Project Icon

JoltPhysics

多核友好的高性能物理引擎

JoltPhysics是一个开源的多核物理引擎,专注于刚体物理和碰撞检测。它支持多种形状模拟、约束系统、角色控制和车辆模拟,具有高性能、确定性和并发特性。该引擎适用于游戏和VR应用开发,兼容多个平台如Windows、Linux和Android。JoltPhysics已在《地平线:西部禁域》等游戏中得到应用,为物理模拟提供了有力支持。

CLA助手 构建状态 质量门状态 错误 代码异味 覆盖率

Jolt物理引擎

一个多核友好的刚体物理和碰撞检测库。适用于游戏和VR应用。被《地平线:西之绝境》使用。

地平线:西之绝境封面艺术

布娃娃堆
一个展示使用Jolt物理引擎模拟布娃娃堆的YouTube视频。

更多演示和视频请前往示例部分。

设计考虑

为什么要创建另一个物理引擎?首先,这是一个个人学习项目。其次,我想解决一些我在现有物理引擎中遇到的问题:

  • 游戏不仅仅是模拟物理。这些操作跨多个线程进行。我们强调在主模拟更新之外并发访问物理数据:
    • 模拟的部分可以在后台加载/卸载。我们在后台线程上准备一批物理体,而不会锁定或影响模拟。我们将批次插入模拟中,对性能的影响最小。
    • 碰撞查询可以与添加/删除或更新物体并行运行。如果对物体的更改发生在同一线程上,更改将立即可见。如果更改发生在另一个线程上,查询将看到一致的前或后状态。另一种选择是有世界的读取和写入版本。这会阻止更改立即可见,所以我们避免这种做法。
    • 碰撞查询可以与主物理模拟并行运行。我们在模拟步骤之前进行粗略检查(广相检测),然后在后台进行精细检查(窄相检测)。这样,长时间运行的过程(如导航网格生成)可以分散到多个帧中。
  • 物体意外唤醒会在加载/卸载内容时造成性能问题。因此,创建时物体不会自动唤醒。移除物体时,相邻物体也不会被唤醒。如果需要,可以手动触发这些操作。
  • 模拟运行是确定性的。你可以通过简单地复制模拟的输入来将模拟复制到远程客户端。阅读确定性模拟部分以了解其限制。
  • 我们尝试模拟真实世界中刚体的行为,但会做出近似。因此,这个库主要应用于游戏或VR模拟。

特性

  • 使用连续碰撞检测模拟各种形状的刚体:
    • 球体
    • 盒子
    • 胶囊体
    • 锥形胶囊体
    • 圆柱体
    • 凸包
    • 平面
    • 复合体
    • 网格(三角形)
    • 地形(高度场)
  • 模拟物体之间的约束:
    • 固定
    • 距离(包括弹簧)
    • 铰链
    • 滑块(也称为棱柱)
    • 圆锥
    • 齿轮齿条
    • 齿轮
    • 滑轮
    • 平滑样条路径
    • 摆动扭转(用于人形肩部)
    • 6自由度
  • 驱动约束的电机。
  • 碰撞检测:
    • 投射射线。
    • 形状vs形状测试。
    • 形状vs另一形状的投射。
    • 仅广相测试,快速确定哪些对象可能相交。
  • 传感器(触发体积)。
  • 动画布娃娃:
    • 硬键控(仅运动学刚体)。
    • 软键控(在动态刚体上设置速度)。
    • 驱动约束电机到动画姿势。
    • 将高细节(动画)骨骼映射到低细节(布娃娃)骨骼,反之亦然。
  • 游戏角色模拟(胶囊体)
    • 刚体角色。在物理模拟期间移动。最经济的选择,角色和动态物体之间的碰撞响应最准确。
    • 虚拟角色。在模拟中没有刚体,但使用碰撞检查模拟一个。在物理更新之外更新以获得更多控制。与动态物体的交互较不准确。
  • 车辆
    • 轮式车辆。
    • 履带车辆。
    • 摩托车。
  • 软体模拟(如软球或布料)。
    • 边缘约束。
    • 二面角弯曲约束。
    • 四面体体积约束。
    • 长距离附着约束(也称为系绳)。
    • 限制模拟在蒙皮顶点的某个范围内。
    • 内部压力。
    • 与模拟刚体的碰撞。
    • 对软体的碰撞测试。
  • 水浮力计算。
  • 可选的双精度模式,允许大规模模拟。

