Компьютерное моделирование

Визуально кислота должна была представлять из себя грязную воду с желтым оттенком. Вот референсы:

Кислота должна поддерживать физическое взаимодействие с объектами, которые в нее брошены: рисовать волны, пену. Так же должна быть возможность видеть сквозь грязь. Возможно в уровнях будет небольшой ветер, но это неточно.

Разработка кислоты проводилась в несколько этапов:

- разрабатывались инструменты для работы с кислотой (в основном это инструмент рисования текстурных масок пены)

- разрабатывалась кислота (работали над шейдерами, материалами, логикой взаимодействия, звуковыми эффектами)

Инструмент рисования текстурных масок пены

Механизм рисования достаточно прост.

Условно есть 2 текстуры:

- текстура маски пены (далее маска)

- текстура кисти (далее кисть)

Задача состоит в том чтобы правильно произвести операцию Blit кисти с маской (использовать для кисти соответствующие “scale” и “offset”, чтобы корректно ее спроецировать в нужную область маски).

Чтобы можно было водить кистью по модели и рисовать, нужно чтобы координаты точки пересечения модели и кисти переводились в пространство UV.

Здесь есть 2 решения по части перевода координат:

- использовать “MeshColluder” и из него получать “texcoord.xy” области пересечения луча “Raycast”. В этом случае координаты будут уже приведены к “UV” виду, нам только останется проецировать текстуру кисти в нужную область маски.

- использовать “BoxCollider” и самостоятельно переводить “worldSpace” координаты кисти к UV координатам маски.

Мы использовали второй вариант:

- к модели кислоты добавляется “BoxColider”

- делается RayCast

- worldSpace точка пересечения луча кисти и кислоты переводится в “acidLocalSpace”

- далее эта точка переводится в “UV-space”. Для этого мы делим координаты точки пересечения на размеры кислоты:

Доработчки: механизм отмены (ctrl+z)

Для ввода механизма отмены пришлось изменить подход: была создана ортографическая камера, которая рендерит только слой кистей. Размеры камеры соответствовали размерам кислоты. В области пересечения кисти и маски создавался меш кисти, который рендерился камерой, а далее делался "Blit" с маской. Таким образом появилась возможность отменять действия.

Небольшая демонстрация работы системы рисования масок:

Волны

Нами предпринимались разные попытки создания волн:

- рисования волн на тектуре кислоты

- волны созданные геометрическим шейдером поверх кислоты

- тесселяция + GPU Instancing и волны

Справа на рисунке представлена волна, которая создана геометрическим шейдером. Волна слева - плоская.

Кстати, про кубики я писал здесь: Немного о дематериализации в нашей игре

В конечном счете мы отказались от таких волн и решили сделать реалистичные волны, которые учитывают интерференцию и генерируют пену в области распространения волны.

Как работает генерация волн

Опишу это простыми словами: есть 2-х мерное уравнение “колебаний”, которое нужно решать каждый кадр. Это уравнение позволяет генерировать распространение волн. С материалом по теме вы можете ознакомиться здесь: ссылка 1

А здесь еще один отличный материал: ссылка 2

Здесь крутой пример исходного кода для Unity: ссылка 3

Мой результат генерации волны (используется стандартная тесселяция от Unity и стандартный шейдер):

Но генерация волн это еще не все. Если у вас маленький бассейн, то примера с Github должно хватить. А если нужно рендерить море или океан, то возникает масса проблем оптимизации:

- оказывается Unity не поддерживает “Tessellation + GPU Instancing of Standard shaders”

- ближние участки кислоты должны быть высокополигональными (для этого нужно использовать систему “LOD”)

- дальние волны, пену можно не рендерить

- артефакты распространения волн

Самое важное я узнал в самом конце. Unity, почему “Tessellation + GPU Instancing” не не работают со стандартными шейдерами? Для решения этой проблемы пришлось посмотреть сгенерированный код Standard-шейдера, вытащить из него то что вам нужно и вставить это в “Fragment shader”.

