Tacchi是一个基于Taichi编程语言开发的低计算成本弹性体形变仿真器，由方斌教授团队开发并已开源，为机器人与物体接触仿真提供高质量的Sim2Real性能！该仿真器以较低的计算资源消耗来模拟弹性体的物理形变，并生成与真实触觉图像相似的仿真图像。Tacchi通过粒子系统实现表面形变模拟，能够生成带有表面纹理的触觉图像。

1、功能特点低计算成本：相较于传统的有限元方法（FEM），Tacchi使用了材料点法（MPM），使计算量显著降低。高质量的触觉图像生成：通过粒子表面形变和光照模型，生成带有表面纹理的触觉图像，提高了Sim2Real精度。与机器人仿真器的集成：支持与Gazebo和MuJoCo等机器人仿真器连接，使得触觉传感器可以与机器人系统的其他组件协调工作。2、安装步骤安装Taichi：确保安装了Taichi编程环境，运行以下命令完成安装：pip install
taichi下载Tacchi代码：从GitHub仓库下载Tacchi项目：https://github.com/zixichen007115/Tacchi.git检查GPU支持：建议使用支持CUDA的GPU来加速仿真。3、核心概念Tacchi的仿真基于材料点方法（MPM），以粒子系统模拟弹性体的形变。Tacchi使用以下几个模块：弹性体仿真：通过粒子表示弹性体，将粒子状态（位置、速度等）传递到网格节点以模拟物理交互。触觉图像生成：基于生成的深度图，通过光照渲染生成带有真实感的触觉图像。机器人仿真器集成：支持通过Gazebo或MuJoCo连接，仿真器控制对象的运动，Tacchi获取对象位置和速度生成触觉反馈。4、使用步骤1）初始化设置粒子和网格初始化：将弹性体和接触对象（如压头）初始化为粒子系统，每个粒子表示弹性体的一部分。根据实际需求调整粒子密度和网格密度，保证仿真精度。材料属性配置：设置弹性体的材料属性，例如弹性模量（如1.45×10^5）和泊松比（如0.45），以匹配实际材料特性。 网格设置：Tacchi通过网格节点与粒子系统的交互实现仿真，因此选择合适的网格密度非常重要。通常应保证网格间距大于粒子间距，以避免粒子超出网格。2）弹性体形变模拟Tacchi使用材料点法（MPM）来模拟弹性体的接触形变过程：粒子到网格传递：粒子的位置、速度和质量信息传递给附近的网格节点，形成网格节点的质量和动量。网格节点的物理计算：Tacchi使用物理方程计算弹性体形变，并将作用力分配到每个粒子上。网格到粒子传递：根据计算出的网格状态，粒子更新其运动状态，包括速度和位置。粒子运动更新：Tacchi每个时间步更新粒子的位置，用于生成新的表面形变信息。3）触觉图像生成Tacchi提供了基于表面形变生成触觉图像的功能：深度图生成：使用2D插值方法，将离散粒子的表面形变信息转化为连续的深度图。图像裁剪：根据光学传感器（如Gelsight）的视场限制对深度图进行裁剪，使其与实际传感器图像尺寸匹配。光照渲染：采用Phong光照模型对深度图进行渲染，生成最终的触觉图像，图像中包含表面缺陷和细节纹理。4）与机器人仿真器集成Tacchi支持与Gazebo和MuJoCo等机器人仿真器进行集成，使得触觉传感器仿真可以与机器人运动同步进行。加载模型：在仿真器中加载对象和传感器模型，使其可以与环境交互。实时数据交换：从仿真器中获取传感器和对象的位置、速度信息，并将其传递给Tacchi，生成相应的触觉反馈。设置终止条件：可在仿真器中设定条件（如对象达到指定深度），满足条件后自动结束仿真。5、运行指南1）STL/PLY/PCD格式转换（0_stl2npy）此模块提供了将几何文件转换为Numpy格式的工具，便于加载并用于仿真：STL转PLY：stl2ply.pyPLY转PCD：ply2pcd.pyPCD转Numpy：pcd2npy.py注意：obj_1、obj_10和obj_100子目录包含预先转换的.npy文件，表示不同粒子密度下的几何对象模型。2）Gazebo和MuJoCo连接仿真（1_connection_simulation）该模块包含Gazebo和MuJoCo两种环境下的机器人仿真配置，具体包括触觉传感器和物体的模型、控制脚本和数据采集工具。Gazebo 连接仿真：可以通过修改fdm_printer_description和gelsight_description 文件夹下的模型文件定义机器人或传感器的外观和控制参数。MuJoCo连接仿真：进入1_connection_simulation/MuJoCo目录，运行press.py文件启动触觉仿真。xmls文件夹中包含MuJoCo的模型配置XML文件，通过修改XML文件可配置不同形状的接触物体。3）触觉图像生成（2_Tacchi_image_generation）该模块包含生成触觉图像的代码，基于弹性体表面形变模拟生成深度图和触觉图像。·深度图生成：运行depth_generation.py生成深度图。·触觉图像生成：运行particle_to_depth.py，并使用gel_press.py生成相应的触觉图像数据。4）对齐和对比实验（3_align_and_comparison）此模块用于对齐仿真生成的触觉图像，以便与真实触觉图像进行对比。主要包括两个对齐方式：全局对齐和逐对象对齐，此步骤可以帮助提高 Sim2Real 任务中图像的匹配度。·全局对齐：align_globally.py·逐对象对齐：align_per_object.py5）AA21 数据生成（4_AA21）此模块包含生成AA21数据集的代码，用于为Sim2Real任务提供训练数据。运行后会在指定输出路径生成图像数据。可以通过修改代码中的路径参数更改存储位置。6）Sim2Real 实验与训练（5_Sim2Real）该模块包含Sim2Real数据训练代码，利用ResNet-18模型进行图像识别训练，提高仿真图像的真实感和分类效果。·main.py：执行Sim2Real任务的主程序，使用ResNet-18进行分类训练。·solver.py：定义训练过程的超参数优化和求解方案。训练数据和模型参数可在main.py中配置。训练完成后，可以在指定目录查看生成的模型和日志文件。6、参数设置根据仿真需求，可以对Tacchi的参数进行优化设置：粒子密度：适当的粒子密度可以提升表面模拟精度，但过高的粒子密度会增加计算量。网格密度：网格密度决定了模拟的精确程度，应适当权衡仿真质量和速度。表面粗糙度模拟：通过减少粒子数量或调整粒子分布密度来模拟对象的表面纹理，从而提升Sim2Real性能。
7、应用示例Tacchi 可应用于多种机器人仿真任务，包括：a.机器人抓取仿真：Tacchi能生成带有缺陷的触觉图像，使机器人抓取任务中的物体识别更加接近真实情况。b.传感器标记跟踪：可以模拟光学传感器内的标记，通过粒子来表示标记位置并跟踪其运动。c. 滑动和旋转摩擦：未来可以拓展Tacchi以支持表面摩擦移动，以模拟在滑动和旋转接触下的真实摩擦效果。8、性能评估与FEM相比，Tacchi 在低计算资源情况下即可生成高质量触觉图像。Tacchi仅需1GB的GPU内存即可运行，而FEM通常需要高性能集群。实验结果表明Tacchi能在Sim2Real任务中取得更高精度的触觉图像生成效果，并在图像质量（SSIM、PSNR和MAE）上具有显著优势。