Genesis物理求解器详解：刚体、MPM、FEM、SPH

【免费下载链接】Genesis A generative world for general-purpose robotics & embodied AI learning. 项目地址: https://gitcode.com/GitHub_Trending/genesi/Genesis

本文详细解析了Genesis物理引擎中四大核心求解器的技术实现：刚体动力学求解器采用分层架构设计，支持多体系统、碰撞检测和约束求解；物质点法(MPM)求解器结合拉格朗日粒子法和欧拉网格法优势，处理大变形和材料断裂；有限元法(FEM)求解器模拟可变形物体力学行为，采用隐式时间积分和Newton-Raphson迭代；光滑粒子流体动力学(SPH)求解器通过核函数插值计算流体行为，支持WCSPH和DFSPH算法。

刚体动力学求解器实现原理

Genesis的刚体动力学求解器是一个高度优化的物理引擎核心组件，采用现代化的数值方法和并行计算技术来实现高效的刚体动力学模拟。该求解器支持复杂的多体系统、碰撞检测、约束求解等功能，为机器人仿真和物理AI提供了强大的基础。

核心架构设计

Genesis的刚体求解器采用分层架构设计，主要包含以下几个核心模块：

动力学计算原理

质量矩阵计算

刚体系统的质量矩阵计算采用稀疏矩阵表示，充分利用多体系统的树状结构特性：

def func_compute_mass_matrix(
    implicit_damping: ti.template(),
    links_state: array_class.LinksState,
    links_info: array_class.LinksInfo,
    dofs_state: array_class.DofsState,
    dofs_info: array_class.DofsInfo,
    entities_info: array_class.EntitiesInfo,
    rigid_global_info: array_class.RigidGlobalInfo,
    static_rigid_sim_config: ti.template(),
):
    # 计算每个实体的质量矩阵
    for i_e in range(entities_info.n_entities):
        # 递归计算复合刚体的质量属性
        compute_entity_mass_properties(i_e)

前向动力学计算

前向动力学计算采用递归牛顿-欧拉算法，高效计算系统的加速度响应：

def func_forward_dynamics(
    links_state: array_class.LinksState,
    links_info: array_class.LinksInfo,
    dofs_state: array_class.DofsState,
    dofs_info: array_class.DofsInfo,
    joints_info: array_class.JointsInfo,
    entities_state: array_class.EntitiesState,
    entities_info: array_class.EntitiesInfo,
    geoms_state: array_class.GeomsState,
    rigid_global_info: array_class.RigidGlobalInfo,
    static_rigid_sim_config: ti.template(),
    contact_island_state: array_class.ContactIslandState,
):
    # 1. 计算质量矩阵
    func_compute_mass_matrix(...)
    
    # 2. 分解质量矩阵
    func_factor_mass(...)
    
    # 3. 计算扭矩和被动力
    func_torque_and_passive_force(...)
    
    # 4. 更新加速度
    func_update_acc(...)

碰撞检测系统

Genesis采用两级碰撞检测系统，确保高效准确的碰撞处理：

宽相位检测

def func_broad_phase(
    links_state: array_class.LinksState,
    links_info: array_class.LinksInfo,
    geoms_state: array_class.GeomsState,
    geoms_info: array_class.GeomsInfo,
    rigid_global_info: array_class.RigidGlobalInfo,
    static_rigid_sim_config: ti.template(),
    collider_state: array_class.ColliderState,
    collider_info: array_class.ColliderInfo,
):
    # 基于AABB的快速碰撞对筛选
    for i_ga in range(n_geoms):
        for i_gb in range(i_ga + 1, n_geoms):
            if aabbs_overlap(geoms_state.aabb[i_ga], geoms_state.aabb[i_gb]):
                add_collision_pair(i_ga, i_gb)

窄相位检测

窄相位检测支持多种算法，包括GJK、MPR和SDF方法：

检测算法	适用场景	精度	性能
GJK	凸体检测	高	中等
MPR	快速穿透检测	中等	高
SDF	精确距离查询	最高	低

约束求解器

约束求解器支持多种求解算法，处理等式约束、接触约束和关节限制：

约束类型处理

def handle_constraints(self):
    # 处理碰撞约束
    self.add_collision_constraints_and_wakeup_entities()
    