Структура водной поверхности, распространение воды на соседние сегменты

Водная поверхность представляет из себя NxN объектов с “LOD”. По мере удаления, объекты с LOD подменяют друг друга так, что на расстоянии X вместо 4-х различных объектов с LOD, рисуется один:

То есть водная поверхность - это “умная” сетка из разных участков воды. Допустим, вода имеет размеры 8х8 и пусть источник волн возник в ячейке [2,4]:

Тогда мы резервируем соседние N ячеек (в моем примере по одной с каждой стороны) и проецируем текстуру распространения волн на этот участок общей водной поверхности. Проекция текстуры распространения волн показана красным. То есть мы растягиваем и смещаем текстуру для каждого участка воды. Поиск зоны отрисовки волн в Unity выглядит следующим образом:

Кстати, если источник волн на к краю воды, то мы располагаем текстуру с волнами так, чтобы она не уходила за границы воды (на видео этого нет).

А здесь мы спроецировали текстуру на которой должны рисоваться волны (настроили “tilling & offset”):

Таким образом распространение волны происходит на прилегающие соседние объекты, то есть за пределы одного участка воды.

Вот результаты работы симуляции воды и тесселяции:

Генерация волн от объектов сложной формы

До этого момента я упрощенно рассказал и сослался на литературу, описывающую то как генерировать волны в виде кругов. А что если в воду упадет параллелепипед, капсула или еще какой-то объект (в том числе и невыпуклый). В этом случае форма волн должна быть соответствующей.

Чтобы добиться “реалистичной” формы волн, мы поступили следующим образом:

- падающие в воду объекты рендерятся в текстуру _FallTex. (Ортографическая камера рендерит значения глубины упавших объектов умноженные на скорость падения обьекта)

- далее текстура _FallTex размывается и результат размытия передается в текстуру волн

То есть мы вмешиваемся в процесс симуляции воды, добавляем в симуляцию новые значения (новые источники волн).

Здесь показан результат симуляции волн от объектов сложной формы:

Распространение волн на дальние сегменты

Это одна из проблемных задач. Распространение волн осуществляется за счет использования дополнительных текстур. Игрок не способен летать над водной гладью со скоростью пули и присутствовать то в одном месте, то в другом. Поэтому есть возможность переставать генерировать те волны, которые “далеко”. А распространение тех волн, которые близко, нужно плавно переносить из одного водного сегмента на другой. Здесь видно как ведет себя вода при переходе между разными участками симуляции жидкости:

Чтобы передергов с водой не было, нужно иметь 2 текстуры симулирующие жидкость. Одна из них должна симулировать жидкость, а другая должна перекопировать на себя участок с волнами при перемещении игрока (то есть при смене центрального участка воды). Если этого не делать, то возможны такие баги:

Допустим упавший в воду объект поплыл из [2,4] в [3,4] :

Тогда, чтобы сымитировать цельность водной поверхности, мы копируем часть текстуры текущей симуляции жидкости и вставляем ее во вторую текстуру. Теперь делаем вторую текстуру основной и продолжаем распространение волн на этой текстуре.

Для чего мы проводим операцию копирования? Дело в том, что нам нужно начать новую симуляцию и отобразить в ней результат старой симуляции (на рисунке выше этот результат находится в желтой зоне).

Артефакты

Если объект - источник волн расположен на границе разных водных сегментов, то при копировании текстуры распространения волны могут возникнуть артефакты:

Эти артефакты связаны с тем, что текстура волн является “Clamp”. Для устранения данных артефактов, необходимо учитывать расположение объектов (проверять расположение относительно стыков) и, в случае необходимости, исключать часть объектов из процесса симуляции волн.

Возможны ситуации, когда возникают щели. Они решаются в тесселляцинном шейдере путем уменьшения высоты отклонения волн. То есть высота волн меняется в зависимости от расстояния до камеры игрока.

Вот мои тесты тесселяции и попытки объединения Tesselation + GPU Instancing в Standard shader:

Волны от объектов разной формы:

На этом пока все!

Надеюсь статья была полезна и позволила рядовому читателю понять часть трудностей с которыми сталкиваются разработчики в процессе работы над играми :)

Ссылки на нас:

VK  //  Twitter  //  Instagram  //  DTF  //  Pikabu  //  Habr

В современном обществе обострилась потребность в скорости принятия решений…

«И без развитой системы компьютерных и когнитивных технологий тут не обойтись.

Повышение объёма информационных потоков, которые должны быть приняты во внимание. Человек в состоянии учесть одновременно не более 5-7 факторов, влияющих на принятие решения. Он может непосредственно работать с 5-7 людьми (с остальными опосредованно). (См. подробнее: Объём кратковременной памяти и «магическое число семь» по Джорджу Миллеру - Прим. И.Л. Викентьева).

