실시간 인터랙티브 유체 시뮬레이션을 위한 하이브리드 신경망-MPM 기법

Hybrid Neural-MPM for Interactive Fluid Simulations in Real-Time

May 25, 2025

저자: Jingxuan Xu, Hong Huang, Chuhang Zou, Manolis Savva, Yunchao Wei, Wuyang Chen

cs.AI

초록

실시간 상호작용 유체 시뮬레이션을 위한 신경 물리 시스템을 제안한다. 전통적인 물리 기반 방법은 정확하지만 계산 집약적이며 지연 문제를 겪는다. 최근의 기계 학습 방법은 충실도를 유지하면서 계산 비용을 줄이지만, 대부분 여전히 실시간 사용을 위한 지연 제약을 충족하지 못하고 상호작용 애플리케이션에 대한 지원이 부족하다. 이러한 격차를 해소하기 위해, 우리는 수치 시뮬레이션, 신경 물리, 생성적 제어를 통합한 새로운 하이브리드 방법을 소개한다. 우리의 신경 물리 시스템은 고전적인 수치 솔버에 대한 폴백 안전장치를 사용하여 낮은 지연 시뮬레이션과 높은 물리적 충실도를 동시에 추구한다. 또한, 역모델링 전략을 사용하여 훈련된 확산 기반 제어기를 개발하여 유체 조작을 위한 외부 동적 힘 필드를 생성한다. 우리의 시스템은 다양한 2D/3D 시나리오, 재료 유형, 장애물 상호작용에서 견고한 성능을 보이며, 높은 프레임 속도(11~29% 지연)로 실시간 시뮬레이션을 달성하면서 사용자 친화적인 자유 스케치에 의해 유도된 유체 제어를 가능하게 한다. 우리는 실시간 상호작용 애플리케이션을 위한 실용적이고 제어 가능하며 물리적으로 타당한 유체 시뮬레이션을 향한 중요한 진전을 제시한다. 논문 채택 시 모델과 데이터를 공개할 것을 약속한다.

English

We propose a neural physics system for real-time, interactive fluid simulations. Traditional physics-based methods, while accurate, are computationally intensive and suffer from latency issues. Recent machine-learning methods reduce computational costs while preserving fidelity; yet most still fail to satisfy the latency constraints for real-time use and lack support for interactive applications. To bridge this gap, we introduce a novel hybrid method that integrates numerical simulation, neural physics, and generative control. Our neural physics jointly pursues low-latency simulation and high physical fidelity by employing a fallback safeguard to classical numerical solvers. Furthermore, we develop a diffusion-based controller that is trained using a reverse modeling strategy to generate external dynamic force fields for fluid manipulation. Our system demonstrates robust performance across diverse 2D/3D scenarios, material types, and obstacle interactions, achieving real-time simulations at high frame rates (11~29% latency) while enabling fluid control guided by user-friendly freehand sketches. We present a significant step towards practical, controllable, and physically plausible fluid simulations for real-time interactive applications. We promise to release both models and data upon acceptance.