提出笼基形变结构亲和正则算法

Aviraj Newatia 等在 arXiv 提出 Structural Affinity，一种针对笼基变形（CBD）的显式正则化方法：用均值坐标预计算亲和矩阵，把内层控制笼绑定到更粗的外层控制笼，耦合控制柄运动，使位移平滑传播，减少笼自交与网格畸变，且变形时只增加线性开销。 作者称，在机器人控制—形态协同设计、源到目标神经变形迁移、气动机翼形状优化三个任务中，该方法产生更规则的形变，并在 cotangent Laplacian、笼畸变、表面粗糙度三项诊断上取得一致改善，同时减少对手工设计结构损失项的依赖。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。