跳到主要内容

物理模拟入门:把牛顿第二定律塞进 for 循环

关键帧动画告诉你"下一帧物体在哪",物理模拟告诉你"下一帧物体应该在哪"。前者靠人指定,后者靠力学定律推导。二者不是对立的——大部分游戏里,人物用关键帧+骨骼,道具、布娃娃、爆炸碎片用物理,视觉一致性靠美术和参数调优。

物理模拟本质是求解常微分方程(ODE):给初始状态和作用力,推出未来状态。这个数学问题几百年前就有了,图形学的贡献主要是:如何足够快(每帧毫秒级)、足够稳(不爆炸不穿透)、足够可信(不要求物理正确,只要视觉正确)。

1. 牛顿运动方程​

一个粒子的状态是位置 x\mathbf x 和速度 v\mathbf v。作用力 F\mathbf F 通常依赖状态和时间:

F=mx¨=mv˙\mathbf F = m\ddot{\mathbf x} = m\dot{\mathbf v}

拆成一阶方程组:

x˙=v,v˙=F(x,v,t)/m\dot{\mathbf x} = \mathbf v, \quad \dot{\mathbf v} = \mathbf F(\mathbf x, \mathbf v, t) / m

给定 x(0),v(0)\mathbf x(0), \mathbf v(0),怎么推 x(Δt),v(Δt)\mathbf x(\Delta t), \mathbf v(\Delta t)?这就是数值积分(time integration)。图形学里 Δt\Delta t 通常等于一帧时间(1/60s)或子步(1/240s)。

2. 显式欧拉:能用但很差​

最朴素的方法:

v(t+Δt)=v(t)+Δt⋅a(t)x(t+Δt)=x(t)+Δt⋅v(t)\begin{aligned} \mathbf v(t+\Delta t) &= \mathbf v(t) + \Delta t \cdot \mathbf a(t) \\ \mathbf x(t+\Delta t) &= \mathbf x(t) + \Delta t \cdot \mathbf v(t) \end{aligned}

a(t)=F(t)/m\mathbf a(t) = \mathbf F(t) / m。写成代码 3 行,但物理不对——能量会随时间增加。考虑一个弹簧振子,正确解是能量守恒的正弦波,显式欧拉每步都往外扩,几十步后振幅无限大。

      正确解          显式欧拉
╱‾╲╱‾╲╱‾╲ ╱‾╲╱‾╲╱‾‾╲___
↑ 越来越大

数学上,显式欧拉的局部截断误差是 O(Δt2)O(\Delta t^2),全局 O(Δt)O(\Delta t),一阶精度。稳定性差得可怕——弹簧刚度大时 Δt\Delta t 必须极小才不炸。

3. 半隐式欧拉(symplectic Euler)​

游戏物理引擎最常用的积分器,一个小小的改动:用更新后的速度算位置。

v(t+Δt)=v(t)+Δt⋅a(t)x(t+Δt)=x(t)+Δt⋅v(t+Δt)\begin{aligned} \mathbf v(t+\Delta t) &= \mathbf v(t) + \Delta t \cdot \mathbf a(t) \\ \mathbf x(t+\Delta t) &= \mathbf x(t) + \Delta t \cdot \mathbf v(t+\Delta t) \end{aligned}

只调换了顺序,但性质完全不同——半隐式欧拉是辛积分子(symplectic integrator),对哈密顿系统能量近似守恒(在一个椭圆里振荡而不发散)。同样是一阶精度但稳定性好得多。

Box2D、Bullet、PhysX 早期版本、大部分教科书代码,用的都是半隐式欧拉。它简单、稳定、够用。

4. Verlet 积分:位置就够了​

Verlet 积分不显式存速度,只存当前位置和上一帧位置:

x(t+Δt)=2x(t)−x(t−Δt)+Δt2⋅a(t)\mathbf x(t+\Delta t) = 2\mathbf x(t) - \mathbf x(t-\Delta t) + \Delta t^2 \cdot \mathbf a(t)

速度是隐式的:v≈(x(t)−x(t−Δt))/Δt\mathbf v \approx (\mathbf x(t) - \mathbf x(t-\Delta t))/\Delta t。

Verlet 有一堆好处:

  • 二阶精度:局部误差 O(Δt4)O(\Delta t^4)
  • 能量近似守恒:也是辛的
  • 时间反演对称:正推倒推等价
  • 约束好加:想强制两点距离恒定?直接把两点位置往正确距离拽,速度自动更新
  • 数值稳:10001000 步之后仍不飘