    # 处理关节限制约束
    self.add_joint_limit_constraints()
    
    # 处理摩擦力约束
    self.add_frictionloss_constraints()
    
    # 求解约束系统
    self.resolve()

求解算法比较

Genesis支持两种主要的约束求解算法：

CG（共轭梯度法）：

• 适用于大规模稀疏系统
• 内存效率高
• 迭代收敛稳定

Newton（牛顿法）：

• 二次收敛速度
• 需要计算Hessian矩阵
• 适用于高精度需求

积分方法

刚体动力学采用隐式积分方法，确保数值稳定性：

def func_integrate(
    dofs_state: array_class.DofsState,
    links_info: array_class.LinksInfo,
    joints_info: array_class.JointsInfo,
    rigid_global_info: array_class.RigidGlobalInfo,
    static_rigid_sim_config: ti.template(),
):
    # 隐式欧拉积分
    for i_dof in range(n_dofs):
        # 更新位置
        q_new = q_old + dt * dq
        # 更新速度
        dq_new = dq_old + dt * ddq
        
        # 处理关节限制
        apply_joint_limits(q_new, dq_new)

性能优化技术

休眠机制

Genesis实现了高效的休眠机制，对静止的物体暂停物理计算：

def func_hibernate_entity_and_zero_dof_velocities(
    i_e: int,
    i_b: int,
    entities_state: array_class.EntitiesState,
    entities_info: array_class.EntitiesInfo,
    dofs_state: array_class.DofsState,
    links_state: array_class.LinksState,
    geoms_state: array_class.GeomsState,
) -> None:
    # 检查休眠条件
    if should_hibernate(velocity, acceleration):
        set_entity_hibernated(i_e, i_b)
        zero_dof_velocities(i_e, i_b)

接触岛分离

通过接触岛分离技术，将物理系统分解为独立的求解单元：

并行计算架构

利用Taichi语言和GPU并行计算，实现大规模刚体系统的高效仿真：

@ti.kernel
def kernel_step_1(
    links_state: array_class.LinksState,
    links_info: array_class.LinksInfo,
    joints_state: array_class.JointsState,
    joints_info: array_class.JointsInfo,
    dofs_state: array_class.DofsState,
    dofs_info: array_class.DofsInfo,
    geoms_state: array_class.GeomsState,
    geoms_info: array_class.GeomsInfo,
    entities_state: array_class.EntitiesState,
    entities_info: array_class.EntitiesInfo,
    rigid_global_info: array_class.RigidGlobalInfo,
    static_rigid_sim_config: ti.template(),
    contact_island_state: array_class.ContactIslandState,
):
    # 并行更新所有实体的运动学状态
    ti.loop_config(parallel=True)
    for i_b in range(_B):
        func_update_cartesian_space(
            i_b=i_b,
            links_state=links_state,
            links_info=links_info,
            # ... 其他参数
        )

数值稳定性保障

Genesis采用了多种数值稳定性技术：

1. 约束正则化：避免约束系统出现数值奇异性
2. 时间步长控制：自适应调整积分步长
3. 碰撞容差：防止穿透和数值振荡
4. 迭代容差：确保约束求解的收敛性

应用场景与性能表现

该刚体动力学求解器在以下场景中表现出色：

• 机器人仿真：支持复杂的多关节机器人动力学
• 虚拟现实：实时交互式物理模拟
• 游戏开发：大规模刚体系统仿真
• 科学研究：高精度物理现象研究

性能基准测试显示，在RTX 4090显卡上，Genesis可以同时仿真超过10,000个刚体，达到实时性能要求。

通过先进的算法设计和并行计算优化，Genesis的刚体动力学求解器在精度、稳定性和性能之间实现了最佳平衡，为各种物理仿真应用提供了强大的技术基础。

物质点法(MPM)求解器技术细节

Genesis框架中的物质点法(MPM)求解器是一个高度优化的物理引擎组件，专门用于模拟连续介质材料的复杂变形行为。MPM方法结合了拉格朗日粒子法和欧拉网格法的优势，能够精确处理大变形、材料断裂和流体-固体耦合等复杂物理现象。

