评测 GNN × XPBD 混合布料：长序列、完整消融与运行时预算

约 5492 字大约 18 分钟

2026-08-28

一个混合布料求解器很容易做出“某一段看起来不错”的演示：挑一个有利的动画相位，给 GNN 一个合适的引导强度，再增加几次 XPBD 校正，短视频往往足够稳定。但真正的问题不是它能否生成一次好结果，而是：在固定运行预算下，它是否比纯 GNN 或纯 XPBD 更准、更稳，并且这种优势能否跨服装、拓扑、动作和材质重复出现？

本文给出一套工程评测框架。先说明来源边界：MeshGraphNets 报告 one-step、50 步和整段 rollout RMSE，并用输入噪声增强自回归稳定性；HOOD 在层次结构消融中比较验证目标值、梯度范数和推理时间，并另做视觉偏好评测；Small Steps 在相同数量的约束求解遍历下比较子步策略的约束误差、数值阻尼和耗时；Differentiable XPBD 评估能量行为与物理参数反演。下面把位置、应变、穿透、能量、稳定时间、尾延迟和成对视觉评测组合成同一验收协议，是本文提出的工程方法，不是上述任一论文规定的标准。

1. One-step 只回答局部问题

One-step 测试应从参考数据状态 $s_t$ 出发，只预测 $t+1$ 。若模型使用多帧历史，整段历史也必须来自参考数据；人体姿态、碰撞体和外力等条件输入则按部署时可获得的信息提供。它适合检查数据、单位、积分和网络输出是否对齐，也可以初筛 checkpoint，却不能证明长期稳定，更不能单独决定最终 checkpoint。最终选择只能使用验证集上的 rollout、约束违例和性能指标，测试集只用于一次最终报告。

先固定自由动态顶点集合 $\mathcal F$ ，并在测试前定义参考长度 $L_{ref}$ ，例如静止服装包围盒对角线或静止面积平方根；定义一旦选定，就不能随方法或运动帧变化。位置误差先以长度单位报告质量加权 RMSE，再给出无量纲版本：

\operatorname{RMSE}_x^{(1)}= \sqrt{\frac{\sum_{i\in\mathcal F}m_i \lVert \hat{\mathbf x}_i^{t+1}-\mathbf x_i^{t+1}\rVert^2} {\sum_{i\in\mathcal F}m_i}}, \qquad E_x^{(1)}=\frac{\operatorname{RMSE}_x^{(1)}}{L_{ref}}.

其中 $\operatorname{RMSE}_x$ 的单位是长度， $E_x$ 无量纲。速度误差使用同样的质量权重，原始值单位为长度/时间；若还要给无量纲值，则必须预先声明固定的 $V_{ref}$ ，而不是除以可能接近零的逐帧真值速度。还要明确速度来自数据、有限差分，还是 XPBD 校正后的位置回写。若训练目标是加速度，应分别报告网络原始输出、积分后的 proposal，以及经过 XPBD 后的最终状态；否则一个坏 predictor 可能被强投影掩盖。

One-step 表至少包含三列：积分后的 GNN proposal、XPBD correction 和最终状态。为避免质量范数和稳定常数的量纲含混，先定义

\operatorname{rms}_M(\mathbf z)= \sqrt{\frac{\sum_{i\in\mathcal F}m_i\lVert\mathbf z_i\rVert^2} {\sum_{i\in\mathcal F}m_i}},

再记录

E_{proj}=\frac{\operatorname{rms}_M(\mathbf x_{final}-\mathbf x_{proposal})} {\operatorname{rms}_M(\mathbf x_{proposal}-\mathbf x_t)+\varepsilon_x},

其中 $\varepsilon_x$ 与位置同量纲，并相对 $L_{ref}$ 固定。这个比值可以看出到底是网络在预测，还是 XPBD 每帧都在替它重做结果；分母接近零的静止帧应单独统计，不能靠 $\varepsilon_x$ 隐藏。固定点和运动学点不进入 $\mathcal F$ ，其跟随误差另表报告，不能用大量已知边界点稀释 RMSE。

