Die Firma NVIDIA hat das Release der Simulations-Engine für physikalische Prozesse PhysX 5.6 und das damit verbundene PhysX SDK-Toolkit veröffentlicht. Gleichzeitig steht eine neue Version der Flüssigkeitsmodellierungsbibliothek Flow 2.2.0 zur Verfügung. Der Code des Projekts wird unter der BSD-3-Lizenz veröffentlicht und unterstützt die Plattformen Linux, macOS, iOS, Windows und Android.
Obwohl das PhysX SDK seit 2018 mit Quellcode unter der BSD-Lizenz veröffentlicht wird, wurde der Code bisher mit einer wesentlichen Ausnahme veröffentlicht – der Code des Simulationskerns (GPU simulation kernel) war nicht enthalten. Mit dem Update des PhysX SDK 5.6 hat NVIDIA den gesamten entsprechende Code unter der BSD-Lizenz geöffnet und in das SDK integriert. Über 500 fertige CUDA-Kerne stehen zur Verfügung, die Funktionen wie die Dynamik fester Körper, Flüssigkeitssimulation und Modelling von Objektverformungen bieten. Zudem wurde der Zugang zu Flow GPU mit einer vollständigen Implementierung von Compute-Shadern auf GPU für das Flow SDK eröffnet.
PhysX ist eine der beliebtesten physikalischen Engines, die in fast tausend Spielen für die Verarbeitung physikalischer Interaktionen eingesetzt wird und in viele Game Engines integriert ist, darunter Unreal Engine, Unity3D, AnvilNext, Stingray, Dunia 2 und REDengine. Die Engine ist skalierbar für verschiedene Hardware, von Smartphones bis hin zu leistungsstarken Workstations mit Multi-Core-CPUs und GPUs, und ermöglicht die Nutzung der GPU-Ressourcen zur Beschleunigung der Effekteverarbeitung.
Zu den Anwendungsbereichen von PhysX gehören die Realisierung von Effekten wie Zerstörungen, Explosionen, realistische Bewegungen von Charakteren und Fahrzeugen, aufsteigender Rauch, sich im Wind wiegende Bäume, fließendes Wasser, das Hindernisse umgeht, wehende und reißende Kleidung sowie Kollisionen und Interaktionen mit festen und weichen Körpern. Neben der Spielentwicklung kann die Engine auch in Bereichen wie der Datensynthese für die Forschung im Bereich künstliche Intelligenz und dem Training neuronaler Netzwerke, dem Erstellen realistischer Umgebungen für das Training von Robotern und der Simulation realer Bedingungen beim Test von autonomen Fahrzeugen und Autopiloten eingesetzt werden.
Quelle: opennet.ru