MPM求解器架构设计

Genesis的MPM求解器采用模块化设计，核心组件包括：

核心数据结构与场变量

MPM求解器维护多个关键数据结构来跟踪物质状态：

场变量类型	数据结构	描述	维度
粒子状态	struct_particle_state	包含位置、速度、变形梯度等	(B, substeps+1, n_particles)
网格状态	grid_cell_state	网格动量、质量、速度	(B, substeps+1, grid_res)
渲染状态	particle_state_render	用于可视化的粒子状态	(B, n_particles)
顶点信息	vvert_info	顶点支撑索引和权重	(n_vverts)

数值算法实现细节

1. 变形梯度计算

MPM求解器使用增量式变形梯度更新策略：

@ti.kernel
def compute_F_tmp(self, f: ti.i32):
    for i_p, i_b in ti.ndrange(self._n_particles, self._B):
        if self.particles_ng[f, i_p, i_b].active:
            self.particles[f, i_p, i_b].F_tmp = (
                ti.Matrix.identity(gs.ti_float, 3) + 
                self.substep_dt * self.particles[f, i_p, i_b].C
            ) @ self.particles[f, i_p, i_b].F

其中关键变量含义：

• F_tmp: 临时变形梯度张量
• C: 仿射速度场矩阵
• substep_dt: 子步长时间步长

2. 奇异值分解(SVD)处理

为处理有限变形中的材料非线性，MPM求解器对变形梯度进行SVD分解：

@ti.kernel
def svd(self, f: ti.i32):
    for i_p, i_b in ti.ndrange(self._n_particles, self._B):
        if self.particles_ng[f, i_p, i_b].active:
            self.particles[f, i_p, i_b].U, 
            self.particles[f, i_p, i_b].S, 
            self.particles[f, i_p, i_b].V = ti.svd(
                self.particles[f, i_p, i_b].F_tmp, gs.ti_float
            )

SVD分解得到：

• U: 左奇异向量矩阵（旋转）
• S: 奇异值矩阵（拉伸）
• V: 右奇异向量矩阵（旋转）

3. 材料本构模型

Genesis支持多种MPM材料模型，通过统一的接口实现：

@ti.func
def update_stress(self, U, S, V, F_tmp, F_new, J, Jp, actu, m_dir):
    stress = 2 * self._mu * (F_new - U @ V.transpose()) @ F_new.transpose() + 
             ti.Matrix.identity(gs.ti_float, 3) * self._lam * J * (J - 1)
    return stress

并行计算优化

MPM求解器充分利用Taichi的并行计算能力：

数据布局优化

# SOA(Structure of Arrays)布局提升内存访问效率
self.particles = struct_particle_state.field(
    shape=self._batch_shape((self._sim.substeps_local + 1, self._n_particles)),
    needs_grad=True,
    layout=ti.Layout.SOA,  # 使用SOA布局
)

批处理支持

支持多环境并行仿真，通过批次维度实现：

def _batch_shape(self, shape=None, first_dim=False, B=None):
    if B is None:
        B = self._B
    return (B,) + shape if first_dim else shape + (B,)

耦合机制实现

MPM求解器支持与刚体和其他物理求解器的双向耦合：

耦合过程中的关键步骤：

1. 几何检测: 使用SDF(符号距离函数)检测粒子-刚体接触
2. 力计算: 基于接触几何计算相互作用力
3. 力施加: 将计算得到的力施加到相应实体

稳定性与性能优化

时间步长控制

MPM求解器自动计算稳定时间步长：

suggested_dt = 2e-2 * self._dx
if self.substep_dt > suggested_dt:
    gs.logger.warning("时间步长过大可能导致模拟不稳定")

其中dx为网格间距，确保CFL条件满足。

数值稳定性措施

• 体积缩放: 使用_p_vol_scale避免小体积数值不稳定
• 边界填充: 添加安全边界防止粒子逃逸
• 激活状态管理: 跟踪粒子激活状态优化计算

可视化与渲染支持

MPM求解器提供多种可视化模式：

可视化模式	描述	适用场景
recon	表面重建渲染	高质量可视化
particle	直接粒子渲染	调试和分析
visual	视觉网格渲染	实时交互

# 可视化配置示例
scene = gs.Scene(
    vis_options=gs.options.VisOptions(
        visualize_mpm_boundary=True,  # 显示MPM边界
    )
)

