MG-CD-MPM：基于强化学习的多态材料灵巧操作物理模拟

多态材料的机器人操作需要一个能够处理大变形、拓扑变化以及工具与材料双向接触的模拟器，同时需保持足够快的运行速度以驱动在线强化学习。本文提出 MG-CD-MPM，这是一种以工具为中心的 CD-MPM 局部化扩展版本。隐式 Ginzburg-Landau 相场损伤系统通过预处理共轭梯度法在局部区域上求解，其中采用几何多重网格 V 型循环作为预条件子。背景 MPM 离散化保持均匀：仅损伤求解过程被局部化。 双向刚性工具耦合将 MPM 接触冲量转换为作用在工具上的力与力矩，使策略能够直接获取材料阻力反馈。最终生成的类 Gym 模拟器在统一的逐粒子本构层框架下，支持软固体、脆性材料、颗粒介质以及粘塑性或半流体介质。我们在六个场景中演示了切割、铲取和推铲操作，将脚本化的工具运动轨迹与基于两项切割任务训练的 PPO 策略相结合。