arXiv cs.AI· Jongwon Ryu, Sunjae Yoon, Junyeong Kim·· 3 天前AI 评分22
TIDE/TIDES：移动固体交互下的交互式 4D 体积液体预测
Interactive 4D Volumetric Liquid Forecasting under Moving-Solid Interaction
AI 导读
研究者提出"交互式 4D 体积液体预测"任务，即根据固体在液体中的运动方式预测未来稠密 3D 液体速度场的时空演化，并给出两级循环预测框架 TIDE/TIDES：TIDE 隔离局部界面驱动的预测，TIDES 加入传输感知耦合与显式稳定化以降低累积误差。
正文 · AI 翻译
摘要：我们提出了交互式 4D 体积液体预测任务：以固体物体如何在液体中运动为条件，预测未来稠密 3D 液体速度场的时空演化。该任务为需要推理运动条件液体响应的系统提供了一个上游物理预测原语，包括机器人液体操控、数字孪生和刚体-流体视频生成。现有工作已在预测静态或指定固体几何周围的流动以及合成视觉上合理的流体运动方面做出了努力。然而，这些方法对交互式液体动力学的覆盖有限，因为它们无法预测运动固体如何诱导未来全域液体响应。在这种预测场景中，水动力效应集中在演化的液-固界面附近，但预测目标是全局时空展开。为应对这一挑战，我们提出了两级循环预测框架 TIDE/TIDES：TIDE 隔离局部界面驱动的预测，而 TIDES 增加了传输感知耦合和显式稳定化，以减少累积的展开误差。在适配的邻近基线、受控组件消融、运动/尺寸 OOD 测试和长时程评估中，TIDES 取得了最佳预测性能，消融实验确定局部交互、传输耦合和稳定化是关键贡献因素。总之，我们的任务表述、基准和 TIDE/TIDES 研究为运动固体条件下的稠密液体预测建立了受控基础。代码公开于 此 https URL。
| 学科： | 人工智能（cs.AI）；计算工程、金融与科学（cs.CE）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.16167 [cs.AI] |
| （或 arXiv:2610.16167v1 [cs.AI] 为此版本） | |
| https://doi.org/10.48550/arXiv.2610.16167 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Jongwon Ryu [查看电子邮件]
[v1]
2026年10月12日星期一 04:42:05 UTC（3,570 KB）
来源：arXiv cs.AI · arxiv.org