跳转到内容
Jason's Study

Position Based Dynamics — 跳过力，直接挪位置

是什么

Position Based Dynamics（PBD） 是一套做物理仿真的方法。它不算力、不算加速度，直接对每个粒子的位置做约束修正。

日常类比：传统物理模拟像推购物车——你施一个力，车有加速度，加速度积分得速度，速度积分得位置。一路链式传导。PBD 像直接伸手把车搬到该在的地方，再用一根绳子限制”最远走多远”。约束就是绳子。

简单几行代码就能跑出布料下落、绳索摆动、软体碰撞的视觉效果。

为什么重要

传统方法（显式欧拉积分）有个老毛病：时间步 dt 稍大就爆炸。一根弹簧调硬一点，模拟立刻飞出屏幕。游戏开发者只好把 dt 调到 1/240 秒，CPU 吃不消。

PBD 把这个问题从根上换掉：

  • 无条件稳定：再大的 dt 都不会爆炸。约束只是”把粒子拉回合法位置”，没有指数发散
  • 直观可控：长度、碰撞、附着这些诉求都是位置层面的，约束直接表达，不用反推弹性系数
  • 实时：60fps 跑布料 + 头发 + 软体没问题
  • 统一框架：刚体、流体（PBF）、软体（XPBD）都是同一套循环，换约束就行

游戏布料、头发、软体几乎全用 PBD 或它的扩展 XPBD。NVIDIA Flex、Houdini Vellum 是两个最有名的工业实现。

核心要点

PBD 一帧的循环是 5 步：

  1. 预测：用上一帧速度和外力（重力）预测下一帧位置 x_predicted = x + dt · v + dt² · f_external / m

  2. 生成约束：检测碰撞，加上结构约束（弹簧、距离、体积、弯曲等）

  3. 迭代投影：对每个约束 C(x) = 0 或 C(x) ≥ 0，沿梯度方向把 x 推到满足约束的最近点。所有约束循环 N 次（典型 N=4~10）

  4. 更新速度：v = (x_new - x_old) / dt——速度是位置变化”反推”出来的，不是积分出来的

  5. 写回：x = x_new

第 3 步是 PBD 的灵魂。“投影”在数学上就是”找满足约束、且离当前点最近的位置”。

实践案例

案例 1：距离约束（最简单的弹簧）

两个粒子 p1, p2，要保持原长 L。约束写成：

C(p1, p2) = |p1 - p2| - L = 0

投影一次的伪代码：

def project_distance(p1, p2, w1, w2, rest_length):
    delta = p1 - p2
    current = length(delta)
    correction = (current - rest_length) / current * delta
    p1 -= w1 / (w1 + w2) * correction
    p2 += w2 / (w1 + w2) * correction

w = 1/m 是反质量。固定点 w=0，永远不动。这 4 行代码就是布料里的每根线。

案例 2：碰撞约束（不等式）

粒子不能穿地板：

C(p) = (p - p_floor) · n_up ≥ 0

如果穿了，沿法线方向推回来即可。地板用平面、球用球心、网格用三角形，思路都一样——先检测违规，再沿法线投影。

案例 3：布料

把布料离散成一张三角网格：

  • 每个顶点是一个粒子
  • 每条边加一个距离约束（保持长度）
  • 每对相邻三角形加一个弯曲约束（保持夹角）

加上重力，跑 PBD 循环。一张布”啪”地搭到障碍物上，视觉上完全像真的。这是过去 20 年所有游戏布料的工作原理。

案例 4：体积约束（保持四面体不被压扁）

把软体（如肌肉、果冻）离散成四面体网格，每个四面体加一个体积约束：

C(p1,p2,p3,p4) = (1/6)·((p2-p1) × (p3-p1)) · (p4-p1) − V_rest = 0

外力把它压扁，下一帧投影会把四个顶点推回原体积。这就是 NVIDIA Flex 处理软体的核心。

踩过的坑

  1. 迭代次数影响”硬度”：约束循环次数 N 越多，约束越硬。N=1 时弹簧软得像橡皮筋，N=20 时硬得像钢丝。但调 N 实际上在调”刚度”，参数和 dt 强耦合，调起来反直觉

  2. XPBD（2016）解决参数耦合：Macklin 等人引入拉格朗日乘子，让”刚度”成为独立参数，与 dt 和 N 无关。现代实现（Vellum、Flex 新版）几乎全用 XPBD

  3. 能量不守恒：PBD 是几何投影不是物理积分，能量会缓慢衰减或增长。视觉上看不出来，但做”能量真值的科学仿真”不能用

  4. 顺序敏感：先解距离约束还是先解碰撞约束，结果不一样。Gauss-Seidel 风格的迭代会偏向后解的约束。要更稳定可以用 Jacobi 风格（所有约束并行算修正后再加），但收敛更慢

适用 vs 不适用场景

适用：

  • 游戏布料、绳索、头发、软体、毛发——视觉真实即可
  • 实时交互演示（VR、教学）
  • 流体的位置层模拟（PBF，烟雾水面够用）
  • 大批量粒子（GPU 上 100 万粒子布料没问题）

不适用：

  • 工程级精度物理（结构应力、空气动力）→ 用有限元 / FVM
  • 严格能量守恒的天体仿真 → 用辛积分器
  • 极硬约束（刚体接触摩擦）→ 用约束式动力学（如 Featherstone 算法）

历史小故事（可跳过）

  • 2006 年：Müller 在 Nvidia 做实时仿真，受当时游戏 ragdoll 和布料启发，把约束求解从”力空间”搬到”位置空间”
  • 2007 年：论文发表在 J. Visual Communication and Image Representation，反响不大，但游戏圈很快上手
  • 2014 年：Macklin 在 NVIDIA 做出 Flex，统一刚体/布料/流体/软体到 PBD 框架，PhysX 集成
  • 2016 年：Macklin、Müller 提出 XPBD，解决刚度与 dt 的耦合，成为新标准
  • 2018 年：Houdini Vellum 上线，影视行业大量布料/软体走 PBD/XPBD
  • 现在几乎所有 3A 游戏的布料、头发、软体都是 PBD 系

学到什么

  1. 换坐标系常常比改算法管用——把约束求解从力空间搬到位置空间，所有稳定性问题消失
  2. 视觉真实 ≠ 物理真实——游戏不需要严格物理，需要”看上去像”。PBD 把这个区分用足
  3. 统一框架的力量——一套循环加不同约束，覆盖布料/绳索/软体/流体。Flex、Vellum 都是这个思想的工程化
  4. “近似 + 迭代” 是图形学常用解法——不直接解方程，每帧投影几次让误差收敛。Jacobi/Gauss-Seidel 求解器思想的实时化

延伸阅读

关联

反向链接