ICLR 2026 机器人可微仿真接触模型长程梯度障碍势函数包围球层级(BSH) 接触丰富操作

Efficient Differentiable Contact Model with Long-range Influence¶

会议: ICLR 2026
OpenReview: https://openreview.net/forum?id=YSIHQy80Cr
代码: 待确认
领域: 可微物理仿真 / 机器人控制
关键词: 可微仿真, 接触模型, 长程梯度, 障碍势函数, 包围球层级(BSH), 接触丰富操作

一句话总结¶

本文系统刻画了"良态接触模型"必须满足的四条性质（无穿透、二阶光滑、非抓持、梯度不消失），并设计了一个用包围球层级（BSH）高效求值、即便物体相距很远也能提供非零梯度的可微接触势函数，让梯度优化器从平凡初值就能发现复杂的接触丰富运动。

研究背景与动机¶

领域现状：可微物理仿真把仿真器变成可反传梯度的函数，已广泛用于模型预测控制、机器人协同设计、神经 PDE 求解等下游任务，核心卖点之一是能从平凡初值自动"发现"接触丰富的运动。

现有痛点：但多项系统性分析（Suh et al. 2022、Antonova et al. 2023）指出，可微仿真给出的解析梯度并不可靠——在非光滑接触处会变得崎岖（rugged），在物体远离、无接触的区域会消失（vanishing），导致优化器困在平凡局部最优。已有补救手段大多走"全局优化"路线（贝叶斯优化、最优传输）去逃离局部最优。

核心矛盾：作者主张这些梯度病态的根源其实在接触模型本身：两个刚体一旦接触，接触力突然引入造成梯度崎岖；而无接触时缺乏交互项导致梯度消失。与其在外层套全局搜索，不如直接修好接触模型内部的梯度景观。

本文目标：给出一套接触势函数应满足的形式化性质，并构造一个同时满足全部性质又计算可行的实用接触模型，使一阶梯度优化器即可处理接触丰富任务。

核心 idea：(1) 理论层 — 提出四条良态性质：障碍形式、光滑性、非抓持、非消失，其中"非消失"带来长程影响（long-range influence），让任意远的物体之间也有梯度；(2) 实践层 — 用基于分离超平面的全局支撑势函数满足这些性质，再借鉴 N 体仿真的 Barnes-Hut / 快速多极思想，用包围球层级把 \(O(T^2)\) 的接触求值降到线性。

方法详解¶

整体框架¶

方法分两步：先在理论上定义良态接触势必须满足的四条性质，并指出现有模型都至少缺一条；再在构造上给出一个满足全部性质的势函数——以一对三角形间的分离超平面优化定义"精确势"，用全局支撑的 \(1/(\cdot)_+\) 替代局部支撑的对数障碍以避免梯度消失；最后用包围球层级（BSH）把远距三角形簇的精确势平滑过渡到一个只依赖球心距离的闭式"中心势"，从而层级化、近线性地求值整张接触势。

flowchart TD
    A[四条良态性质<br/>障碍/光滑/非抓持/非消失] --> B[三角形对精确势 P_titj<br/>分离超平面嵌套优化 + 全局支撑 1/x+]
    B --> C[中心势 P_c<br/>仅依赖球心距离的闭式式]
    B -->|近距用精确| D[平滑过渡 P_d1→d2<br/>五次插值 Φ 混合]
    C -->|远距用闭式| D
    D --> E[包围球层级 BSH<br/>递归合并三角形簇]
    E --> F[根节点接触势 P<br/>线性复杂度 + 良态]

关键设计¶

1. 四条良态性质：把"好梯度"翻译成可验证的数学条件。 这是全文的理论骨架。障碍形式（Barrier-Form）要求 \(P(x)\ge 0\) 连续且 \(P(x)=\infty \iff x\in C_{obs}\)，从而配合线搜索/信赖域能严格保证无穿透；光滑性（Smoothness）要求 \(P\) 在 \(C_{free}\) 上二阶可微——这点至关重要，因为由隐函数定理，仿真梯度 \(\partial x^{t+1}/\partial(x^t,x^{t-1}) = -[\partial^2 L/\partial x^{t+1,2}]^{-1}\,\partial^2 L/\partial x^{t+1}\partial(\cdot)\) 需要 \(P\) 二阶可微才能正确求值，而经典 IPC（Li et al. 2020）只有一阶可微；非抓持（Non-prehensile）要求接触力只能"推开"不能"拉拢"，形式化为力 \(f_i\) 必须落在从一个凸包指向另一个凸包的方向锥 \(\mathcal{F}_{J\to I}\) 内；非消失（Non-vanishing）则由 \(\mathcal{F}_{J\to I}\) 中向量恒非零自动保证，即把 \(P\) 写成所有良分离顶点簇对的成对势之和 \(P=\sum_{\langle I,J\rangle} P_{I\cup J}\)，使任意远的三角形对之间都贡献非零力。作者用 Table 1 证明此前模型（互补条件、软罚、对数障碍、SDRS）都至少违反一条，唯有本文四条全满足。

