Pour que les robots apprennent l’art du café latte, il faut commencer par la mécanique des fluides ! CMU&MIT lance une plateforme de simulation de fluides

Les robots peuvent aussi faire le travail des baristas !

Par exemple, si vous laissez remuer la mousse de lait et le café uniformément, l'effet sera le suivant :

Ensuite, rendez-le un peu plus difficile, faites un latte, puis utilisez le bâtonnet pour faire un modèle, c'est aussi facile à faire :

Ceux-ci sont basés sur une recherche qui a été acceptée comme Spotlight par l'ICLR 2023. Ils ont lancé FluidLab, une nouvelle référence pour la manipulation des fluides, et le moteur physique différenciable multi-matériaux FluidEngine .

Les membres de l'équipe de recherche viennent de la CMU, du Dartmouth College, de l'Université de Columbia, du MIT, du MIT-IBM Watson AI Lab et de l'Université du Massachusetts Amherst.

Avec le soutien de FluidLab, il sera facile pour les robots de gérer un travail fluide dans des scénarios plus complexes à l'avenir.

Quelles sont les « compétences cachées » de FluidLab ? Amusons-nous ensemble ~

Acteurs avancés en « mécanique des fluides »

FluidLab s'appuie sur FluidEngine comme support moteur. Comme son nom l'indique, l'objet de simulation principal est fluide. Il peut pleinement saisir les détails de différents matériaux et de différents types de matériaux. mouvements.

Essayez d'abord de simuler diverses scènes de préparation du café. Les trajectoires de mouvement du café et de la mousse de lait sont également très réalistes.

Bien sûr, simuler une glace, c'est aussi une question d'aspersion d'eau.

Ou simulez la trajectoire de l'écoulement de l'eau dans différentes conditions.

Si vous ne voyez toujours pas la force de FluidLab, alors passez directement au niveau de difficulté.

Par exemple, faisons d'abord une simulation comparative et laissons la plateforme simuler la collision de différents matériaux avec le conteneur lorsqu'ils tombent. De gauche à droite, ce sont : les matériaux durs, les matériaux élastiques et les plastiques.

Ou les trajectoires des différents liquides non visqueux et des liquides visqueux lorsqu'ils tombent.

Plus difficile, simulez l'état de rencontre du gaz et du liquide.

Facile à faire !

En ce moment, certains amis peuvent se demander : la simulation dans autant d'états est-elle conforme à la physique ou à la mécanique des fluides ?

Vous pouvez être assuré que l'équipe de recherche a directement divulgué la vidéo de vérification. Lorsqu'il s'agit de certains phénomènes physiques spécifiques, FluidEngine peut les simuler avec précision.

Les phénomènes physiques courants tels que le vortex de Karman et la rupture de barrage peuvent être simulés avec précision.

La flottabilité, l'incompressibilité et la stabilité du volume des liquides peuvent également être facilement reflétées dans la simulation.

Passez au niveau avancé et utilisez l'effet Magnus pour vérifier : la traduction, la traduction + la rotation lente dans le sens inverse des aiguilles d'une montre, la traduction + la rotation rapide dans le sens inverse des aiguilles d'une montre et la traduction + la rotation rapide dans le sens des aiguilles d'une montre sont toutes exactes.

Ajoutez 100 millions de points de difficulté et essayez la conservation de l'élan et l'instabilité de Rayleigh-Taylor.

...

Alors comment l'équipe de recherche a-t-elle réussi à réaliser une simulation aussi proche du monde réel ?

Différents états ont des algorithmes différents

Tout d'abord, en termes de langage de programmation, FluidEngine a choisi Python et Taichi est un langage de programmation spécifique à un domaine récemment proposé pour la simulation accélérée par GPU.

Cela fournit un ensemble convivial d'API pour créer des environnements de simulation. À un niveau supérieur, il suit également l'API standard d'OpenAI Gym et est compatible avec les algorithmes standard d'apprentissage par renforcement et d'optimisation.

La raison pour laquelle il est possible d'obtenir des effets de simulation virtuelle réalistes peut peut-être être tirée du processus de création d'un environnement avec FluidEngine.

L'environnement qu'il crée se compose de cinq parties :

• Un agent robot (un robot enfichable) équipé d'effecteurs finaux définis par l'utilisateur
• Des objets importés de maillages externes et représentés sous forme de champs de distance signés (SDF)
• Des objets créés à l'aide de primitives de forme ou maillages externes, utilisés pour représenter les particules
• Champs de gaz (y compris les champs de vitesse et autres champs d'advection tels que la densité de la fumée et la température) utilisés pour modéliser les phénomènes gazeux sur les maillages eulériens
• Un ensemble de limites géométriques définies par l'utilisateur pour prendre en charge les calculs

Parmi eux, lors du processus de simulation, différentes méthodes de calcul seront utilisées pour les matériaux dans différents états.

Pour les matériaux solides et liquides, le processus de simulation utilise la méthode des points matériels des moindres carrés mobiles (MLS-MPM), qui est une méthode hybride lagrangienne-eulérienne qui utilise des particules et des maillages pour simuler des matériaux continus.

Pour les gaz tels que la fumée ou l'air, le schéma d'advection-projection est utilisé dans le processus de simulation pour les simuler sous forme de fluides incompressibles sur une grille cartésienne.

De cette façon, des effets réalistes peuvent être simulés pour des situations spécifiques.

Le document, l'adresse du projet et le lien du code sont joints à la fin de l'article. Les amis intéressés peuvent cliquer pour voir.

Page d'accueil du projet : https://fluidlab2023.github.io/Lien papier :​https://arxiv.org/abs/2303.02346 Lien de code :​https://github.com/zhouxian/FluidLab

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!