最新进展在生成式 AI 和多视图重建领域引入了快速生成 3D 内容的新方法。然而，要在机器人、设计、AR/VR 和游戏等下游应用中发挥作用，必须能够以物理上合理的方式操作这些 3D 模型。
这给传统的物理模拟算法带来了重大挑战，这些算法旨在处理良好条件的、手动整理的几何图形，例如tetrahedralized volumetric meshes。
为了向各种输入几何图形开放物理模拟，NVIDIA Kaolin 库最新版本集成了一项名为 Simplicits 的先进技术，这是一种统一的表示，不仅可以对杂乱的网格和点云进行模拟，还可以对学习的表示如 Gaussian Splats 和 NeRFs 进行模拟。
Kaolin Physics API 为 Simplicits 提供了两个层次的抽象：面向物理专家的低级功能和面向生成式 AI 开发者的高级 API。
以下视频演示了各种网格的弹性模拟。您只需几行代码，即可在 Jupyter Notebook 中设置和可视化交互式模拟，并通过与椅子模型实时交互来显示。这使得新的交互式应用程序能够快速原型设计，以处理来自 AI 研究的多种几何表示形式。有关更多信息，请参阅 Kaolin 可视化器。
您还可以将 splat 片段传递到 Simplicits 中，以模拟捕获的对象，如模拟苹果的高斯 splat 所示。
该视频还演示了使用 Simplicits 对骨骼和各向异性肌肉纤维进行简单的体积运动进行肌肉模拟。Simplicits 可以处理骨骼和肌肉之间的材质异质性。有关更多信息，请参阅肌肉模拟教程。
总结
表征 agnostic 的物理模拟现已在NVIDIA Kaolin 库提供。
与我们一起参加 SIGGRAPH 2024，详细了解 Simplicits 和 Kaolin 库中添加的新 3D 深度学习技术。
有关更多信息，请参阅以下资源：
在 NVIDIA Kaolin 论坛上提出问题并与 3D 深度学习社区进行互动。