2. Rollout 要报告曲线，而不是一个平均数

Rollout 从首帧参考状态开始，此后只回灌方法自己的布料动态状态；不能在中途偷偷注入真值位置、速度或隐藏历史。人体动画等部署时本就已知的运动学条件可以继续使用参考驱动，但必须明确它们不是被预测量。至少报告短、中、长三个按物理时间定义的窗口，并保留逐帧曲线；比较不同子步数时要在相同物理时刻采样，不能把“步数相同”误当成“时长相同”。一个整段平均值会把早期精度、后期崩溃和动画静止区间混在一起。

长程位置 RMSE 也不是永远可靠。混沌或强接触系统在相位分离后，两个都合理的轨迹仍可能逐点相距很远；MeshGraphNets 对长 rollout 的讨论就提醒了这种 decoherence。超过相干窗口后，应增加频谱、褶皱尺度、速度分布和接触事件统计，同时保留失败率。不能因为 RMSE 失去解释力就删掉它，也不能只凭“看起来都合理”宣布等价。

建议按下列维度同时记录：

维度	指标与量纲	必须补充的分布信息
位置 / 速度	$\operatorname{RMSE}_x$ [长度]、 $E_x$ [-]、 $\operatorname{RMSE}_v$ [长度/时间]	每帧曲线、时间归一化 AUC、P50/P95、末帧
拉伸	边应变 $\epsilon^{\mathrm{stretch}}$ [-]	拉伸/压缩分开统计，绝对值 P95/P99、最大值、超阈值边比例
弯曲	环绕后的二面角误差 [rad]	绝对误差 P50/P95/P99、最大值
穿透	有符号距离的负部 [长度]	穿透比例、条件深度分位数、最长连续持续时间 [s]
能量	动能、势能、弹性能、外功、耗散 [J]	收支残差曲线、峰值、周期净变化
稳定性	首次失败时间 $T_{fail}$ [s]	失败类型、生存曲线与右删失样本
性能	各阶段 CPU/GPU 时间 [ms]、显存 [MiB]	P50/P90/P99、最大值、超预算率、冷/热启动

这里的时间归一化 AUC 指 $T^{-1}\int_0^T E(t)\,dt$ ；若使用离散帧，则按真实 $\Delta t$ 加权。轨迹长短不一时，不能直接累加误差，也不能把所有帧摊平后假装它们是独立样本：应先得到每条轨迹的统计量，再跨轨迹汇总。

其中边拉伸可写成

\epsilon_e^{\mathrm{stretch}}= \frac{\lVert\mathbf x_i-\mathbf x_j\rVert}{l_e^0}-1,

拉伸应变是有符号量，正值为拉伸、负值为压缩；若只报告 signed P95，严重压缩可能被漏掉。弯曲误差应使用

\Delta\theta=\operatorname{atan2}\!\left( \sin(\hat\theta-\theta),\cos(\hat\theta-\theta)\right)

做 $2\pi$ 环绕，并统一以弧度统计，避免 $179^\circ$ 到 $-179^\circ$ 被算成巨大跳变。约定有符号距离 $\phi\ge 0$ 为允许侧，零厚度碰撞体的穿透深度为 $d_i^-=\max(0,-\phi(\mathbf x_i))$ ；若布料厚度为 $r$ ，则改为 $\max(0,r-\phi)$ 。深度分位数应在已穿透样本上计算，并同时报告全体样本的穿透比例，否则大量零值会让 P95 看似为零。自碰撞则需要独立的非相邻点-三角形与边-边对统计，不能只数贴近顶点。

能量尤其容易误用。受骨骼驱动、风、摩擦和阻尼的布料本来就不守恒；若约定外界对布料做正功为 $W_{external}>0$ 、累计耗散为 $D\ge 0$ ，合理量是能量收支残差