Чтобы преодолеть этот барьер в медленно меняющихся сферах деятельности люди строили со времён древних цивилизаций иерархические организационные структуры. Иными словами эта задача решалась средствами гуманитарных технологий.

Пример - конструкторские бюро, в котором необходимо определить около 1500 параметров боевого самолета. Генеральный конструктор определяет 5-7 ключевых характеристик, по 5-7 заместители и т.д.

Когда ситуация меняется быстро, важно становится понять, какие 5-7 параметров (в теории самоорганизации - синергетике их называют параметрами порядка) следует принять во внимание, и как отстроить организационную структуру, чтобы предложенное решение, проект, стратегия оказались эффективными и своевременными. Тут не приходится надеяться на традицию, опыт, «здравый смысл». Специалисты по информационным технологиям наглядно убедились в этом при создании операционных систем - здесь ошибка или просчёт на одном из нижних уровней иерархии может погубить всю конструкцию. […]

Проведённые исследования показали, что во множестве физических, химических, биологических систем происходит самоорганизация - в процессе эволюции выделяется небольшое число ведущих переменных (мод, степеней свободы), к которым подстраиваются остальные характеристики системы. Следуя физической аналогии, эти ведущие переменные стали называть параметрами порядка. Именно выделение в ходе самоорганизации таких параметров позволяет многие сложные системы описывать просто, но вполне адекватно.

При описании сложных явлений или систем обычно строится иерархия упрощённых моделей. В такой иерархии модели более низкого уровня являются более простым частным случаем или более грубым приближением для процессов, описываемых моделями более высокого уровня. Однако более простые модели нагляднее, прозрачнее, понятнее, чем сложные.

Замечательным свойством нашей реальности является то, что модели, возникающие на нижних уровнях иерархии, для многих сложных явлений и процессов совпадают или близки. Это позволяет исследовать и использовать универсальные свойства многих нелинейных систем.

Оглядываясь назад, можно сказать, что синергетика выполняла ещё один социальный заказ, связанный с управлением, с которым не справилась кибернетика. Если управлять системой во всей её полноте, то управляющая система должна быть сравнимой по сложности с управляемым объектом, что во множестве случаев и невозможно, и не нужно. (См. подробнее: Закон необходимого разнообразия по Уильяму Эшби - Прим. И.Л. Викентьева).

Решение подобных проблем подсказывает физиология. Тело человека имеет более 400 механических степеней свободы. Управление всеми в режиме реального времени - сложнейшая задача, требующая суперкомпьютерных возможностей. Выход из этого положения, который нашла природа состоит в том, что в ходе развития возникают устойчивые связи между различными степенями свободы (называемые синергиями). Обучаясь ходить, плавать, бегать человек фиксирует эти связи, вырабатывает те параметры порядка, которыми он и будет в дальнейшем управлять.

Та же схема реализуется и в организационном управлении. В корпоративных системах создаётся иерархическая структура и осуществляется «управление разнообразием». Каждый иерархический уровень должен агрегировать информацию, говорить на своём языке, выявлять наиболее важное и представлять следующему уровню только то, что необходимо, и то, чем он может управлять. Иными словами, начиная с некоторой степени сложности системы, детальная, чёткая, полномасштабная организация не работает. Приходится создавать и использовать механизмы самоорганизации, агрегации, уменьшения разнообразия.

Прорыв последнего десятилетия связан с осознанием ключевой роли самоорганизации в процессах обучения, принятия решений, распознавания образов. И с этой точки зрения многие решенные задачи предстали в новом обличье. Подобно тому, как герой классического произведения с удивлением обнаружил, что говорит прозой, оказалось, что многие проблемы связаны с выявлением параметров порядка в пространстве образов, решающих правил, стратегий. В других же задачах усилия направлялись на синтез систем, в которой желаемое решение возникало в ходе самоорганизации.

Основная идея удивительно проста и заимствована из нейробиологии.

Каждая клетка мозга - нейрон - хорошо изучена и ведёт себя в ответ на внешние воздействия достаточно простым предсказуемым образом. Откуда же берется огромная сложность мозга и феномен сознания? Ответ состоит в огромном количестве и разнообразии связей между нейронами, которые возникают в ходе самоорганизации при решении задач, с которыми он сталкивается. Простейшая схематическая формализация этих представлений на уровне математических моделей, компьютерных программ и архитектур привела ко множеству эффективных алгоритмов и систем в задачах управления, распознавания образов, адаптации и обучения.