扩展性与自定义

MPM求解器设计支持灵活扩展：

1. 新材料开发: 继承Base类实现自定义本构模型
2. 新耦合机制: 通过耦合器接口添加新的相互作用
3. 新数值方法: 替换核心算法模块

这种模块化设计使得Genesis的MPM求解器既能够处理传统的弹性、塑性材料，也能够支持肌肉、流体等特殊材料的模拟，为机器人学和 embodied AI 研究提供了强大的物理仿真基础。

有限元法(FEM)求解器架构设计

Genesis的有限元法(FEM)求解器是一个高度优化的物理仿真核心组件，专门用于模拟可变形物体的复杂力学行为。该求解器采用现代化的架构设计，融合了高性能计算、数值稳定性和物理准确性，为机器人仿真和实体AI学习提供了强大的基础。

核心架构设计

FEM求解器的架构采用分层设计，主要包含以下几个核心层次：

数据结构设计

FEM求解器采用高效的数据结构来管理仿真状态：

顶点状态字段 (Vertex State Fields)

字段名	数据类型	描述	用途
pos	gs.ti_vec3	顶点位置	存储当前时间步的位置信息
vel	gs.ti_vec3	顶点速度	存储当前时间步的速度信息
inertia	gs.ti_vec3	惯性力	用于隐式求解的惯性项计算
force	gs.ti_vec3	作用力	存储当前作用在顶点上的力

单元信息字段 (Element Info Fields)

字段名	数据类型	描述	物理意义
el2v	gs.ti_ivec4	顶点索引映射	定义四面体单元的顶点连接关系
mu	gs.ti_float	第一拉梅参数	材料的剪切模量
lam	gs.ti_float	第二拉梅参数	材料的体积模量
mass_scaled	gs.ti_float	缩放质量	数值稳定性优化的质量值
B	gs.ti_mat3	逆变形梯度	参考状态下的逆变形梯度
V	gs.ti_float	参考体积	单元在未变形状态下的体积

数值求解策略

FEM求解器采用先进的数值方法确保仿真的稳定性和准确性：

隐式时间积分

# 隐式欧拉时间积分核心方程
M * (x_{n+1} - 2x_n + x_{n-1}) / Δt² = F(x_{n+1})

# 转化为非线性方程组
R(x) = M * (x - 2x_n + x_{n-1}) / Δt² - F(x) = 0

Newton-Raphson迭代求解

预处理共轭梯度法(PCG)

对于大规模线性系统的求解，采用PCG方法：

def pcg_solve(self):
    # 初始化
    r = b - A * x0
    z = M⁻¹ * r  # 预处理
    p = z
    rTr = r·r
    rTz = r·z
    
    for i in range(max_iter):
        Ap = A * p
        alpha = rTz / (p·Ap)
        x = x + alpha * p
        r_new = r - alpha * Ap
        z_new = M⁻¹ * r_new
        rTr_new = r_new·r_new
        rTz_new = r_new·z_new
        
        if sqrt(rTr_new) < tolerance:
            break
            
        beta = rTz_new / rTz
        p = z_new + beta * p
        r = r_new
        z = z_new
        rTr = rTr_new
        rTz = rTz_new

材料模型系统

FEM求解器支持多种材料模型，包括：

弹性材料模型

class ElasticMaterial:
    def compute_energy_gradient_hessian(self, F, mu, lam):
        # 计算变形梯度F的极分解
        R, S = polar_decomposition(F)
        
        # 科西格林应变张量
        E = 0.5 * (F.T @ F - I)
        
        # 圣维南-基尔霍夫模型能量密度
        Psi = mu * torch(E) + 0.5 * lam * (tr(E))**2
        
        # 第一Piola-Kirchhoff应力
        P = F @ (2 * mu * E + lam * tr(E) * I)
        
        # 弹性刚度矩阵
        C = 4 * mu * outer(E, E) + 2 * lam * I ⊗ I
        
        return Psi, P, C

肌肉材料模型

class MuscleMaterial:
    def compute_active_energy(self, F, activation, fiber_direction):
        # 纤维方向在变形后的状态
        fiber_stretch = norm(F @ fiber_direction)
        
