機器人也能干咖啡師的活了！

比如讓它把奶泡和咖啡攪拌均勻，效果是這樣的：

然后上點難度，做杯拿鐵，再用攪拌棒做個圖案，也是輕松拿下：

這些是在已被ICLR 2023接收為Spotlight的一項研究基礎上做到的，他們推出了提出流體操控新基準FluidLab以及多材料可微物理引擎FluidEngine。

研究團隊成員分別來自CMU、達特茅斯學院、哥倫比亞大學、MIT、MIT-IBM Watson AI Lab、馬薩諸塞大學阿默斯特分校。

在FluidLab的加持下，未來機器人處理更多復雜場景下的流體工作也都不在話下。

FluidLab到底都有哪些“隱藏技能”？一起來康康～

“流體力學”高階選手

FluidLab是靠FluidEngine做引擎支撐，正如名稱所言，主打的模擬對象就是流體，不同材料，各種類型運動的細節(jié)它都能完全拿捏。

先來試試模擬做咖啡的各種場景，咖啡和奶泡的運動軌跡也是很真實了。

當然模擬打冰淇凌也是灑灑水的事情。

或者模擬不同狀態(tài)下水流的運動軌跡。

如果說這樣還看不出來FluidLab的實力，那直接上難度。

比如先來點對照模擬，讓平臺模擬一下不同材料下墜時與容器的碰撞情況，從左到右依次是：硬性材料、彈性材料以及塑料。

或者不同非粘性液體和粘性液體下墜時的軌跡。

再上點重磅難度，模擬下氣體與液體相遇時的狀態(tài)。

輕松搞定！

這時，可能會有朋友疑問：這么多狀態(tài)下的模擬，到底符不符合物理學或者流體力學呢？

這點大可放心，研究團隊直接公開了驗證視頻，在涉及一些特定的物理現(xiàn)象時，F(xiàn)luidEngine都能準確模擬。

像卡門渦流和潰壩這種常見物理現(xiàn)象都能準確模擬。

浮力，液體的不可壓縮性與體積穩(wěn)定性在模擬中也是輕輕松松就能體現(xiàn)。

來點進階難度，用馬格努斯效應驗證一下：平移、平移+緩慢逆時針旋轉、平移+快速逆時針旋轉、平移+快速順時針旋轉也都很準確。

再加億點難度，試試動量守恒和瑞利-泰勒不穩(wěn)定性。

……

那如此逼近真實世界的模擬，研究團隊是怎么做到的呢？

不同狀態(tài)有不同的算法

首先在編程語言上，F(xiàn)luidEngine選擇了Python和Taichi，Taichi是近來提出的用于GPU加速仿真的領域特定編程語言。

這樣一來，就可以為構建模擬環(huán)境提供了一組用戶友好的API，在更高的層次上，它也遵循標準OpenAI Gym API，并且與標準的強化學習和優(yōu)化算法兼容。

而之所以能夠做到逼真的虛擬仿真效果，或許可以從FluidEngine創(chuàng)建環(huán)境的過程窺探一二。

它創(chuàng)建的環(huán)境由五個部分組成：

• 配備有用戶定義的末端效應器的機器人代理（可外接機器人）
• 從外部網(wǎng)格導入并表示為符號距離場（SDFs）的對象
• 使用形狀基元或外部網(wǎng)格創(chuàng)建的對象， 用于表示粒子
• 用于在歐拉網(wǎng)格上模擬氣體現(xiàn)象的氣體場（包括速度場和其他平流量場，如煙密度和溫度）
• 一組用戶定義的幾何邊界，以支持稀疏計算

其中，在模擬過程中，對于不同狀態(tài)的材料會采用不同的計算方法。

對于固體和液體材料，模擬過程使用的是移動最小二乘材料點方法（MLS-MPM），這是一個混合拉格朗日-歐拉方法， 使用粒子和網(wǎng)格模擬連續(xù)體材料。

對于煙或空氣這類氣體，模擬過程中使用的是平流-投影方案，在笛卡爾網(wǎng)格上將它們模擬為不可壓縮的流體。

這樣一來，便能針對具體情況模擬到逼真的效果了。

論文、項目地址以及代碼鏈接附在文末了，感興趣的朋友可以點擊查看。

項目主頁：https://fluidlab2023.github.io/論文鏈接：?https://arxiv.org/abs/2303.02346代碼鏈接：?https://github.com/zhouxian/FluidLab