体验地址:
ClothDemo|2.x版本：提供几个应用示例（幕布，绳子？）
ClothDemo|3.7.3版本：有3D场景
起源
前两天刷知乎，看到了一个好玩的效果
效果地址:可撕裂网格
正巧是以前见过的一个效果，最近又刷到了，以前觉得好难，也看不懂，现如今再回头看，又是另一番感悟。
于是研究代码，准备移植到Cocos一下，也算是还愿吧。
分析与拓展
整个效果可以拆成两部分，一部分是网格的模拟，一部分是网格的渲染。
-
模拟这块，暂且按人家的算法，照搬也没什么难度，注意兼容就好。
-
渲染就更简单了，直接使用Graphic组件，画线就好。
嗯，还原度很高。
似乎这就完事了，但是还没有!
在研究代码的时候，发现是基于质点弹簧系统，将整个网格划分为一个个质点，并通过模拟弹簧，来决定质点之间的位置关系。
再结合渲染那块的知识，质点与渲染顶点数据其实非常接近，如果我能将这个质点传入之间直接渲染的话，那我就得到一个2D的真实的布料？同理，像软体，果冻，弯曲的绳子，头发 这种，都可以通过这个方式去实现！
突然感觉自己以前想做但不会的一些效果与功能，现在都有迹可循。
一切都只依赖于，自定义顶点数据,也不需要定义顶点格式，甚至cocos就有支持，sprite的mesh。
于是就有了下面的拓展内容。
2D的布料
在整体搬运代码之后，加上自定义顶点数据，就得到了一个最基础的2D布料效果，嗯，很舒服，比单纯的网格舒服多了，而且也有一定的实用性了。
但是问题也来了，网格划分越多，整个布料就被拉伸的越扭曲，受重力影响也越大。
多算法的实现
于是，在对代码的研究加上网上资料的整理，我找到了质点弹簧系统与PBD算法。
大多数实现都是Unity的，但是原理是相同的，在搬运与调试中，也学到了不少内容。
参考了几种写法后，最后发现，要达到一个好的效果，不仅需要选择一个适合的算法，同样需要对不同场景，调试一些参数，比如 迭代次数，步进时长，还有更细一点的 弹簧密度之类的，根据实现不同，参数也不一样。
这几种算法本身就是3D的，2D其实本身就是简化内容。
而且整个布料系统，不仅仅是对软体布料这种东西的模拟，而且可以与其他物体产生碰撞（模拟），甚至还能对物体产生反作用力。
其实这个在游戏中应用非常广泛，譬如，3D游戏中，人物 飘荡的裙子，头发，旗帜之类的，这种 需要有物理效果，但不参与碰撞或碰撞对象很少的内容，也解答了我之前对这块的疑惑。
看过大佬的最牛逼的案例是，一个3D的布料，能与3D物体互相作用，就像一块真实的布料。
但是搬运之后，自己测试，达不到这个效果，一方面是js可能性能跟不上，有些参数调不上去，而且Unity有JobSystem配合Burst编译，性能非常给力啊，另一方面也是自己太菜吧。
大家可以自己去试着实现这个功能，还有很有意思的，收获良多，也可以看看我实现的几个例子
体验地址:
ClothDemo|2.x版本：提供几个应用示例（幕布，绳子？）
ClothDemo|3.7.3版本：有3D场景
商店链接：
以下是学习过程中，整理的一些内容。
质点弹簧系统
质点弹簧系统（Mass-spring system）是一种物理动力学模型，用于描述由固定点和质点以及它们之间的弹簧构成的物理系统。
质点弹簧系统通常用于模拟柔软的物体、布料、绳索、发丝等物体的运动行为。
该模型可以通过欧拉法、隐式欧拉法、Leapfrog 等数值方法进行求解，并可以与碰撞检测、重力、摩擦力等效应相结合，以更准确地模拟复杂的物理场景。
结构化的弹簧网格,它的简化形式如下：
在弹簧网格中，存在着三种弹簧：
-
结构弹簧(Struct spring)，用于提供弹簧拉伸和压缩的力
-
剪切弹簧(Shear spring)，用于在弹簧发生剪切变形时提供剪切力
-
弯曲弹簧(Bend spring)，用于避免弹簧发生过度翻折
通过这个结构，我们就可以模拟出一个布料效果。
布料模拟中的显示积分、隐式积分和PBD
在布料模拟中，可以使用不同的方法来进行计算和模拟，其中比较常见的有显示积分、隐式积分和基于位置的动力学（PBD）算法。下面是它们各自的特点和优劣性：
显式积分
最直观朴素的方式去更新顶点：
- 根据弹簧两端的顶点位置和弹簧原长，计算每根弹簧的力
- 求与顶点连接的所有弹簧，所产生的合力，用以更新每个顶点的速度和位置
这就是我们最容易想到的，也最容易理解的方法。
显式积分方法将受力计算和速度更新分离开来，先根据当前状态计算出力，然后根据力和时间步长计算出速度和位移。这种方法通常比较简单，易于实现，但需要保证时间步长足够小，否则可能会导致数值不稳定。
由于采样是离散的，k太大或采样频率不够（步长太大）时，弹簧很可能会出现左右晃荡，最终越跑越远的系统崩溃问题。
每次都更偏离原长，所以每次获得的力都更大，恶性循环，最终整张布会被扯得稀烂。
-
优点：
-
实现简单
-
计算速度较快
-
-
缺点：
-
时间步长需要足够小才能保证数值稳定
-
容易出现震荡等问题
-
隐式积分
所谓隐式，与显式最大的不同在于，它用下一时刻的力来更新当前的速度和位置，这就是一个先有鸡还是先有蛋的问题了。
隐式积分方法将受力计算和速度更新同时进行，通过求解一个方程组来得到下一时刻的节点位置。这种方法可以保证数值稳定，但通常计算量较大，需要使用迭代方法来求解方程组。
-
优点：
-
数值稳定
-
可以处理较大的时间步长
-
-
缺点：
-
计算复杂度高
-
运行速度慢
-
现实世界的织物一旦拉伸超过一定限度，就会强烈抵抗拉伸限制。
但是，增加刚度会导致问题。
显式积分器将不稳定。解决方案：更小的时间步长和更多的计算时间。
隐式积分器中涉及的线性系统将是病态的。解决方案：更多的迭代和计算时间。
PBD算法
PBD 算法使用基于位置的动力学模型，通过约束来调整节点的位置，从而达到模拟布料的效果。它不需要像积分方法那样使用速度和加速度等物理参数，只需要处理节点位置与约束条件之间的关系。
-
优点：
-
可在 GPU 上并行 (PhysX)
-
简单易于实现
-
可以在大时间步长下保持稳定
-
可以处理多种约束，包括流体
-
-
缺点：
-
不是基于物理的。弹性系数受到网格点，迭代次数的影响。
-
高分辨率下性能低下
-
精度有限
-
需要进行迭代求解
-
综合来看，显式积分方法简单易用，但需要控制时间步长以保证数值稳定；隐式积分方法可以保证数值稳定，但计算复杂度较高；PBD 算法则是一种基于约束的模拟方法，可以在大时间步长下保持稳定，并且具有较好的扩展性，但精度相对较低。因此，在实际应用中需要根据具体需求选择合适的方法。
参考文章
参考文章1
ChatGPT