R_E(t)=E(t)-E(0)-W_{external}(0,t)+D(0,t),

它的单位是焦耳。移动附着点、运动碰撞体、风和用户交互的功都必须计入 $W_{external}$ ，摩擦与显式阻尼则计入 $D$ ；二者的划分要采用统一符号约定，不能把同一份耗散重复计算。漏记任一项时， $R_E$ 只能作为诊断量，而不能被解释为守恒误差。只有无外力或外功可计算的受控场景，才能把能量漂移直接解释为数值误差。Differentiable XPBD 在受控模型中比较 XPBD 变体的物理合理性和能量行为，也指出未计入重力等外部能量会限制能量修正；这不意味着任意生产场景都应采用“总能量恒定”作为门禁。

$T_{fail}$ 是首次出现预先定义失败条件的时间，例如 NaN、三角形翻转、持续穿透、拉伸越界或求解超时。阈值必须在看结果前冻结，并同时报告“到测试结束仍未失败”的右删失样本，不能把它们当成恰好在末帧失败，也不能只对已失败样本求平均。建议报告生存曲线、固定时长成功率，必要时再给受限平均生存时间。

门禁阈值不是跨项目通用的物理常数。应先在可信的经典求解器、数据真值和目标硬件预算上确定量纲与容差，再在查看候选方法结果之前登记阈值。若准确度、稳定性和耗时无法同时排序，就发布 Pareto 前沿，不要用一组临时权重压成单个总分；总分很容易让严重穿透被少量速度收益抵消。

3. 泛化测试必须按因素分层

随机拆帧会把同一轨迹的相邻状态泄漏到训练集和测试集。测试单位应至少是完整轨迹；要验证服装泛化时，还必须按服装或拓扑整体留出。

分层轴	域内测试	插值测试	外推测试
服装	已见模板与尺寸	已见类型的新比例	未见衣片形状、面积与长宽比
拓扑	已见连通图	新网格密度、局部不规则性	新连通分量、孔洞、缝合或动态边
动作	已见动作与速度	动作混合、不同起始相位	更快速度、更大幅度、强接触
材质	训练采样中心	范围内未见组合	范围边界、范围外与空间异质材质

单轴通过还不够。应额外保留组合留出，例如“未见服装 × 快动作 × 较硬材质”，因为图邻域、接触频率和约束刚度会相互影响。各分层使用相同指标，但不能只汇总成一个总平均；失败常常集中在样本较少、价值却最高的外推层。

若预测与参考采用不同分辨率，或任一方法会动态重网格，逐顶点一一对应便不再成立。此时必须预先规定从预测表面到参考表面的映射，或改用双向表面距离、采样后的几何误差与质量积分；不能按数组下标计算“位置 RMSE”。映射与采样误差应单独量化，并对所有方法共用同一套实现。若参考求解与预测始终共享同一测试网格，则可继续使用逐顶点误差，但也要保留质量权重，避免密集区域支配结果。

4. 消融必须做完整因子矩阵

完整消融分成两层。第一层回答“哪个组件带来收益”，至少包含：

配置	学习 proposal	XPBD 最终投影	目的
纯 XPBD	否	是	经典求解基线
纯 GNN	是	否	学习模型基线；即使不适合上线，也必须如实计入失败
GNN + XPBD	是	是	完整混合方案
逐组件移除	视配置而定	视配置而定	归因 world edge、层次图、碰撞特征、rollout 训练或其他被声称有效的组件

“逐组件移除”不是任选几个容易解释的开关。组件表至少要覆盖物理训练损失、world/body edge、层次消息传递、XPBD 结构投影、接触安全投影和失败回退中实际启用的部分。凡是正文声称贡献了精度、稳定性或速度的组件，都必须在同一训练与评测协议下单独关闭；对理论上可能耦合的组件，再保留预先指定的二阶交互项。纯 GNN 若会穿透，也应作为隔离环境中的基线报告穿透率和失败时间，而不是因“不安全”从表中消失。失败回退会截断坏轨迹，因此“原始方法”和“原始方法 + 回退”必须各报一份，不能让重置次数替模型稳定性遮羞。

第二层回答“数值预算如何分配”。混合系统至少有五个相互耦合的旋钮：

每视觉帧的子步数 $S$ ；
GNN 引导强度 $\gamma$ ；
每子步 XPBD 迭代数 $K$ ；
拉伸与弯曲 compliance $\alpha_{stretch}$ 、 $\alpha_{bend}$ 。