        # 主动收缩能量
        Psi_active = activation * fiber_force_length_relation(fiber_stretch)
        
        return Psi_active

约束处理系统

FEM求解器支持多种约束类型，确保仿真的物理真实性：

顶点约束

def apply_vertex_constraints(self, f):
    # 硬约束处理 - 直接修改位置
    for constraint in self.hard_constraints:
        vertex_idx = constraint.vertex_idx
        target_pos = constraint.target_pos
        self.elements_v[f, vertex_idx].pos = target_pos
        self.elements_v[f, vertex_idx].vel = gs.ti_vec3(0)
    
    # 软约束处理 - 通过惩罚力实现
    for constraint in self.soft_constraints:
        vertex_idx = constraint.vertex_idx
        target_pos = constraint.target_pos
        stiffness = constraint.stiffness
        current_pos = self.elements_v[f, vertex_idx].pos
        force = stiffness * (target_pos - current_pos)
        self.elements_v_energy[vertex_idx].force += force

性能优化策略

Genesis的FEM求解器采用了多项性能优化技术：

1. 批处理仿真：支持同时仿真多个环境，充分利用GPU并行计算能力
2. 内存布局优化：使用Structure of Arrays(SOA)内存布局提高缓存效率
3. 惰性初始化：仅在需要时分配和初始化数据结构
4. 数值稳定性：采用缩放体积和质量来提高数值计算的稳定性
5. 自适应求解：根据收敛情况动态调整迭代次数

耦合接口设计

FEM求解器提供了统一的耦合接口，支持与其他物理求解器的无缝集成：

def substep_pre_coupling(self, f):
    # 在耦合前执行的计算步骤
    self.compute_vel(f)
    self.apply_uniform_force(f)
    self.compute_pos(f)

def substep_post_coupling(self, f):
    # 在耦合后执行的计算步骤
    self.precompute_material_data(f)
    self.compute_ele_hessian_gradient(f)
    self.batch_solve(f)

这种架构设计使得FEM求解器能够高效地处理复杂的多物理场耦合问题，为机器人仿真和实体AI学习提供了强大的物理仿真基础。

光滑粒子流体动力学(SPH)求解器

光滑粒子流体动力学(Smoothed Particle Hydrodynamics, SPH)是Genesis物理引擎中用于模拟流体行为的核心求解器之一。SPH方法采用拉格朗日视角，将流体离散化为一系列携带物理属性的粒子，通过核函数插值来计算连续介质中的物理量。

SPH求解器架构

Genesis的SPH求解器采用模块化设计，主要包含以下核心组件：

核心算法实现

1. 空间哈希与邻居搜索

SPH求解器使用空间哈希技术来高效处理粒子间的相互作用：

# 空间哈希器初始化
self.sh = gu.SpatialHasher(
    cell_size=options.hash_grid_cell_size,
    grid_res=options._hash_grid_res,
)

# 邻居搜索核心函数
@ti.func
def _task_compute_rho(self, i, j, ret: ti.template(), i_b):
    ret += self._p_vol * self.cubic_kernel(
        (self.particles_reordered[i, i_b].pos - 
         self.particles_reordered[j, i_b].pos).norm()
    )

2. 核函数实现

Genesis采用三次样条核函数进行粒子间相互作用的插值计算：

@ti.func
def cubic_kernel(self, r_norm):
    res = gs.ti_float(0.0)
    h = self._support_radius
    k = 8 / np.pi / h**3  # 归一化常数
    q = r_norm / h
    
    if q <= 1.0:
        if q <= 0.5:
            q2 = q * q
            q3 = q2 * q
            res = k * (6.0 * q3 - 6.0 * q2 + 1)
        else:
            res = k * 2 * ti.pow(1 - q, 3.0)
    return res

