上一篇：从 PBD 到 XPBD

布料模拟本来就建立在“点与点之间存在关系”之上：顶点携带质量和运动状态，边表达拉伸关系，三角形与相邻三角形共同决定面积和弯曲。把三角网格转换成图，并不是为了追赶一种新的网络结构，而是为了把这种离散物理关系交给可学习的消息传递器。

这一表示有两个直接好处。第一，网络不再要求固定尺寸的二维数组，同一组参数可以处理不同顶点数和不同连接方式。第二，边可以明确区分“材料上相邻”和“空间中靠近”，前者负责布料内部传力，后者负责接触与自碰撞。代价也同样明确：图网络只看得到构图时提供的邻域，有限层数意味着有限传播半径；单步预测再准，反复回灌后仍可能漂移。

本文从图的构造讲起，解释 MeshGraphNets、其官方示例代码以及 HOOD 分别解决了什么。文中用“论文结论”标出作者实际实验支持的内容，用“工程推导”标出面向实现的延伸判断。

从三角面片得到多重图

设三角网格为 $M=(V,F)$。每个几何顶点 $i\in V$ 变成一个图节点；遍历所有三角形 $(i,j,k)$，收集去重后的无向边，再为每条无向边生成方向相反的两条记录。下文约定 $\mathbf{e}_{ij}$ 表示邻居 $j$ 发往接收端 $i$ 的边。双向化不是存储上的偶然重复，而是为了让两端都能聚合来自邻居的消息。

这里至少要保存两套坐标：

• 材料或静止空间坐标 $\mathbf{u}_i$，描述布料未变形时的内在结构；
• 当前世界坐标 $\mathbf{x}_i^t$，描述这一帧实际展开、折叠和接触后的形状。

由拓扑直接得到的边称为 mesh edge。它不会因为布料折叠而改变，是内部作用传播的结构支架；但一条图边并不与某个拉伸、剪切或弯曲能量项一一对应。对每条边，可构造

$$\mathbf{e}_{ij}^{M}= [\mathbf{u}_i-\mathbf{u}_j,\|\mathbf{u}_i-\mathbf{u}_j\|, \mathbf{x}_i^t-\mathbf{x}_j^t,\|\mathbf{x}_i^t-\mathbf{x}_j^t\|].$$

静止位移告诉网络“这两个点原本应该相隔多远”，当前位移告诉网络“现在被拉成什么样”。两者缺一，网络就很难从局部几何中辨认应变。MeshGraphNets 的消融更具体：固定半径构图的 GNS 即使加入材料空间相对位置、却不沿真实 mesh edge 传递消息，在不规则网格上仍无法稳定 rollout；反过来，去掉 world edge 后，FlagDynamic 与 SphereDynamic 的 rollout RMSE 分别上升 51% 和 92%。这两组实验支持的是“参考几何、真实网格连接和空间近邻各有作用”，而不是某一种边可以替代其余信息。

第二类是 world edge。在每一帧，对世界空间做半径搜索：若 $\|\mathbf{x}_i^t-\mathbf{x}_j^t\|<r_W$，且两点并非已有的网格邻居，就建立临时边，特征通常为当前相对位移及其长度。它连接的是“空间上靠近、材料上很远”的点，例如折叠后相互贴近的两层布面，或布料与碰撞体。

论文结论：MeshGraphNets 明确将 mesh edge 用于内部动力学，将 world edge 用于接触与自碰撞；其半径 $r_W$ 取与最小网格边长同量级，而不是任意扩大到全局连接。

工程推导：world edge 是候选接触关系，不等于完整碰撞解算。半径过小会漏掉高速接近，过大则会让边数和错误邻居暴涨。实际系统还需要连续碰撞检测、法向/距离特征或后续约束投影来兜底。

节点和边究竟放什么

MeshGraphNets 的布料设置很克制。节点包含 one-hot 类型和速度估计

$$\mathbf{v}_i=[\mathbf{n}_i,\mathbf{x}_i^t-\mathbf{x}_i^{t-1}],$$

其中类型用于区分自由点、固定点和按脚本运动的边界点；若边界下一帧会移动，还需提供其目标速度。网络解码每个节点的加速度，再按二阶系统积分得到下一帧位置。材料空间与世界空间的相对位置放在边上，而不是把绝对位置塞进节点，这给平移等变性提供了直接的结构偏置。

HOOD 针对服装进一步加入节点法线、质量以及材料参数；边中保留当前几何与标准形态的相对位置，并把杨氏模量、泊松比、弯曲系数和密度等局部属性作为条件。它还加入布料到人体的 body edge，把碰撞对象也纳入消息传递。

工程推导：输入特征不是越多越好。逆质量、固定标记、局部厚度、风速和材料参数只有在训练数据中确实变化、损失又能辨认其作用时才有意义。始终为常数的字段不会自动带来泛化，反而可能制造尺度和归一化问题。