$\gamma$ 必须有可复现定义，例如残差加速度 $a=a_{base}+\gamma a_{gnn}$ ，而不是界面上的无量纲滑杆。正 compliance 应在对数尺度采样，并分别扫描拉伸与弯曲；若要测试无限刚约束， $\alpha=0$ 必须作为独立离散点，不能塞进对数坐标。只写“物理强度”会掩盖两个约束族的补偿。

正确实验是 $S\times\gamma\times K\times\alpha_{stretch}\times\alpha_{bend}$ 的全因子设计；若组合过多，则使用在看结果前登记的分数因子或响应面设计，并明确哪些交互项因此无法估计。不能先挑最佳 $\gamma$ 、固定后再调 $K$ ，也不能把 $\alpha_{stretch}$ 与 $\alpha_{bend}$ 合并成一个“物理强度”。

匿名本地观察（非论文结论）： 某次原型评测先在单一参数点凭短片给三个候选方案排序；补跑“子步数 × 引导强度”矩阵后，方案次序在不同区域发生反转。它只说明局部观感无法隔离交互项，不证明任何具体参数普遍更优。每个矩阵格都要跑相同的序列、起始相位与配对随机种子，并同时展示质量和耗时。

Small Steps 还提醒我们：总约束投影次数相同，不代表数值行为相同； $S$ 个小步、每步一次投影，可能比一个大步内做 $S$ 次迭代具有更小的约束误差和阻尼。因此报告应包含三张切片：

固定每子步 $K$ ，观察增加 $S$ 后的质量与成本；
固定结构约束遍历预算 $S\cdot K=B$ ，比较“更多子步”和“更多迭代”；
固定真实墙钟预算，比较最终可部署配置。

如果 GNN 每子步调用一次，增加 $S$ 还会同时增加网络成本；如果只在视觉帧调用一次，则必须说明引导如何分配到子步。两者不能放在同一性能图中而不标注。 $S\cdot K$ 只代表遍历次数：活动接触数量随状态变化时，还要记录实际评估和投影的约束数，以及碰撞检测刷新次数。

所谓“同一预算”还必须冻结视觉帧步长、输入信息、碰撞厚度与检测刷新策略、数值精度、图构建策略、硬件和并发实例数。端到端耗时要包含图更新、GNN、碰撞、约束与同步，不能只匹配 $S\cdot K$ 。各方法只能在验证集上调参，并获得事先约定的近似调参预算；训练计算量与运行时预算分开报告。最终可采用两种公平视图：一是在相同 P99 帧时上限内比较质量，二是在达到相同质量门槛时比较成本。

5. 动画 wrap 会伪造稳定性

匿名本地观察（非论文结论）： 某次原型评测复查播放链路时发现，动画 wrap 含有边界重复帧，而且每轮 wrap 都重置布料状态；固定相位采样因而把反复冷启动误判为长序列稳定。该观察不包含具体资产、项目或参数，只用于说明测试夹具也必须审计。这个陷阱同时污染误差和性能：重复帧降低驱动强度，重置清除了已经积累的速度、应变和穿透。

第 3 篇的初步视觉对照可以帮助理解不同求解路径的直观差异，但这里只把它视为定性材料；正式结论仍以连续 rollout、完整矩阵和预算对齐后的数据为准。

正确协议是：

动画可以循环，但布料位置、速度、GNN 历史状态和其他持续状态不得随 wrap 重置；
先验证首尾姿态、碰撞体速度和时间戳连续，边界重复帧单独标记；
从多个动画相位启动等长 rollout，避免只选择最平稳的起点；
将初始化后的 warm-up 与 steady state 分开报告，边界窗口也单独报告；
真正需要冷启动的产品流程另设测试，不与持续运行结果混合。