这最后一条让 Verlet 成了粒子系统、布料、软体、Position-Based Dynamics 的默认选择。Jakobsen 在 GDC 2001 的 "Advanced Character Physics" 演讲用 Verlet 做出了当时惊艳的布料效果。

5. RK4:精度党的选择​

四阶 Runge-Kutta(RK4):

k1=f(t,y)k2=f(t+Δt/2,y+Δtk1/2)k3=f(t+Δt/2,y+Δtk2/2)k4=f(t+Δt,y+Δtk3)y(t+Δt)=y+Δt(k1+2k2+2k3+k4)/6\begin{aligned} k_1 &= f(t, y) \\ k_2 &= f(t+\Delta t/2, y+\Delta t k_1/2) \\ k_3 &= f(t+\Delta t/2, y+\Delta t k_2/2) \\ k_4 &= f(t+\Delta t, y+\Delta t k_3) \\ y(t+\Delta t) &= y + \Delta t (k_1 + 2k_2 + 2k_3 + k_4)/6 \end{aligned}

一步要算 4 次导数,但精度是 O(Δt5)O(\Delta t^5)——同样精度下可以用大得多的 Δt\Delta t。适合天体、化学反应、CFD 这类求高保真度的场合。

游戏里 RK4 反而不常用,因为:

  1. 4 次导数评估翻倍甚至更多耗时
  2. RK4 不是辛的,能量在长时间里仍会漂
  3. 游戏物理追求视觉稳定而非精确,半隐式欧拉够了

科学计算里 RK4 是默认,图形学里是稀客。这个反差很能说明"够用即最好"的工程哲学。

6. 刚体动力学​

粒子是零维的,刚体(rigid body)是三维的——它有质心位置和朝向。刚体状态:

  • 位置 x\mathbf x、线速度 v\mathbf v
  • 朝向(四元数 qq 或矩阵 RR)、角速度 ω\boldsymbol\omega
  • 质量 mm、惯性张量 I\mathbf I(在局部坐标系里)

牛顿-欧拉方程:

F=mv˙,τ=Iω˙+ω×(Iω)\mathbf F = m\dot{\mathbf v}, \quad \boldsymbol\tau = \mathbf I \dot{\boldsymbol\omega} + \boldsymbol\omega \times (\mathbf I \boldsymbol\omega)

τ\boldsymbol\tau 是力矩。第二个式子(欧拉方程)里那个 ω×Iω\omega \times I\omega 项让绕主轴旋转的物体展现出Dzhanibekov effect——中间轴旋转不稳定,会周期翻转。太空里的扳手实验拍到过这个现象。

四元数的导数更新:

q˙=12[0ω]⊗q\dot q = \frac{1}{2}\begin{bmatrix}0 \\ \boldsymbol\omega\end{bmatrix} \otimes q

⊗\otimes 是四元数乘。数值积分完后要重新归一化 qq 防止漂到非单位。四元数的详细数学参见 向量与矩阵:图形学的数学基石。

7. 碰撞检测​

物体不能穿透彼此——这个约束不是直接来自牛顿方程,而是几何+算法层面的补丁。碰撞检测分两阶段:

Broad phase(粗筛):快速排除不可能碰撞的对。常用空间划分——BVH(层级包围盒)、Sweep and Prune、空间哈希、Grid。目标是把 O(n2)O(n^2) 的对数降到 O(nlog⁡n)O(n\log n) 或 O(n)O(n)。

Narrow phase(精算):确认两个物体是否真的相交,若相交求接触点、法线、穿透深度。凸多面体之间用 GJK,非凸的先做凸分解。

7.1 GJK 算法​

Gilbert-Johnson-Keerthi 算法基于Minkowski 差:两个凸体 A,BA, B 的 Minkowski 差 A−B={a−b:a∈A,b∈B}A - B = \{a - b : a \in A, b \in B\}。AA 和 BB 相交   ⟺  \iff A−BA - B 包含原点。

GJK 不显式构造 A−BA - B,而是迭代地在其中寻找一个包含原点的单纯形(三角形或四面体)。每一步:

  1. 选一个方向 d\mathbf d,找 A−BA - B 里沿这个方向最远的点(support point)
  2. 加入当前单纯形
  3. 检查单纯形是否包含原点:包含则相交;否则算离原点最近的子面,用它的外法线作为新 d\mathbf d
  4. 迭代

