RiCo：通过局部接触推理进行刚体交互的神经模拟

准确模拟刚体交互对于构建具有预测能力的物理世界模型至关重要。尽管近年来物体动力学建模取得了进展，但如何捕捉表面之间的局部接触对物体运动的影响仍然颇具挑战。端到端世界模型能够预测整个场景或物体之间的交互，但在实际情况下，刚体接触本质上是局部的，只有邻近表面才能直接交换接触力。受此启发，我们提出刚体接触推理（Rigid-body Contact Reasoning，RiCo），通过稀疏的接触表面点邻域表示物体之间的交互。RiCo将每个点的状态与邻近表面的相对几何信息、运动状态和物理属性相结合，然后在物体的各个点之间进行推理，以确定这些局部接触如何共同影响物体的运动。通过将跨物体推理限制在邻近表面之间，同时在每个刚体内部传播接触信息，RiCo无需建模场景中每一对点，就能保留细粒度的交互细节。这些特性使RiCo具备更高的准确性和接触保真度。在MOVi-benchmark上的实验表明，与基线方法相比，RiCo将100帧位置误差和方向误差分别降低了31%–35%和约38%。此外，RiCo还实现了较高的接触保真度，相对于真实值的穿透时间差和平均深度差分别为11.0%和2.22毫米。RiCo还能够以零样本方式从小规模训练场景泛化到包含270个物体的场景。我们在真实世界中开展的多球碰撞实验进一步为从仿真到现实的迁移提供了初步证据。