身残志坚，斯坦福大学的这位人工智能 + 机器人博士生想用技术克服身体缺陷。
有一位研究者，他身患残疾，出生时便患有退行性神经疾病，该疾病一直攻击着他的外周运动神经元（进行性神经性腓骨肌萎缩症, 2A 型）。他就是来自斯坦福大学的博士生 Keenon Werling。
不能像正常人一样行走，但可以通过技术来帮助自己。因此，Werling 对设计、构造和控制外骨骼以帮助恢复行动不便的人正常行走产生了浓厚 兴趣。为了实现这一目标，Werling 还对可微物理引擎、人体建模和机器人技术感兴趣。此外，他还是可微物理引擎 Nimble 的创建者。
Nimble 地址：http://nimblephysics.org/
Werling 希望更多的人从事触觉、动作捕捉、人机交互等的研究。
在相关论文《 Fast and Feature-Complete Differentiable Physics for Articulated Rigid Bodies with Contact 》中， Keenon Werling 作为一作系统地介绍了关于 Nimble 的相关工作。
该研究提出了一个快速和功能完备的可微分物理引擎 Nimble，它支持拉格朗日动力学和关节刚体模拟的硬接触约束。Nimble 提供了一套完整的功能，这些功能通常只能在机器人应用程序经常使用的不可微分物理模拟器中可用。他们使用线性互补问题（LCP），可以精确地求解接触约束。该研究利用 LCP 解的稀疏性，通过非弹性接触的 LCP 公式，提出了有效和新颖的解析梯度。
该研究支持复杂的接触几何和近似连续时间弹性碰撞的梯度。此外，该研究还介绍了一种计算互补感知梯度的新方法，可避免下游优化任务在鞍点失速。
该研究表明，在现有物理引擎 （DART）的分支中实现这种组合，在计算单个时间步（single timestep）分析雅可比矩阵时，能够在有限差分方法的基础上实现 87 倍的单核加速，同时保留原始 DART 的所有表现力。

内容中包含的图片若涉及版权问题，请及时与我们联系删除