A Review of Differentiable Simulators

可微分模拟器在计算物理、机器人和机器学习等领域不断推动着技术的发展。它们的主要价值在于能够计算物理过程的梯度，这使得可微分模拟器能够轻松地集成到常用的基于梯度的优化方案中。为了实现这一点，需要考虑一些设计决策，这代表着在通用性、计算速度和梯度准确性之间的权衡。本文深入审视了可微分物理模拟器的发展现状，介绍了不同iable模拟器的基础和核心组件以及常见的设计选择。接下来，我们提供了一个实用指南和开源可微分模拟器的概述，这些模拟器已经被用于过去的研究。最后，我们回顾并解释了不同iable模拟的主要应用。通过全面审视当前可微分模拟技术的最新发展，本文旨在为希望了解和整合可微分物理模拟技术的研究人员和实践者提供资源。我们最后强调了当前的局限性，并提供了未来发展方向的见解。

综述了可微分仿真器在物理仿真、机器人和机器学习等领域中的应用，介绍了不同设计选择，旨在为研究人员提供一个全面的可微分仿真器现状和未来方向的资源。

通过计算物理过程的梯度，可微分仿真器可以轻松地与常用的基于梯度的优化方案集成。论文介绍了不同的设计选择，包括灵活性、计算速度和梯度准确性之间的权衡。

论文介绍了不同的可微分仿真器的核心组件、开源可用的仿真器、以及应用案例等。此外，还讨论了当前领域的局限性和未来的研究方向。

最近的相关研究包括“Differentiable Physics Engines: A Survey”和“Differentiable Simulation for Robotics: A Survey”。