2013-《Efficient Penetration Depth Approximation using Active Learning》

2013年 ACM Transactions on Graphics（TOG）

用机器学习的方法有效近似两个刚体之间的全局穿透深度。

分两个阶段：

1）离线学习

2）运行时查询

在1）阶段，我们从配置空间的样本集，预计算一对相交物体的 contact space，其中用到主动和递增的学习算法来加速预计算和提高准确度。

定义

contact space 定义为Ccont = ∂Cobs

c(q) ∈ {−1, +1}

c(q) = +1 if q ∈ Cobs and c(q) = −1 if q ∈ Cfree

we assume that A is movable and B is fixed

global penetration depth

where q0 is an in-collision configuration and q is a configuration
that lies in the contact space Ccont

并且定义解为 qc = argmin
q∈Ccont dist(q0, q)

如下图所示