AI帮忙解决面料数字化难题，王华民团队新方法复刻面料真实效果(2)

而且在现实产业落地，还有更重要的应用价值。
他们将数据采集速度提升了5倍。对于数字化纺织物制造商而言，节省了一笔不少的时间成本。
来康康它究竟做了啥？
如何打造真实的数字人服装
面料仿真
，作为数字人服装的核心技术， 因为其材质以及他们之间复杂的作用力（自碰撞），被业界公认为物理模拟仿真最难问题之一。
通常来说，一套“制衣”流程
，从技术角度姑且可以分成建立模型、数值计算与求解、渲染显示三个步骤。
其中最重要的部分就是建立模型
，甚至直接决定后续环节的实现机制。而为了让数字人服装更真实，需要从构建模型的“原材料”，即数据，开始做起。
这里的“数据”
，指代的是能反映真实面料信息的模拟参数。其中，弯曲刚度的测试就是其中不可忽略的影响因素。
弯曲变形，几乎是所有织物变形的表现形式；织物的弯曲刚度对柔软度、皱纹细节等方面的模拟影响很大。
但因为其非线性、各向异性以及多样化的特性，过去几十年来，科学家们都致力于对它进行可靠和有效的估计和保证模拟。悬臂法
是当前最流行也最直观的方法，即用一个悬臂来评估布条的弯曲程度。
但实际上，这种方式存在明显的局限性。比如没办法处理卷边的针织面料。

以及没法处理复杂的物理模型，因为从根本上来说，它是将单个参数孤立出来测，但实际上参数之间是相互关联的。
更为严重的问题，在于仿真误差
。
现有基于悬臂的参数估计方法都是将弯曲刚度作为现实布料的固有属性来测量。但本身模拟器就自带误差，即便测量再完美，模拟与现实依旧是相差甚远。
要解决这个问题，思路也很简单，就是将其当做一个simulation-in-the-loop优化
问题。
具体来说，就是将参数当做未知数，把模拟与现实之间的差异作为目标来求解。这样一来，既能处理复杂模型的多个参数，也能直接将模拟误差给解决了。