Перефразируя Станислава Лема, можно сказать, что мы сегодня не очень хорошо представляем, что такое естественный интеллект, и поэтому испытываем трудности с построением искусственного интеллекта, но нейронные сети позволили смоделировать «искусственный инстинкт». И во множестве задач этого оказалось достаточно.

Ещё один важный шаг, сблизивший когнитивные процессы и теорию самоорганизации, был сделан в динамической теории информации. В этой теории информация рассматривается как случайный запомненный выбор. Вводится понятие ценной информации - того выбора, который помогает обладателю такой информации выжить и передать ее дальше. Если назвать единицу ценной информации «мемом», то, по аналогии с образом Ричарда Докинза - «эгоистичным геном», возникает «эгоистичный мем». В теории рассматривается, как меняются распределения носителей разных видов ценной информации в пространстве и во времени.

Что же может быть той «ценной информацией» (типично когнитивным понятием), распространение которой для нас важно? Очень и очень многое. Языки, религиозные убеждения, предпочтения определенной валюты, наличие соперничающих стран на данной территории, смыслы и ценности, цивилизационные проекты.

Динамическая теория информации стала одной из основ математической истории - междисциплинарного направления, позволяющего анализировать альтернативные исторические траектории и давать исторический прогноз…».

Малинецкий Г.Г., Новый этап экономики знаний, в Сб.: Моделирование и прогнозирование глобального, регионального и национального, М., «Либроком», 2012 г., с. 474 и 476-477.

Источник — портал VIKENT.RU

Дополнительные материалы

Уровни понимания / моделирования по И.Л. Викентьеву — видео, 2 мин

ПРИНЯТИЕ РЕШЕНИЙ: ЭКСПЕРТНЫЕ СИСТЕМЫ — плейлист из 8-ми видео

Изображения в статье

Image by Barbara A Lane from Pixabay

Image by lefteye81 from Pixabay

Image by SomeCG from Pixabay

Image by Barbara A Lane from Pixabay

«Поясним наше видение процесса полноформатного синергетического моделирования в гуманитарной сфере и междисциплинарном проектировании, в котором мы выделяем следующие этапы:

1. Постановка задачи в дисциплинарных терминах, включая междисциплинарную экспертизу. Этот этап в междисциплинарном проекте предполагает мониторинг и независимую экспертизу проблемы в терминах различных дисциплин-участниц проекта, подобную заключению отдельных врачей-специалистов при прохождении человеком диспансеризации. На этом этапе проблема диагностируется, высвечиваются все коммуникативные разрывы в её понимании разными дисциплинами. Кстати, это могут быть и не дисциплины, а разные концепции, гипотезы, парадигмы, культуры, школы и т. д. На этом этапе первичной коммуникации возникает коллективный субъект междисциплинарного моделирования.

2. Перевод дисциплинарных понятий и эмпирических данных в синергетический тезаурус. На этом этапе царит коммуникативный и семантический хаос, метафорический произвол, смысловая «игра в бисер». Любой языковый денотат, если подобрать нужный контекст, оказывается возможно именовать и аттрактором, и управляющим параметром и т. д. Этот этап создает поле контекстов и возможных первичных связей событий и процессов.

3. Усмотрение базовых процессов, обратных связей, принципов синергетики в эмпирическом материале, что существенно сужает метафоризацию и произвол интерпретаций. Наше восприятие, да и гуманитарные науки фиксируют в первую очередь не элементы и структуры, а процессы, события, факты, явления. Первичны процессуальные онтологии, а элементы и структуры определяются нами как устойчивые, инвариантные объекты по отношению к различным процессам. Принципы синергетики (гомеостатичность, иерархичность, нелинейность, незамкнутость, неустойчивость) помогают выстроить подобные онтологии. Очевидно, что этот этап, как и предыдущий, социально-исторически обусловлен, даже в естественных науках присутствует априорная теоретическая информация, не говоря уже о гуманитарных науках.

