机器之心专栏
作者：王华民（凌迪科技Style3D首席科学家兼凌迪研究院院长）
最近，数字人、元宇宙、云游戏等新概念变得异常火爆。很多圈外人对此感到兴奋，觉得科幻电影中的场景很快就会实现。但很少有人会指出，在虚拟未来:实时物理模拟的道路上，实际上有一个绊脚石。本文结合王华民教授的研究，提出了他对实时物理仿真的一些看法。
无论是在图形圈内还是圈外，对实时性的重要性一直缺乏足够的认识。
长期以来，圈内有一个误区：实时技术应该留给产业发展。很多人认为实时技术无非是优化非实时技术。这个误解造成了今天图形的尴尬局面。
一方面，非实时技术的应用基本上只是在后期的视觉效果上，这一块已经相当饱和了。另一方面，高质量的VR、数字人、虚拟试衣、虚拟手术等大量急需实时技术的应用被延迟。
与英伟达RTX合作
随着该方案的引入，实时渲染问题逐渐得到解决。相比之下，实时物理模拟变得非常重要。与渲染不同，仿真的多样性决定了实时仿真不能单靠硬件解决。RTX的加速结构只能解决一小部分仿真问题。
过去
二十年前，我进入图形圈的时候，还没有物理模拟的概念。当时模拟的主要应用是制作电影的特效。而实时物理模拟被认为是不可能完成的任务。
_加勒比海盗：世界末日的漩涡效应(2007)，ILM的弗兰克洛沙索-彼得森使用了斯坦福大学的物理模型。
模拟引擎完成。弗兰克和这篇文章的作者在斯坦福大学同一个研究小组。_
从技术上讲，物理模拟可以分为两类：流体模拟和变形体模拟。这个划分不是太严格，但是可变形体模拟，包括弹性体模拟、布料模拟、头发模拟等等，有很多共同点。这与流体模拟有很大不同。这与流体模拟有很大不同。
与流体相比，变形体更常见，应用范围更广。博士期间(2004-2009年
在)，我主要研究流体。毕业后，我逐渐意识到变形体的重要性，转而研究变形体。
早期的实时物理模拟技术非常初级。很多时候，需要牺牲模拟质量或物理正确性。
回顾，投射动力学(siggraph 2014)
这是一篇非常重要的论文。它的重要性不在于提出的技术本身，而在于让很多人认识到物理模拟与非线性优化的相关性。从那以后，每个人的思维都被打开了。
基于此，包括我们在内的各个研究团队不断提高可变形体仿真的效率，使得新一代物理仿真引擎的速度越来越快。
值得一提的是，我们团队主要在GPU上研究物理仿真。与CPU相比，GPU的并行能力更加突出。我们的模拟引擎也比较出众。
同时，我们的仿真算法也需要适应GPU硬件的并行特性。如果想直接把CPU上的技术转移到GPU上，是很难成功的。
现在
到目前为止，我认为高质量的实时变形体模拟是部分可行的。
先说游戏。基于位置的动态(PBD)技术是游戏中使用的主要技术。典型的例子是英伟达的
nvbuy .作为一项十多年的老技术，PBD今天依然活跃，其实有着深刻的原因。
large/pgc-image/0d16d05512ff4db98b06a420a5019771' />一个最主要的原因在于现如今很多游戏需要考虑到跨平台，特别是移动端的的运行效率。而在一个游戏中，留给物理模拟的资源非常有限。对于模拟算法而言，内存访问通常会导致很大的计算成本。像PBD这样缺乏物理意义的算法就显得廉价且高效。
PBD 的缺点也很明显。当模拟需要的网格规模变大（比如超过 1024 个顶点），PBD 的效率就不再那么优秀了。
遗憾的是，目前似乎并没有比 PBD 更适合游戏的实时模拟方法。如何为游戏提供高质量实时模拟将会是一个很重要的难题。
倘若我们把硬件资源的限制放宽些，允许模拟引擎可以完全使用最新的 GPU，那现状还是比较乐观的。
比如，我们 2016 年的工作，已经能在 GeForce GTX TITAN X 上实时模拟近 6 万个四面体网格的超弹性效果
(hyperelasticity)。
_一条被拉得扭曲的龙。_
而今年（2021）我们在 SIGGRAPH 上展示的工作，更是能够在 2080Ti 上实时模拟一件有着 11 万个三角形的衬衫。
形变体模拟的开发主要有两个技术门槛：运动求解（dynamics solver）与碰撞处理（collision
handling）。在人体组织、肌肉等需要四面体网格模拟的场景中，运动求解通常是计算开销的主要来源。而对于服装、头发等模拟而言，碰撞处理尤为重要。
如何安全、稳定、高效地处理自碰撞，是所有形变体模拟引擎绕不开的问题。
需要提到的一点。大多数非实时碰撞处理技术无法在GPU上有效并行。因此，我们的团队最近把大量的精力放在利用GPU进行高效碰撞处理上。我们今年的工作将会是一个重要的开端。
未来
在不久的将来，GPU 毫无疑问会越来越快。
但我们不能单纯把实时模拟寄希望于硬件的提升上。过去，实时模拟技术的发展同时依赖于硬件的提升与算法的支持。未来，我们同样需要开发更高效、更匹配硬件的模拟算法，来实现更高质量的物理模拟。
我觉得，多重网格（multigrid）
多 GPU 并行
等等，都会是值得研究的方向。
事实上，我最近在 SIGGRAPH 2021 发表的工作，已经可以以一秒一帧的效率模拟一千万个三角形的服装了。
对于流体，我其实特别喜欢基于各种波的实时水面模拟算法。我之前在佐治亚理工的同学，现在在奥地利IST的Chris
Wojtan教授就做过很多这方面研究。当然，流体的表现形式太多样了。如果想实时模拟大规模的水花四溅还需要更多的工作。
以假乱真的实时模拟效果出现的那天，不会太遥远。
作者简介： 王华民，俄亥俄州立大学终身教授，四届 SIGGRAPH 技术论文委员会委员，公认的世界级图形学科学家。他还是凌迪科技 Style3D
首席科学家兼凌迪研究院院长。他曾以唯一作者身份独立完成四篇
SIGGRAPH（全球规模最大、影响最大的图形学会议）论文。王华民的论文也屡屡被指定为斯坦福、UC 伯克利等名校图形学课程的参考文献。
他的学生遍布知名大厂，从硅谷的
Google、Facebook、Adobe，到国内的阿里、字节、百度等图形和模拟开发领域的重要岗位，都有他曾授业解惑的门徒。业内流传：如果你研究布料仿真，就不可能没读过王华民教授的论文。
