让机器人学会咖啡拉花，得从流体力学搞起！CMU&MIT 推出流体模拟平台

导读：机器人也能干咖啡师的活了！　　比如让它把奶泡和咖啡搅拌均匀，效果是这样的：　　在 FluidLab 的加持下，未来机器人处理更多复杂场景下的流体工作也都不在话下。　　Flu

　　机器人也能干咖啡师的活了！

　　比如让它把奶泡和咖啡搅拌均匀，效果是这样的：

　　在 FluidLab 的加持下，未来机器人处理更多复杂场景下的流体工作也都不在话下。

　　FluidLab 到底都有哪些 " 隐藏技能 "？一起来康康～

　　" 流体力学 " 高阶选手

　　FluidLab 是靠 FluidEngine 做引擎支撑，正如名称所言，主打的模拟对象就是流体，不同材料，各种类型运动的细节它都能完全拿捏。

　　先来试试模拟做咖啡的各种场景，咖啡和奶泡的运动轨迹也是很真实了。

　　当然模拟打冰淇凌也是洒洒水的事情。

　　或者模拟不同状态下水流的运动轨迹。

　　如果说这样还看不出来 FluidLab 的实力，那直接上难度。

　　比如先来点对照模拟，让平台模拟一下不同材料下坠时与容器的碰撞情况，从左到右依次是：硬性材料、弹性材料以及塑料。

　　或者不同非粘性液体和粘性液体下坠时的轨迹。

　　再上点重磅难度，模拟下气体与液体相遇时的状态。

　　轻松搞定！

　　这时，可能会有朋友疑问：这么多状态下的模拟，到底符不符合物理学或者流体力学呢？

　　这点大可放心，研究团队直接公开了验证视频，在涉及一些特定的物理现象时，FluidEngine 都能准确模拟。

　　像卡门涡流和溃坝这种常见物理现象都能准确模拟。

　　浮力，液体的不可压缩性与体积稳定性在模拟中也是轻轻松松就能体现。

　　来点进阶难度，用马格努斯效应验证一下：平移、平移 + 缓慢逆时针旋转、平移 + 快速逆时针旋转、平移 + 快速顺时针旋转也都很准确。

　　再加亿点难度，试试动量守恒和瑞利 - 泰勒不稳定性。

　　……

　　那如此逼近真实世界的模拟，研究团队是怎么做到的呢？

　　不同状态有不同的算法

　　首先在编程语言上，FluidEngine 选择了 Python 和 Taichi，Taichi 是近来提出的用于 GPU 加速仿真的领域特定编程语言。

　　这样一来，就可以为构建模拟环境提供了一组用户友好的 API，在更高的层次上，它也遵循标准 OpenAI Gym API，并且与标准的强化学习和优化算法兼容。

　　而之所以能够做到逼真的虚拟仿真效果，或许可以从 FluidEngine 创建环境的过程窥探一二。

　　它创建的环境由五个部分组成：

　　配备有用户定义的末端效应器的机器人代理（可外接机器人）

　　从外部网格导入并表示为符号距离场（SDFs）的对象

　　使用形状基元或外部网格创建的对象， 用于表示粒子

　　用于在欧拉网格上模拟气体现象的气体场（包括速度场和其他平流量场，如烟密度和温度）

　　一组用户定义的几何边界，以支持稀疏计算

　　其中，在模拟过程中，对于不同状态的材料会采用不同的计算方法。

　　对于固体和液体材料，模拟过程使用的是移动最小二乘材料点方法（MLS-MPM），。

　　对于烟或空气这类气体，模拟过程中使用的是平流 - 投影方案，在笛卡尔网格上将它们模拟为不可压缩的流体。

　　这样一来，便能针对具体情况模拟到逼真的效果了。

　　论文、项目地址以及代码链接附在文末了，感兴趣的朋友可以点击查看。

　　项目主页：https://fluidlab2023.github.io/

　　论文链接：https://arxiv.org/abs/2303.02346

　　代码链接：https://github.com/zhouxian/FluidLab