2. 基于分离超平面的全局支撑成对势：在不破坏障碍/光滑的前提下让梯度"传得远"。 对一对三角形 \(t_i,t_j\)，由于两者都是凸集，可插入分离平面 \(p_{ij}=(n_{ij}^T,d_{ij})^T\) 把它们隔开。把该平面建模成零质量辅助物体，定义嵌套优化的成对势

\[P_{t_i\cup t_j}=\min_{p_{ij}}\Big[\tfrac{12}{(1-\|n_{ij}\|)_+}+\sum_{k}\tfrac{1}{(\langle x_{i(k)},n_{ij}\rangle+d_{ij})_+}+\sum_{k}\tfrac{1}{(\langle x_{j(k)},-n_{ij}\rangle-d_{ij})_+}\Big].\]

关键差异是：与原始公式（Liang et al. 2024、Ye et al. 2025）用局部支撑的对数障碍不同，本文改用 \(1/(\cdot)_+=1/\max(\cdot,0)\) 这种在 \(\mathbb{R}_+\) 上全局支撑的函数——正是这一改动让势函数在物体距离任意大时仍不衰减，从而满足非消失。该目标严格凸、有唯一最小点，故 \(P_{t_i\cup t_j}\) 良定义且全局二阶可微，可用牛顿法求 \(p_{ij}\)、再由逆函数定理算一二阶导。

3. 势函数间的平滑过渡：用五次插值把精确势无缝换成闭式近似。 直接对所有三角形对求精确势是 \(O(T^2)\)，太慢。作者引入混合势

\[P^{I\cup J}_{d_1\to d_2}=(1-\phi_{d_1\to d_2}(x))\,P^{I\cup J}_{d_1}+\phi_{d_1\to d_2}(x)\,P^{I\cup J}_{d_2},\]

其中插值用经典五次平滑核 \(\Phi(d)=\mathrm{clip}(6d^5-15d^4+10d^3,0,1)\)（二阶导连续，保光滑）。Lemma 5.1 证明：只要 \(R_I+R_J\le d_1<d_2\) 且 \(P_{d_2}\) 也光滑、非抓持，则混合后的势继承 \(P_{d_1}\) 的全部良态性质。这把"近距用精确、远距用近似"的切换做成了不破坏任何性质的平滑融合，是后续层级化的理论许可证。

4. 包围球层级（BSH）递归求值：把成对接触做成近线性的 N 体问题。 这是效率核心。把三角形的三个顶点收缩到中心点后，精确势退化成只依赖球心距离的闭式中心势

\[P^{t_i\cup t_j}_c=12\Big[1+\tfrac{1}{\|x_{t_i}-x_{t_j}\|^{1/2}}\Big]^2,\qquad P^{I\cup J}_c=12\Big[1+1/\sqrt{\|x_I-x_J\|}\Big]^2.\]

对每个刚体建一棵分层包围球二叉树（每个球紧包其两个子球，而非紧包几何——后者虽更紧但会破坏良态性质），叶子存单个三角形。递归地：当两节点球心距离 \(\ge R_I+R_J\)（良分离）时直接用闭式中心势 \(P_c\) 代替整棵子树；否则下降到子节点对求和。叶子与内部节点都用上面的平滑过渡（\(d_1=R_I+R_J\)，\(d_2=(1+\epsilon)d_1\)，\(\epsilon\) 为用户控制精度的余量）拼接。Theorem 5.4 保证最终 \(P=\sum_{I\ne J}P^{I\cup J}_{BSH}\) 仍同时满足障碍、光滑、非抓持与非消失；Appendix 在均匀网格特例下证明求值代价为 \(O(T)\)，类比快速多极方法把 \(O(N^2)\) 降到线性。