Encode–Process–Decode

图建好之后，典型结构分成三段。

Encode：把不同物理量映射到同一潜空间

节点、mesh edge 和 world edge 分别经过自己的 MLP，得到定宽潜向量：

$$\mathbf{h}_i^0=\epsilon^V(\mathbf{v}_i),\qquad \mathbf{g}_{ij}^{M,0}=\epsilon^M(\mathbf{e}_{ij}^{M}),\qquad \mathbf{g}_{ij}^{W,0}=\epsilon^W(\mathbf{e}_{ij}^{W}).$$

MeshGraphNets 的论文实现使用宽度 128 的潜表示和带两个隐藏层的 ReLU MLP；除最终 decoder 外，各 MLP 输出还经过 LayerNorm。这里的 128 是实现选择，不是图网络布料求解的物理常数。

Process：沿边反复传递消息

第 $l$ 个处理块先更新边，再把指向节点 $i$ 的消息求和并更新节点：

$$\mathbf{g}_{ij}^{M,l+1}=f_M^l(\mathbf{g}_{ij}^{M,l},\mathbf{h}_i^l,\mathbf{h}_j^l),$$

$$\mathbf{g}_{ij}^{W,l+1}=f_W^l(\mathbf{g}_{ij}^{W,l},\mathbf{h}_i^l,\mathbf{h}_j^l),$$

$$\mathbf{h}_i^{l+1}=f_V^l\left( \mathbf{h}_i^l, \sum_j\mathbf{g}_{ij}^{M,l+1}, \sum_j\mathbf{g}_{ij}^{W,l+1} \right).$$

两类边使用不同的更新器，节点更新器则同时看到两路聚合结果。残差连接保留已有状态。这个形式继承了 Graph Networks as Learnable Physics Engines 的对象—关系归纳偏置：网络学习的是局部关系的更新规则，而不是一个固定编号顶点到另一个固定编号顶点的映射。

一次消息传递只能跨越一条边，$L$ 层最多让信息沿图传播 $L$ 跳。MeshGraphNets 在实验中使用 15 个处理块，并报告增加消息传递步数通常会改善性能，但计算量随之上升。需要注意，world edge 能跨过材料空间中的远距离，却只连接世界空间中已经接近的点；它不能代替沿整件衣服快速传播的拉力。

Decode：预测增量，而非直接背诵姿态

解码器把最终节点潜变量映射为加速度 $\hat{\mathbf{a}}_i^t$。在论文采用的归一化时间步下，二阶更新可写成

$$\hat{\mathbf{x}}_i^{t+1} =\hat{\mathbf{a}}_i^t+2\mathbf{x}_i^t-\mathbf{x}_i^{t-1}.$$

固定或运动学节点随后由边界条件覆盖。预测导数而非绝对位置，让网络更接近学习局部动力学，但并不会自动守恒，也不会自动满足不可伸长或无穿透约束。

MeshGraphNets 的布料实验说明了什么

论文包含风中旗帜、布料与运动学球体交互、静态网格和每步改变分辨率的自适应三角网格。训练只监督下一步，却在输入位置上加入噪声，让模型接触 rollout 中可能出现的偏离状态。作者报告，15 次消息传递在其多个实验域上取得了较好的精度—效率折中；对于布料，只保留一帧历史来估计速度，增加历史反而出现过拟合。

在泛化实验中，矩形旗帜训练得到的模型被用于不同形状、更大尺度和更多节点的网格；论文也展示了动态重网格和未见形状上的结果。这支持以下较窄的结论：以相对量和局部网格关系为输入，确实有机会跨顶点数、网格形状与一定分辨率变化复用局部动力学。

它不支持“模型天然理解任意服装”。训练中的材料范围、边长分布、时间步、外力、接触类型和边界条件仍构成隐含的数据分布。论文中约两万节点的外推案例很有启发性，但单一成功案例不能替代对极端长宽比三角形、全新材料、缝合结构或拓扑破坏的逐项验证。

官方仓库也应按“研究复现入口”理解：它公开通用数据读取与模型核心，并为 flag_simple 等有限实验域提供训练、评估和 rollout 示例；这与可直接部署的通用服装模拟器不是同一件事。

HOOD：让长程作用走一条更短的路

单层图的根本限制是传播半径。布料越硬，一处受力对远处的影响越快；若每帧只有 15 跳，远处节点在当前预测中根本收不到消息，视觉上就容易表现得过软、像橡胶。

HOOD 的办法不是把平面图无限加深，而是递归抽取更稀疏的节点集合，构造嵌套层次图。粗层上的一条边对应细层上的多跳路径，因此消息先在细层提取局部状态，再借粗层快速远传，最后回到细层更新局部细节。各层拥有独立边特征，节点特征在层间共享；嵌套节点集合让层间信息交换不必额外设计池化和插值算子。

