Recoleta Item Note
ComFree-Sim: A GPU-Parallelized Analytical Contact Physics Engine for Scalable Contact-Rich Robotics Simulation and Control
ComFree-Sim 是一个面向接触密集型机器人任务的 GPU 并行物理引擎，用解析式、非互补的接触求解替代传统迭代优化。它的核心价值是把接触分解成可并行的小问题，从而在保持接近 MuJoCo Warp 物理保真度的同时显著提升吞吐，并支持实时控制。
physics-simulationcontact-rich-roboticsgpu-parallelismanalytical-contact-modeldexterous-manipulation
Summary
ComFree-Sim 是一个面向接触密集型机器人任务的 GPU 并行物理引擎，用解析式、非互补的接触求解替代传统迭代优化。它的核心价值是把接触分解成可并行的小问题，从而在保持接近 MuJoCo Warp 物理保真度的同时显著提升吞吐，并支持实时控制。
Problem
- 现有接触丰富的机器人仿真常被接触求解拖慢：主流方法依赖互补约束或约束优化，每一步都要迭代求解，接触越多，代价通常超线性增长。
- 这会限制大规模并行数据生成、可微仿真、在线 MPC/MPPI，以及灵巧手这类高频、密集接触控制任务的实时部署。
- 需要一种既更轻量、可线性扩展，又不明显牺牲物理真实性和稳定性的接触后端，最好还能作为现有 MuJoCo/Warp 工作流的即插即用替代。
Approach
- 核心机制是complementarity-free 接触建模：先预测在“无接触力”下的下一步速度，再根据违反非穿透/摩擦约束的程度，用一个阻抗式预测-校正公式直接算出接触冲量，不再做每步迭代优化。
- 它在库仑摩擦对偶锥里做解析闭式更新，并把摩擦锥做多面体近似，因此每个接触对、每个锥面都能独立计算，天然适合 GPU kernel 并行。
- 论文把原方法扩展为统一 6D 接触模型，同时覆盖切向摩擦、扭转摩擦和滚动摩擦，而不只是简单点接触滑动摩擦。
- 为了避免精确计算阻抗矩阵的高开销，作者提出了一个实用的双锥阻抗启发式：用少量全局用户参数 (k_{user}, d_{user}) 和 gap-dependent 缩放来控制接触“软硬度”，并保持 MuJoCo 兼容接口。
- 系统基于 Warp 实现，并通过 MuJoCo-compatible interface 暴露为 MJWarp 的 drop-in backend alternative，方便接入现有机器人仿真和控制栈。
Results
- 在密集碰撞下落测试中，MJWarp 的平均穿透深度为 1.7 ± 4.9 mm；ComFree-Sim 经过调参可达到相当或更低的穿透，例如：
- 0.3, 0.001 时为 1.6 ± 3.3 mm；
- 0.3, 0.005 时为 1.4 ± 2.5 mm；
- 0.5, 0.001 时为 1.0 ± 2.1 mm；
- 0.5, 0.005 时为 0.9 ± 1.5 mm。
- 摘要声称在密集接触场景中，相比 MJWarp，ComFree-Sim 实现了近线性 runtime scaling，并带来 2–3× higher throughput，原因是接触求解跨接触对与锥面可分解并行。
- 稳定性方面，文中称 ComFree-Sim 在较宽参数范围内表现出单调水平速度衰减、无明显伪漂移或能量增长；在 dt = 0.02 s 这样相对较大的步长下仍可稳定，但通常比 MJWarp 更依赖较小步长。除特别说明外，基准默认使用 dt = 0.002 s。
- 在摩擦行为上，作者通过受控实验展示了扭转摩擦与滚动摩擦的耗散趋势会随对应摩擦系数单调变化，但摘录中未给出具体数值指标。
- 在真实机器人应用上，摘要声称该引擎已部署到LEAP 多指灵巧手的实时 MPC 与 dynamics-aware motion retargeting 中，并显示更低延迟 rollout 可提升闭环成功率、支持更实用的高频接触控制；但摘录中未提供成功率百分比或具体对比数字。
Link
Built with Recoleta
Run your own research radar
Turn arXiv, Hacker News, OpenReview, Hugging Face Daily Papers, and RSS into local Markdown, Obsidian notes, Telegram digests, and a public site.