GJK 通常 5-10 次迭代收敛,非常快。缺点是原生只判"是否相交",不给穿透深度。

7.2 EPA:补上穿透深度​

Expanding Polytope Algorithm 从 GJK 结束时的单纯形出发,往外扩展凸包,直到包围整个 A−BA - B。最靠近原点的面就给出穿透法线和深度。

GJK+EPA 是 Bullet、PhysX、Box2D 3D 版本的标准组合。工程实现有一堆细节(数值稳健性、退化情形处理),做好了是艺术活。

8. 约束求解​

碰撞检测检测到穿透后要"推开"。物理引擎不是每帧显式加"推开力",而是用约束(constraint)框架:ϕ(x)=0\phi(\mathbf x) = 0 或 ϕ(x)≥0\phi(\mathbf x) \geq 0(不等式约束)。碰撞约束的形式:

ϕ=n⋅(xA−xB)−dcontact≥0\phi = \mathbf n \cdot (\mathbf x_A - \mathbf x_B) - d_{\text{contact}} \geq 0

n\mathbf n 是接触法线,dcontactd_{\text{contact}} 是允许的最小距离。铰链、滑块、齿轮都是不同形式的 ϕ\phi。

8.1 Baumgarte 稳定化​

约束若只在速度层保持(ϕ˙=0\dot\phi = 0),位置误差会随数值积分累积漂移。Baumgarte 的方法是在 ϕ˙\dot\phi 里加一个误差反馈项:

ϕ˙+βϕ/Δt=0\dot\phi + \beta \phi/\Delta t = 0

β∈[0,1]\beta \in [0, 1]。相当于把当前的位置误差按比例 β\beta 拉回来。β=0\beta=0 无稳定化,β=1\beta=1 一步全拉回(容易震荡),实际取 β≈0.2\beta \approx 0.2。

8.2 Sequential Impulses(SI)​

Erin Catto 在 2005 GDC 讲的这个方法是 Box2D 的核心,现在被 PhysX、Chaos、多数商业引擎采用。基本思想:不解全局线性方程,而是逐约束依次施加冲量、迭代直到收敛。

伪代码:

每帧:
外力积分 → 得预测速度
for iteration in 1..N:
for each constraint:
算 违反量 (velocity 层)
算 需要的 冲量 J
clamp 冲量 (比如接触力只能推不能拉)
施加 J 到两个物体的速度
用最终速度更新位置

这是 Projected Gauss-Seidel(PGS)——把大矩阵解耦成一堆小的 1D 问题。收敛速度不如直接解,但每步便宜,能处理不等式约束(clamp 那步),能中途退出(预算不够停在半收敛状态也不会崩)。

现代变种有 XPBD(eXtended Position-Based Dynamics,Nvidia FleX/Blast 用)、TGS(Temporal Gauss-Seidel,PhysX 5)。核心思路一致——迭代式约束投影。

9. 一个真实物理引擎的每帧循环​

1. 外力施加 (重力、风力、用户输入)
2. 速度积分 (半隐式欧拉)
3. Broad phase 碰撞检测 (BVH 更新)
4. Narrow phase (GJK/EPA)
5. 约束准备 (碰撞点转成约束)
6. 速度约束求解 (SI, 4-8 迭代)
7. 位置积分
8. 位置约束修正 (Baumgarte 或 PBD split impulse)
9. 触发回调 (OnCollide 事件)
10. 睡眠检测 (静止的物体不再模拟)

每一环都能单独写一本书。工程实现的关键是可预算——想 60 帧一秒,物理占 5ms,就得在这 5ms 里做完所有事,做不完就砍精度(减迭代次数、放大 sleep 阈值)而不是漏帧。

10. 什么时候不用物理​

物理模拟的两大对立面:

关键帧接管:主要角色的动作、剧情演出都是关键帧+骨骼(参见 关键帧动画与插值 和 骨骼动画与蒙皮),不用物理是因为要精确控制观感——物理会让角色摔倒的方向不可预期,导演不接受。

程序化替代:粒子系统(下一篇的 粒子系统基础)通常不用刚体物理,因为几万个粒子的碰撞求解太贵,改用简化的重力+空气阻力+可选场碰撞。

规则代替物理:飞行/驾驶游戏很多用简化的空气动力学而非真物理——GTA 车不用完整的悬挂动力学,Ace Combat 战机也不满足真实 6DoF 飞行方程。规则化的操控好调、好平衡、玩家易预测。

物理引擎的目标从来不是精确模拟宇宙,而是在给定预算内产生玩家/观众相信的行为。物理不对但看着对,永远比物理对但看着假优先。