本文提出了一种自适应空间标记化（AST）方法，旨在高效模拟可变形物体之间的交互。该方法通过将模拟空间划分为网格单元，并将非结构化网格映射到结构化网格上，从而提高计算效率。实验结果表明，该方法在处理超过10万个节点的大规模网格时，显著优于现有技术，并提供了一个新的大规模数据集以支持未来研究。
该研究提出的LUDO方法能够在30毫秒内从单视角点云重建可变形物体及其内部结构，机器人实验成功率达到98.9%，显示出其在外科干预中的应用潜力。
本文提出了一种可微动力学求解器，能够处理摩擦接触问题，统一刚体与可变形物体。通过平滑化接触力，克服摩擦接触的挑战，并结合全隐式时间积分，开发出高效的动力学求解器，适用于参数估计、运动规划和轨迹优化等领域。
DexDeform是一种通过可微分物理学改进的框架，旨在学习多指手指对可变形物体的熟练操作，并通过探索策略和行动计划提高操作成功率。
完成下面两步后，将自动完成登录并继续当前操作。