它与 MeshGraphNets 的训练信号也不同。HOOD 仍然自回归地预测逐顶点加速度，但不以离线布料模拟轨迹作为监督标签，而是把惯性、拉伸、弯曲、重力、摩擦和人体碰撞组成的隐式欧拉增量势作为物理损失进行自监督训练。“不需要布料真值轨迹”不等于“不需要数据”：训练仍使用人体动作、服装模板、体型和采样后的材料参数。把这一点说清，才能避免把 HOOD 的物理损失误写成 MeshGraphNets 式的一步轨迹监督。

论文结论：HOOD 报告三层、相邻两层同时处理的 U-Net 式消息传递，在近似计算预算下将传播半径从单层 15 跳提高到 48 跳；相较 15 步单层基线，其损失和速度更好。48 步单层基线的部分指标略优，但推理明显更慢。论文还展示了未见服装、材料参数变化以及通过启停边表达纽扣开合的拓扑变化。

工程推导：层次图擅长传递低频、长程的拉力趋势，细层保留褶皱等高频细节，但粗化规则本身也是模型的一部分。若粗层跨过缝隙、把物理上不相连的布片错误连通，快速传播反而会放大错误。层次构图必须尊重连通分量、缝线和动态拓扑事件。

拓扑与分辨率泛化的边界

“图支持可变拓扑”包含三个不同难度的问题，不能混为一谈：

1. 不同样本有不同图：训练时见过多种衣片，推理时换一件连通结构不同的服装。这是局部共享参数最自然的泛化方式。
2. 同一轨迹中启停已知边：纽扣、拉链或缝线状态改变，但候选连接预先定义。HOOD 展示的动态拓扑主要属于这一类。
3. 运行时产生全新几何与状态转移：撕裂、切割、重新缝合或重网格不仅改变边，还涉及新顶点状态初始化、历史迁移和层次图重建，不能只靠删除一条边完成。

分辨率泛化也不是“顶点数无关”这么简单。相对边特征有助于跨分辨率，但节点聚合方式、邻居密度、物理半径、时间步与训练中的边长尺度仍会共同改变数值行为。工程验收至少要把“相同形状不同细分”“相同边长但更大服装”“不规则三角形”“不同时间步”拆成四组测试，而不是只看一次高分辨率演示。

Rollout 误差：单步正确为何仍会走偏

训练阶段常用真实状态 $\mathbf{x}^t$ 预测下一步；部署时输入却是模型上一帧的输出 $\hat{\mathbf{x}}^t$。微小误差会改变速度、world edge 邻域和碰撞关系，使下一步输入继续偏离训练分布。这种自回归分布偏移会表现为能量漂移、过度拉伸、穿透、三角形翻转，或虽保持稳定却与参考轨迹逐渐失去相位一致性。

MeshGraphNets 通过训练噪声提升偏离状态下的恢复能力，并同时报告单步、50 步与整段 rollout 误差。作者特别指出，旗帜的混沌性会使较长轨迹发生 decoherence，因此长程逐点 RMSE 不再只衡量“物理是否合理”，也混入了相位分离。

工程推导：评估应至少同时观察四类量：短时位置/速度误差、长时统计或频谱、约束违反量、碰撞与拓扑失败率。训练噪声是在教模型回到数据流形，不是严格的稳定性证明；单步 RMSE 也不能替代无爆炸、无穿透和材料响应一致性的长时门禁。

这正是混合求解器的切入点：让图网络预测难以手工建模的加速度、残差或引导位置，再让 XPBD 用显式约束把状态投影回可接受集合。图网络提供经验动力学，XPBD 提供可解释的几何边界；二者怎样连接，是下一篇的主题。

小结

从三角网格到图网络，关键不是把顶点喂给一个 GNN，而是有意识地设计三条信息通道：节点保存局部状态，mesh edge 保存材料关系，world edge 保存临时空间关系。Encode–Process–Decode 学习局部更新规则；多层消息传递扩大感受野；HOOD 的层次图进一步缩短长程传力路径。

论文已经证明这种表示能够跨一定的形状、拓扑和分辨率变化工作，但泛化始终受训练分布、构图尺度和 rollout 稳定性约束。工程上最值得保留的不是“神经网络取代模拟器”的结论，而是一个更具体的分工：图网络擅长从局部关系归纳动力学，经典约束求解器擅长守住明确边界。

下一篇：GNN × XPBD 的混合架构

参考资料

• Pfaff et al., Learning Mesh-Based Simulation with Graph Networks, ICLR 2021.
• Google DeepMind, MeshGraphNets 官方研究代码.
• Grigorev et al., HOOD: Hierarchical Graphs for Generalized Modelling of Clothing Dynamics, CVPR 2023.
• Sanchez-Gonzalez et al., Graph Networks as Learnable Physics Engines for Inference and Control, ICML 2018.

贡献者: Astroite