GAMES Webinar 2026 – 410期(从实时仿真到数据与物理融合)
报告嘉宾:曾子秋 新加坡国立大学
报告时间:2026年07月16日 晚上20:00-20:30(北京时间)
报告题目:
Fast But Accurate: A Real-Time Hyperelastic Simulator with Robust Frictional Contact(既快又准:面向鲁棒摩擦接触的实时超弹性仿真)
报告摘要:
从角色动画、数字人到虚拟手术与机器人操作,柔性物体的形变与接触是众多真实感画面的底层支撑,但”快”与”准”却常常难以兼得。想要实时交互,就得在接触、摩擦这些最见真实感的细节上让步;想要物理上足够可信,速度又往往慢到无法互动。本报告介绍我们发表于 ACM TOG (SIGGRAPH 2025) 的工作 FBA (Fast But Accurate):通过重新梳理弹性、接触与摩擦三者的耦合方式,我们得到一套天然适合 GPU 并行、又能快速收敛的求解框架,它能稳定应对大规模模型、剧烈形变与复杂接触,兼容从柔软到坚硬的各类材料,方法本身却出奇地简洁,核心几乎只用到最基础的矩阵运算。报告将分享这项工作背后的动机与关键思路,配合大量实时演示,并探讨它对图形学与机器人仿真的启发。
讲者简介:
曾子秋现任新加坡国立大学HcRL实验室研究员,负责仿真方向(Simulation Lead)。2023 年获法国斯特拉斯堡大学计算机图形学博士学位,博士期间在 INRIA Mimesis 团队与 ICube 实验室从事实时可变形仿真与数值方法研究;2023–2025 年在中国科学院香港人工智能与机器人创新中心(CAIR-CAS)任研究员。研究方向包括面向机器人的物理引擎、接触力学、可微仿真、GPU 数值架构,以及面向操作任务的 Sim-to-Real。相关成果发表于 ACM Transactions on Graphics(SIGGRAPH)、Computer Graphics Forum、IEEE ICRA 等国际会议与期刊。
讲者主页:https://ziqiu-zeng.github.io/homepage/
报告嘉宾:陈思元 不列颠哥伦比亚大学
报告时间:2026年07月16日 晚上20:30-21:00(北京时间)
报告题目:
Data Accelerates Physics. Physics Strengthens Data数据加速物理,物理增强数据
报告摘要:
数据驱动模型与基于物理的模拟各有所长:学习方法可以替代反复且昂贵的计算,而物理方法能够强制满足仅靠数据无法保证的约束。本报告通过两项工作展示二者之间的双向协作关系。第一项工作《具有时间感知基的快速子空间流体模拟》从模拟轨迹中学习紧凑的时间感知动力学模型。该方法保留时间顺序,而不仅仅压缩彼此独立的快照,从而支持高效的任意时刻查询和对动态模态的可解释编辑,显著加速重复的流体演化计算。第二项工作《基于高斯-赛德尔投影的物理有效生物分子相互作用建模》将可微物理投影直接嵌入生物分子生成过程。学习模型首先预测全局坐标,并行的局部高斯-赛德尔更新随后在训练和推理阶段消除位阻冲突并满足几何约束,以更少的生成步骤得到物理有效的结构。两项工作共同揭示了一项混合模拟的通用设计原则:利用数据学习重复且计算昂贵的动力学,利用物理方法强制满足绝不能违反的规则,并通过紧凑、可微且可验证的接口连接二者。我们的目标不是在数据与物理之间二选一,而是让双方各自承担其能够可靠保证的责任。
讲者简介:
陈思元是加拿大英属哥伦比亚大学计算机科学系的一年级博士生,导师是Peter Yichen 教授 。陈思元的研究方向主要集中在计算机图形学领域,并致力于探索如何将计算机图形学和深度学习技术再科学发现领域中的应用,包括流体力学,蛋白质结构合成等交叉方向。 陈思元本科毕业于上海交通大学,获得物理学学士学位。
讲者主页:https://chensiyuan030105.github.io/
主持人简介:
许威威,浙江大学计算机科学与技术学院CAD&CG国家重点实验室求是特聘教授,教育部长江学者。曾任日本立命馆大学博士后,微软亚洲研究院网络图形组研究员, 杭州师范大学浙江省钱江学者特聘教授。主要研究方向为智能三维感知、重建和仿真。在国内外高水平学术会议和期刊发表论文100余篇,其中ACM Transactions on Graphics, IEEE TVCG、IEEE CVPR、AAAI等CCF-A类论文80余篇。获中国和美国授权专利30项。所开发的高精度、高真实感三维重建技术在先临高精度扫描仪、百度阿波罗自动驾驶仿真平台、华为河图和徐工机械远程驾驶舱、凌迪数码服装仿真中得到应用。主持国家自然科学基金委重点项目、科技部重点研发计划重点专项等科研项目20余项。