支持的平台

  • Windows(桌面或UWP)x86/x64/ARM32/ARM64
  • Linux(在Ubuntu上测试)x64/ARM64
  • FreeBSD
  • Android x86/x64/ARM32/ARM64
  • Platform Blue(一个流行的游戏主机)x64
  • macOS x64/ARM64
  • iOS x64/ARM64
  • WebAssembly,请参见这个单独的项目。

所需的CPU特性

  • 在x86/x64上,最低要求是SSE2。该库可以使用SSE4.1、SSE4.2、AVX、AVX2或AVX512编译。
  • 在ARM64上,该库使用NEON和FP16。在ARM32上,它可以在不使用任何特殊CPU指令的情况下编译。

文档

要了解更多关于Jolt的信息,请前往最新的架构和API文档特定版本的文档也可用

开始使用时,请查看HelloWorld示例。还有一个使用CMake FetchContent的HelloWorld示例,展示了如何将Jolt Physics集成到CMake项目中。

Jolt使用的一些算法在我的GDC 2022演讲中有详细描述:为《地平线:西之绝境》构建Jolt Physics(幻灯片带演讲者注释的幻灯片视频)。

编译

  • 可使用 Visual Studio 2019+、Clang 10+ 或 GCC 9+ 编译。
  • 使用 C++ 17 标准。
  • 仅依赖标准模板库。
  • 不使用 RTTI。
  • 不使用异常。

如果你想在 Platform Blue 上运行,由于 NDA 要求,你需要提供自己的构建环境和 PlatformBlue.h 文件。这个文件可以在 Platform Blue 开发者论坛上获取。

有关构建说明,请查看构建部分。从旧版本库升级时,请查看发布说明API 变更部分。

性能

如果你对 Jolt 如何随多核 CPU 扩展以及与其他物理引擎的比较感兴趣,请查看这份文档

文件夹结构

  • Assets - 该文件夹包含 TestFramework、Samples 和 JoltViewer 使用的资源。
  • Build - 包含构建库所需的所有内容,详见构建部分。
  • Docs - 包含库的文档。
  • HelloWorld - 一个简单的应用程序,演示如何使用 Jolt Physics 库。
  • Jolt - 库的所有源代码都在这个文件夹中。
  • JoltViewer - 可以使用 DebugRendererRecorder 类记录物理引擎的输出(.jor 文件),该文件夹包含可视化记录的应用程序源代码。这对于可视化不同平台的 PerformanceTest 输出等非常有用。目前仅适用于 Windows。
  • PerformanceTest - 包含一个简单的应用程序,用于运行性能测试并收集计时信息。
  • Samples - 包含示例应用程序,详见示例部分。目前仅适用于 Windows。
  • TestFramework - 用于可视化物理引擎结果的渲染框架。由 Samples 和 JoltViewer 使用。目前仅适用于 Windows。
  • UnitTests - 一组用于验证物理引擎行为的单元测试。
  • WebIncludes - 物理引擎内部分析框架使用的一些 JavaScript 资源。

其他语言的绑定

其他引擎中的集成

查看使用 Jolt Physics 的项目列表

许可证

该项目采用 MIT 许可证分发。

贡献

欢迎所有贡献!如果你打算进行较大的更改,请先在 GitHub 讨论区进行讨论。对于非微小的更改,我们要求你同意贡献者协议。当你创建 PR 时,CLA assistant 将提示你签署协议。

项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号