレームワークを開発する。
  論文  参考訳（メタデータ） (2020-07-04T19:07:51Z)

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。