3. 压力求解算法

支持两种压力求解方法：WCSPH（弱可压缩SPH）和DFSPH（散度自由SPH）：

算法	特点	适用场景
WCSPH	计算简单，实时性好	一般流体模拟
DFSPH	严格保持不可压缩性	高精度流体模拟

def _pressure_solve(self, f: ti.i32):
    if self._pressure_solver == "WCSPH":
        self._kernel_compute_rho(f)
        self._kernel_compute_non_pressure_forces(f, self._sim.cur_t)
        self._kernel_compute_pressure_forces(f)
        self._kernel_advect_velocity(f)
    elif self._pressure_solver == "DFSPH":
        self._kernel_compute_rho(f)
        self._kernel_compute_DFSPH_factor(f)
        self._divergence_solve(f)
        self._kernel_advect_velocity(f)
        self._kernel_compute_non_pressure_forces(f, self._sim.cur_t)
        self._kernel_predict_velocity(f)
        self._density_solve(f)

物理模型与材料属性

SPH材料支持丰富的物理属性配置：

class Liquid(Base):
    def __init__(self, rho=1000.0, stiffness=50000.0, 
                 exponent=7.0, mu=0.005, gamma=0.01):
        self._rho = rho          # 密度 (kg/m³)
        self._stiffness = stiffness  # 刚度 (N/m²)
        self._exponent = exponent    # 状态方程指数
        self._mu = mu            # 粘度系数
        self._gamma = gamma      # 表面张力系数

耦合与边界处理

SPH求解器支持与其他物理求解器的耦合：

边界处理采用立方体边界条件：

def setup_boundary(self):
    self.boundary = CubeBoundary(
        lower=self._lower_bound,
        upper=self._upper_bound,
        # restitution=0.5,
    )

性能优化特性

1. 粒子重排序优化：通过空间哈希对粒子进行空间局部性优化
2. 批处理支持：支持多环境并行模拟
3. GPU加速：基于Taichi框架实现GPU并行计算

使用示例

创建SPH流体实体的基本流程：

import genesis as gs

# 初始化场景
scene = gs.Scene(
    sph_options=gs.options.SPHOptions(
        lower_bound=(-0.5, -0.5, 0.0),
        upper_bound=(0.5, 0.5, 1),
        particle_size=0.01,
    )
)

# 创建SPH流体实体
liquid = scene.add_entity(
    material=gs.materials.SPH.Liquid(
        rho=1000.0,      # 水密度
        mu=0.001,        # 水的粘度
        gamma=0.072      # 水的表面张力
    ),
    morph=gs.morphs.Box(
        pos=(0.0, 0.0, 0.65),
        size=(0.4, 0.4, 0.4),
    ),
    surface=gs.surfaces.Default(
        color=(0.4, 0.8, 1.0),  # 水的颜色
        vis_mode="particle",
    ),
)

# 构建并运行模拟
scene.build()
for i in range(1000):
    scene.step()

技术特点总结

Genesis的SPH求解器具有以下突出特点：

• 高精度物理模拟：支持表面张力、粘度等多种物理效应
• 灵活的配置选项：可通过SPHOptions精细调整模拟参数
• 高效的并行计算：基于Taichi实现GPU加速
• 多求解器耦合：支持与刚体、MPM、FEM等求解器的双向耦合
• 实时可视化：提供多种粒子渲染模式

该SPH求解器为机器人操作中的流体交互、液体搬运等任务提供了高质量的物理仿真基础，是Genesis物理引擎中不可或缺的重要组成部分。

总结

Genesis物理引擎通过四大求解器提供了全面的物理仿真能力：刚体求解器为多体动力学提供高效稳定的基础；MPM求解器擅长处理连续介质材料的大变形和断裂；FEM求解器精确模拟可变形物体的复杂力学行为；SPH求解器专门用于流体动力学模拟。这些求解器均采用现代化架构设计，融合高性能计算、数值稳定性和物理准确性，支持相互耦合与GPU并行加速，为机器人仿真、虚拟现实、游戏开发和科学研究提供了强大的技术基础，在精度、稳定性和性能之间实现了最佳平衡。

【免费下载链接】Genesis A generative world for general-purpose robotics & embodied AI learning. 项目地址: https://gitcode.com/GitHub_Trending/genesi/Genesis