实验关键数据¶

物理精度验证（叠书问题）¶

20 块木板逐块外伸到理论极限并内收 0.1%，测不同接触系数 \(\mu\) 下的稳定性与接触力误差：

接触系数 \(\mu\)	1e−5	1e−6	1e−7	1e−8	1e−10
板间间隙 Margin (m)	1.82e−2	5.67e−3	1.47e−3	4.12e−4	3.13e−5
接触力 (N)	6.38e−3	6.40e−4	6.42e−5	6.42e−6	6.42e−8
稳定	✗	✓	✓	✓	✓

当 \(\mu<10^{-6}\) 时系统稳定、间隙误差在毫米量级、接触力与理论值误差可忽略——说明"非接触也产生力"的设计不损害物理真实性。

性质完备性对比（Table 1）¶

方法	障碍	光滑	非抓持	非消失
Werling 2021 / Xu 2022（互补）	✗	✗	✓	✗
Fisher 2001（软罚）	✗	✗	✓	✗
Harmon 2009 / Li 2020（IPC 对数障碍）	✓	✗	✓	✗
Ye 2025（SDRS）	✓	✓	✓	✗
Ours	✓	✓	✓	✓

控制任务收敛性¶

在 Billiards、Push、Sort、Gather、Ant-Push 五个接触丰富的操作/运动任务上，与 IPC、SDRS、MuJoCo（有限差分梯度）、GB（一阶 bundled 梯度）对比：

Billiards（台球）：从平凡初值（物体相距很远），除本文外所有方法因梯度消失毫无进展；加随机采样后它们能起步但仍慢，本文无论是否采样都收敛更快。
Push（推箱）：用 48 帧 horizon 的滚动时域控制生成 200 帧轨迹，本文模型自动引导杆"先绕到箱子背后、再多次推"完成多阶段接触运动；其他方法即便加采样也无进展。
Gather / Sort / Ant-Push：10 个立方体聚拢/按标签分拣、9 连杆 16-DOF 蚂蚁机器人推箱，本文仅凭梯度信息即可完成，其余方法收效甚微。

关键发现¶

长程梯度是"从平凡初值发现运动"的决定因素：基线方法的失败几乎都源于梯度消失，而非局部崎岖。
效率代价存在但被 BSH 缓解：本文因嵌套优化+层级混合，单帧比 IPC 慢，但 BSH 版本远快于暴力计算所有三角形对的版本，随网格分辨率增长优势扩大。

亮点与洞察¶

把"好梯度"工程问题升格为可证明的数学性质：四条性质 + Table 1 的完备性对照，给整个可微接触领域提供了一张清晰的"评判表"。
一个看似微小的替换（局部支撑→全局支撑 \(1/(\cdot)_+\)）撬动了长程影响，这是非消失性质的物理来源，思路干净。
跨领域迁移巧妙：把图形学/天体物理的 Barnes-Hut、快速多极方法搬到接触势求值，并用平滑过渡保证近似不破坏可微性，兼顾理论严谨与计算可行。
平滑过渡的不变性引理（Lemma 5.1）很优雅——把"近似不损性质"做成可组合的递归保证，是层级化能成立的关键。

局限与展望¶

仅限刚体：包围球只有在刚体下才能严格包住三角形；一旦发生形变，球可能包不住几何，破坏非抓持/非消失性质，故无法处理软体机器人或可变形物体操作。
计算开销可观：递归定义 + 三角形对间嵌套优化，相比常规刚体仿真器引入了不小的额外成本，单帧仍慢于 IPC。
复杂度分析受限：\(O(T)\) 仅在均匀网格特例下证明，一般场景的代价较难界定。
展望：把良态性质推广到可变形接触、寻找比嵌套优化更轻量的成对势求解，是自然的后续方向。

评分¶

新颖性: ⭐⭐⭐⭐⭐ — 首次把良态接触模型刻画为四条可证明性质并给出全部满足的构造，"全局支撑势 + BSH 长程梯度"组合是真正的新点。
实验充分度: ⭐⭐⭐⭐ — 五个接触丰富任务 + 物理精度验证 + 与四类基线对比，覆盖较全；但多为定性收敛曲线，量化指标和大规模/真实机器人验证偏少。
写作质量: ⭐⭐⭐⭐ — 理论推导严谨、性质-构造-效率三段递进清晰，图示直观；公式密集对非仿真背景读者门槛较高。
价值: ⭐⭐⭐⭐⭐ — 直击可微物理落地的核心痛点（梯度消失），为机器人控制/协同设计从平凡初值优化提供了可复用的接触模型基座。