连续 rollout 不等于无限重复同一短片。还应包含非循环长动作、速度扰动和外力脉冲，检查系统在偏离训练轨迹后是否能恢复。

6. 随机种子与 GPU 非确定性

至少区分三类随机性：训练初始化和数据顺序、测试初态扰动、GPU 执行顺序。图消息的 scatter/reduction、原子累加、并行约束批次和接触对排序，都可能因浮点非结合性产生微小差别；自回归系统会把这种差别逐步放大。

每个关键配置应跨预先登记的多个训练种子和 rollout 扰动种子，报告逐种子结果、中位数、置信区间与失败次数，而不是挑最佳 checkpoint。置信区间的重采样单位应是独立轨迹或独立训练运行，不能把同一自回归轨迹中的数千帧当成数千个独立样本。还应让同一 checkpoint、同一初态重复运行，并在每次运行前重置全部持久状态，单独估计执行层非确定性。调试阶段可以使用确定性聚合或串行约束顺序建立参考，但生产性能必须在真实并行模式下测量；确定性参考和发布配置是两个结果集。

成对消融必须共享场景、起始相位和扰动种子。否则配对优势会被样本难度差异淹没。若 GPU 无法做到逐位复现，就发布容差、分位数和失败概率，而不是声称两个浮点结果应完全一致。

7. 运行预算看尾延迟，不只看平均 FPS

把一帧拆成图构建、GNN、碰撞候选、XPBD、速度更新、CPU/GPU 传输和同步等待。计时 GPU 工作时必须使用时间戳查询；显式同步只应用于隔离基准或端到端边界，单测 CPU 提交时间会低估成本。异步阶段可能重叠，所以各阶段时间之和不一定等于端到端帧时，两者都要报告。先预热模型、内存池和 shader，再测 steady state；首次图编译、缓存建立与内存扩容则放入 cold-start 表。

平均 FPS 会隐藏偶发的接触边暴涨和求解尖峰。发布表至少给出 P50、P90、P99、最大帧时、显存峰值，以及超过帧预算的比例；按服装规模和接触强度分桶。每张表必须写明测量帧数、独立重复次数、并发实例数、硬件、驱动、精度、功耗/时钟策略与是否包含渲染；最大值没有样本数就不可比较。尾延迟置信区间按独立运行或分块 bootstrap 估计，不能把强自相关的连续帧当独立样本。对实时系统，“P99 不越预算”通常比平均快一毫秒更有价值。

视觉评测采用随机左右顺序的成对 A/B：相同相机、光照、播放速度和起始状态，观察者不知道方法名，并允许“无明显差别”。问题应拆成稳定性、材料感、碰撞可信度和整体偏好，而不是只问“哪个好”。报告偏好比例、观察者数量和置信区间，并把视频偏好与数值失败对照；视觉票数不能覆盖穿透或超时门禁。

8. 一份可审计的结果页

最终结果不应只剩“最佳配置”。建议同时发布：

数据切分、四个泛化轴以及拓扑变化时的几何映射；
one-step、短中长 rollout 的逐帧曲线；
组件消融、完整数值因子矩阵及等遍历、等墙钟切片；
checkpoint 选择规则、每个配置的随机种子、失败次数、删失样本和置信区间；
warm-up、steady state、wrap 边界和 cold start 的独立结果；
指标单位与归一化常数、样本数、分阶段 P50/P90/P99 性能与成对视觉评测。

论文提供了可复用的实验思想，但没有一篇论文替我们定义生产门禁。混合求解器是否有价值，最终要由长序列约束违例、跨分布失败率和真实尾延迟共同回答。只有当完整矩阵仍支持最初结论，且动画相位、重置与 GPU 随机性都不能把它推翻，才值得把一次演示称为稳定方案。

参考资料

Pfaff et al., Learning Mesh-Based Simulation with Graph Networks, ICLR 2021.
Grigorev et al., HOOD: Hierarchical Graphs for Generalized Modelling of Clothing Dynamics, CVPR 2023.
Macklin et al., Small Steps in Physics Simulation, SCA 2019.
Drysch, Stotko, Klein, Differentiable XPBD for Gradient-Based Learning of Physical Parameters from Motion, VMV 2025.

下一篇：实时部署与运行时架构