日常水流的物理定律是在两个世纪前确立的。然而，今天的科学家们很难虚拟地模拟中断的水流，例如，当手或物体改变其流动时。

现在，东北大学的一个研究小组利用深度强化学习的力量来复制受干扰时的水流。众所周知，复制这种搅动的液体运动使他们能够仅根据真实水中的少量数据实时重建水流。该技术为涉及水的虚拟现实交互提供了可能性。

他们的研究结果详细信息发表在2023 年 9 月 17 日的《ACM Transactions on Graphics》杂志上。

这一突破的关键是创造了一种流量测量技术和一种复制搅拌液体运动的流量重建方法。

为了收集流量数据，该小组由东北大学电气通信研究所 (RIEC) 和流体科学研究所的研究人员组成，在水面上放置了嵌入特殊磁性标记的浮标。然后可以使用磁性运动捕捉系统跟踪每个浮标的运动。但这只是过程的一半。关键的一步是找到一种创新的解决方案，从几个浮标的运动中恢复详细的水运动。

“我们通过将流体模拟与深度强化学习相结合来执行恢复来克服这个问题，”RIEC 副主任 Yoshifumi Kitamura 说道。

强化学习是学习发生的试错过程。计算机执行动作，从环境中接收反馈(奖励或惩罚)，然后调整其未来的动作，以随着时间的推移最大化其总奖励，就像狗对待良好行为一样。深度强化学习将强化学习与深度神经网络相结合来解决复杂的问题。

首先，研究人员使用计算机模拟平静的液体。然后，他们让每个浮标像一股力一样推动模拟液体，使其像真实液体一样流动。然后，计算机通过深度强化学习完善推动方式。

以前的技术通常是用摄像头追踪悬浮在液体内的微小颗粒。但实时测量 3D 流量仍然很困难，特别是当液体位于不透明容器中或本身不透明时。得益于开发的磁运动捕捉和流量重建技术，实时 3D 流量测量现在成为可能。

Kitamura 强调，该技术将使 VR 更加身临其境，并改善在线交流。“这项技术将能够创建 VR 游戏，你可以使用水来控制物体，并在游戏中实际感受到水。我们也许能够通过互联网实时传输水的运动，这样即使是远方的人也可以体验到同样栩栩如生的水流运动。”