Untuk robot mempelajari seni coffee latte, kita perlu bermula dengan mekanik bendalir! CMU&MIT melancarkan platform simulasi bendalir

Robot juga boleh melakukan kerja barista!

Sebagai contoh, biarkan ia mengacau buih susu dan kopi dengan sekata Kesannya adalah seperti berikut:

Kemudian tingkatkan kesukaran, buat latte, dan. kemudian kacau Mudah untuk membuat corak dengan kayu:

Ini berdasarkan kajian yang telah diterima sebagai Spotlight oleh ICLR 2023. Mereka melancarkan Kawalan cecair yang dicadangkan penanda aras baharu FluidLab dan enjin fizik boleh beza pelbagai bahan FluidEngine.

Ahli pasukan penyelidik berasal dari CMU, Dartmouth College, Columbia University, MIT, MIT-IBM Watson AI Lab dan University of Massachusetts Amherst.

Dengan sokongan FluidLab, robot akan mudah mengendalikan kerja bendalir dalam senario yang lebih kompleks pada masa hadapan.

Apakah "kemahiran tersembunyi" FluidLab? Mari kita bergembira bersama~

Pemain lanjutan dalam “Fluid Mechanics”

FluidLab bergantung pada FluidEngine sebagai sokongan enjinnya Seperti namanya, objek simulasi utama ialah bendalir, bahan yang berbeza dan pelbagai jenis. Ia boleh memahami sepenuhnya butiran sukan.

Mula-mula cuba simulasi pelbagai adegan membuat kopi Lintasan pergerakan kopi dan buih susu juga sangat realistik.

Sudah tentu, meniru aiskrim juga adalah masalah percikan air.

Atau simulasikan trajektori aliran air dalam keadaan berbeza.

Jika anda masih tidak dapat melihat kekuatan FluidLab, kemudian pergi terus ke tahap kesukaran.

Sebagai contoh, mari kita mulakan dengan simulasi perbandingan dan biarkan platform mensimulasikan perlanggaran bahan yang berbeza dengan bekas apabila ia jatuh Dari kiri ke kanan ia adalah: bahan keras, bahan elastik dan plastik.

Atau trajektori cecair tidak likat dan cecair likat yang berbeza apabila ia jatuh.

Tahap yang lebih sukar dan simulasikan keadaan apabila gas dan cecair bertemu.

Mudah untuk dilakukan!

Pada masa ini, sesetengah rakan mungkin tertanya-tanya: Adakah simulasi di banyak negeri mematuhi fizik atau mekanik bendalir?

Anda boleh yakin bahawa pasukan penyelidik mendedahkan secara langsung video pengesahan Apabila ia berkaitan dengan beberapa fenomena fizikal tertentu, FluidEngine boleh mensimulasikannya dengan tepat.

Fenomena fizikal biasa seperti vorteks Karman dan kegagalan empangan boleh disimulasikan dengan tepat.

Keapungan, ketakmampatan dan kestabilan isipadu cecair boleh dicerminkan dengan mudah dalam simulasi.

Untuk beberapa kesukaran lanjutan, gunakan kesan Magnus untuk mengesahkan: terjemahan, terjemahan + putaran lawan jam perlahan, terjemahan + putaran lawan jam pantas, terjemahan + putaran mengikut arah jam pantas Putaran jarum jam juga sangat tepat.

Tambahkan 100 juta mata kesukaran dan cuba pemuliharaan momentum dan ketidakstabilan Rayleigh-Taylor.

......

Jadi bagaimana pasukan penyelidik mencapai simulasi sedemikian yang begitu dekat dengan dunia sebenar?

Keadaan yang berbeza mempunyai algoritma yang berbeza

Pertama sekali, dari segi bahasa pengaturcaraan, FluidEngine memilih Python dan Taichi ialah bahasa pengaturcaraan khusus domain yang dicadangkan baru-baru ini untuk simulasi dipercepatkan GPU.

Ini menyediakan set API yang mesra pengguna untuk membina persekitaran simulasi Pada tahap yang lebih tinggi, ia juga mengikut API Gim OpenAI standard dan serasi dengan algoritma pembelajaran dan pengoptimuman pengukuhan.

Sebab mengapa ia boleh mencapai kesan simulasi maya yang realistik mungkin boleh diperolehi daripada proses mewujudkan persekitaran dengan FluidEngine.

Persekitaran yang diciptanya terdiri daripada lima bahagian:

• Ejen robot (robot boleh pasang) dilengkapi dengan pengesan akhir yang ditentukan pengguna
• Daripada rangkaian luaran Objek yang diimport daripada grid dan diwakili sebagai medan jarak bertanda (SDF)
• Objek yang dicipta menggunakan primitif bentuk atau jerat luaran, digunakan untuk mewakili zarah
• Untuk simulasi pada jerat Eulerian Medan gas untuk fenomena gas (termasuk medan halaju dan medan adveksi lain seperti ketumpatan asap dan suhu)
• Satu set sempadan geometri yang ditentukan pengguna untuk menyokong pengiraan jarang

di mana, Semasa proses simulasi, kaedah pengiraan yang berbeza digunakan untuk bahan di negeri yang berbeza.

Untuk bahan pepejal dan cecair, proses simulasi menggunakan kaedah titik bahan kuasa dua terkecil bergerak (MLS-MPM), iaitu kaedah Lagrangian-Eulerian hibrid yang menggunakan zarah dan jerat untuk mensimulasikan bahan badan berterusan.

Untuk gas seperti asap atau udara, skema unjuran advection digunakan dalam proses simulasi untuk mensimulasikannya sebagai bendalir tak boleh mampat pada grid Cartesan.

Dengan cara ini, kesan realistik boleh disimulasikan untuk situasi tertentu.

Kertas, alamat projek dan pautan kod dilampirkan di hujung artikel. Rakan-rakan yang berminat boleh klik untuk melihat.

Laman utama projek: https://fluidlab2023.github.io/Pautan kertas: ​https://arxiv.org/abs/2303.02346 Pautan kod: ​https://github.com/zhouxian/FluidLab

Atas ialah kandungan terperinci Untuk robot mempelajari seni coffee latte, kita perlu bermula dengan mekanik bendalir! CMU&MIT melancarkan platform simulasi bendalir. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!