你知道，切开一颗土豆的过程中，刀是如何受力的、土豆又会发生怎样的形变吗？
这可不是什么没用的知识+1，至少对于机器人来说，弄清楚其中的规律，才能更好地化身切菜小能手，甚至入驻医院登上手术台。
诚然，机器人也可以像人类一样，通过在现实生活中疯狂切菜来锻炼技艺，但按照机器学习需要的数据规模来说，那可就太浪费材料了……
于是现在，来自英伟达、南加大等研究机构的研究人员，专门给土豆苹果们，搞出了一个可微分仿真引擎，取名DiSECt（Differentiable Cutting Simulator）。
嗯，就是能真实地模拟形变、受力等各种物理量变化的那种。
并且在速度上，比现有的商业化产品快上了几个数量级。
这项研究已经登上了机器人顶会RSS 2021。
帮机器人学切菜的可微分仿真引擎
具体是怎么做到的？
首先，是模拟刀和物体之间的接触关系。这一步，研究人员引入了基于有向距离场（SDF）的连续接触模型和连续损伤模型，并以有限元方法（FEM）进行模拟。
具体而言，基于目标物体的四面体离散化，在计算弹性力时，材料的杨氏模量、泊松比和密度等物理属性都会被考虑在内。
其次，在物体表示方面，研究人员采用了基于网格的方法；并且预设了一个切割平面，在预处理步骤中沿着这个表面插入虚拟节点。
而为了能更真实地模拟土豆这样的材料在受到刀切时，自身发生的断裂情况，研究人员在引入连续损伤模型的基础上，在切割面两侧植入了“弹簧”，就像这样：
在受力情况下，弹簧的刚度和刀施加的接触力成反比，会逐渐减弱直至断开，产生裂纹。
效果如何？
直接来看模拟值与真实值的对比。
可以看到，随着迭代次数的增加，DiSECt中的仿真参数结果十分接近真实值。
这里的真实值，取自现实实验中，机器人握刀切菜时，传感器记录的真实数据。
值得一提的是，利用DiSECt可微分的特性，研究人员还实现了刀的运动轨迹优化。也就是说，能帮机器人找到最省力的切菜方式。
比如一边锯一边切。
研究人员表示，相比于未经优化的直接切割，约束优化后施加在刀上的力减少了15%。
论文还提到，砍瓜切菜还只是这个可微分仿真引擎的第一个小目标。接下来，他们会将这种建模方法扩展到更复杂的切割动作上，比如需要旋转刀片来完成操作的雕刻等。
关于作者
参与该项目的研究机构，包括南加州大学、英伟达、华盛顿大学、多伦多大学和悉尼大学。
一作Eric Heiden是南加州大学的在读博士生，目前的研究方向，是用算法赋予机器人在不确定环境中自主行动的能力。
此前，他曾在NASA和谷歌实习，现在是英伟达的深度学习实习生。DiSECt就是他在英伟达实习期间的成果。
论文链接：
http://arxiv.org/abs/2105.12244
项目链接：
http://diff-cutting-sim.github.io/
