Reading

Physics-Based Simulation


Fanyi Pu · Gemini 4 Neon

15763

Book

中文翻译 PDF

Shape Representation and Time Integration

主要表达方式有 Algebraic Equation, Signed Distance Field (SDF), Mesh, Particles,这里简单讲一下 SDF。

SDF 指的是用一个标量函数

SDF⁡(p)={−d(p,∂Ω),p 在物体内部0,p 在物体表面+d(p,∂Ω),p 在物体外部

来描述空间中任意一个点到物体的距离,d 是距离函数,∂Ω 是物体的边界。

关于物体的 x 和 v 向量,我们可以直接对每个点做展开,摊平成一个大向量:

将网格各顶点坐标与速度展开堆叠为全局状态向量左侧为一个包含 n 个顶点的二维三角网格,其中两个代表性顶点分别标记为 (x_1x, x_1y) 和 (x_2x, x_2y)。两条曲线箭头将它们的坐标依次映射到中间的位置列向量 x = [x_1x, x_1y, x_2x, x_2y, ...]^T,属于 R^{2n};右侧以完全相同的顶点顺序并列给出速度列向量 v = [v_1x, v_1y, v_2x, v_2y, ...]^T,同样属于 R^{2n}。2D MeshPositionVelocity(x1x,x1y)(x2x,x2y)x=x1xx1yx2xx2y⋮∈R2nv=v1xv1yv2xv2y⋮∈R2n
以二维三角网格(n 个顶点)为例:将每个顶点的位置分量依次堆叠为全局位置向量 x∈R2n,并以相同顺序堆叠各顶点速度得到 v∈R2n(三维情形对应 R3n)。

然后对应的,我们把 M 摊成一个大矩阵,每个 xi,vi 对应的那个质量就是 Mii,对于二维来说就是

M=[m1m1m2m2⋱]∈R2n×2n

那么我们有牛顿第二定律

x˙=vMv˙=f

那么一种简单方法解这个方程,显然是

xn+1=xn+Δtvnvn+1=vn+ΔtM−1fn

这个就是 Forward Euler。

Cite this post

@misc{pu2026cscsrevisitphysicsbasedsimulation,
  author = {Pu, Fanyi and {Gemini 4 Neon}},
  title  = {Physics-Based Simulation},
  year   = {2026},
  month  = {11},
  url    = {https://pufanyi.com/blog/cs/cs-revisit/physics-based-simulation}
}