4. Согласование, сборка принципов синергетики (таких, как динамическая иерархичность и наблюдаемость) на эмпирическом материале, в результате чего возникает «кольцо принципов». На этом этапе коммуникативный произвол ещё больше ограничивается, что позволяет перейти к системному этапу - выбору конфигуратора. Описанный этап напоминает идеи логического позитивизма, поскольку идея кольца принципов корреспондирует с идеей непротиворечивости молекулярного высказывания-образа для целостного процесса, состоящего из атомарных элементов-высказываний, - в нашем случае из уже проверенных ранее образов-принципов синергетики.

5. Построение структурно-функциональной когнитивной модели. Окончательное предъявление элементов, связей, структуры, функций системы. Это стандартный, но нетривиальный системный этап, с которого обычно начинают моделирование. Напомним, что в механике понятие системы материальных точек тривиально, но если мы моделируем человеческий организм, то выбор системного конфигуратора определяется типом поставленной задачи, точнее -частнодисциплинарной онтологией. Свои конфигураторы у биохимика, цитолога, терапевта, анатома или рефлексолога. Аналогично для общества, которое можно описывать и как систему множества людей-элементов, и как систему идей третьего мира К. Поппера, или культурных традиций и т. д. Поэтому в живых, человекомерных системах, обязательно возникает мультисистемное описание с последующей процедурой онтологического согласования, в идеале, - построение интегральной онтологии.

6. Конструирование формальной динамической модели, фиксирующей тип уравнения, пространства состояний и т.д. Этот этап может также нетривиально навязать неадекватную онтологию системы, так как способ описания с помощью избыточных средств может повлечь за собой предсказания-химеры, которых нет в поле эксперимента и от которых избавляться дольше, чем решать задачу. Например, сегодня подобная проблема существует в теории суперструн единой теории поля.

7. Построение «реальной» модели, т.е. уточнение свободных параметров и коэффициентов из опыта. Относительно хорошо это умеют делать в естествознании, где коэффициенты можно точно измерить, но в социогуманитарных науках количественные характеристики иногда весьма условны, и оперируют понятиями больше-меньше, или тенденциями. Поэтому в гуманитарных науках иногда рассматривают пучки, множества моделей со слегка отличными коэффициентами и изучают качественное поведение сразу пучка моделей, так называемое «мягкое моделирование» (В. Арнольд). Именно так свойство «грубости», структурной устойчивости, т. е. независимости качественных результатов от вариации параметров задачи, в теории катастроф Р. Тома помогло ей укорениться в психологии и социологии.

8. Математическое решение модели. Этот этап наиболее подробно методологически разработан и слишком профессионально нагружен, чтобы обсуждать его в философском издании. Отметим лишь, что если компьютерный эксперимент реализуем, то это обычно дает огромный эффект в понимании, экономит время и средства.

9. Сравнение с экспериментом, интерпретация результатов. Здесь в первую очередь проверяется прогностическая ценность модели, однако, не только во временной динамике модели, но и в детерминации ею ранее не верифицированных свойств системы.

10. Принятие решений, корректировка модели на любом из этапов, замыкание герменевтического круга моделирования. Особые рефлексивные, а часто и философские технологии, работающие с критериями, ценностями, смыслами.

Очевидно, что переходы от одного этапа к другому это, по сути, коллективный творческий процесс конструирования новой коммуникативной реальности, в котором, в принципе, необходимо компетентное участие не только математиков и предметников, но и философов. (В течение XX века философы декларировали, но «по факту» не смогли предложить ни одного метода проектирования или методики креатива… - Прим. И.Л. Викентьева). Здесь необыкновенно велика роль междисциплинарной и межличностной коммуникации, в которой формируется и развивается коллективный субъект познавательной деятельности. Это особые технологии коллективной экспертизы, взаимообучения и принятия решений, причём в процессе синергетического моделирования представлены все формы проектно-исследовательской деятельности и образования».

Аршинов В.И., Буданов В.Г., Синергетика как методология коммуникативного конструктивизма, в Сб.: Конструктивисткий подход в эпистемологии и науках о человеке / Отв. ред. В.А. Лекторский, М., «Канон+», 2009 г., с. 266-268.

Источник — портал VIKENT.RU

Дополнительные материалы:

НАУЧНЫЕ ЗАДАЧИ — плейлист из 25-ти видео

Изображения в статье

Image by Tomislav Jakupec from Pixabay

Image by Gerd Altmann from Pixabay