通过假设空间推理从碰撞中恢复结构

了解物体隐藏的内部结构，包括空腔的存在及其位置，对于预测性仿真、机器人操控和无损检测至关重要。然而，这些空腔不会在静态可见表面上留下直接迹象，因此，碰撞引起的形变成为推断其存在的少数线索之一。Structure from Collision（SfC）通过碰撞事件的多视角观测恢复物体隐藏的内部结构，以解决这一问题。SfC 面临两方面挑战：一是只能通过表面运动间接观测隐藏空腔；二是空隙对应于材料的缺失，难以使用标准密度表示进行直接优化。基于密度的 SfC 基线方法同样面临这两方面困难。表面匹配梯度无法直接指示空腔位置，而空隙区域内部或附近的密度梯度可能很弱，或无法提供有效信息。因此，我们将 SfC 重新表述为假设空间推理，将隐藏空腔表示为显式结构假设，其变量编码可用的结构假定，而非依赖隐式密度更新。全局阶段使用仅需前向计算的物质点法（MPM）仿真，在该假设空间中执行无梯度优化。随后，局部阶段将选定的假设表示为拉格朗日粒子系统，并利用可微 MPM 仿真，通过基于梯度的优化对其进行细化。在 SfC 基准测试中，与基于密度的 SfC 基线方法相比，我们的方法提升了隐藏结构重建和未来状态预测的效果。内部拓扑压力测试和鲁棒性分析揭示了该方法的适用范围与局限性。项目页面见 https://www.kecl.ntt.co.jp/people/kaneko.takuhiro/projects/sfc-hypothesis/。