Aller au contenu
← Tous les articles
Présentation du projet

Dimension : relier les mathématiques Rust au rendu

Écouter en version balado

Des maths en Rust jusqu'aux pixels · 2:34 · voix synthétiques, script rédigé avec l’IA

Transcription

Sylvie : Comment passe-t-on de quelques nombres dans une matrice à un cube qui tourne à l'écran ? C'est ce que le projet Rust d'Antoine, Dimension, explique, couche par couche.

Thierry : D'accord, par où commence un projet comme ça ?

Sylvie : Par la bibliothèque de maths, mathlib. Elle stocke les matrices en format dense et en formats creux, et offre des vecteurs, des vues et des sous-matrices. Par-dessus, on trouve des outils numériques classiques : décompositions LU, Cholesky et SVD, recherche de racines et intégration numérique.

Thierry : On dirait un manuel d'algèbre linéaire.

Sylvie : Un peu, oui, et c'est voulu. Le moteur de rendu réutilise ces mêmes briques côté CPU pour les transformations et les calculs de caméra. Les maths ne sont pas une expérience à part : elles alimentent le dessin.

Thierry : Et le dessin, comment ça marche ?

Sylvie : Imagine un parcours : la géométrie passe par les transformations CPU, puis par une scène avec des caméras, puis par un moteur de rendu basé sur wgpu. Le résultat s'affiche dans une fenêtre native ou dans un canevas web grâce à WebAssembly.

Thierry : Qu'est-ce qu'il y a dans la scène ?

Sylvie : Un monde d'entités, chacune avec une transformation, plus des caméras et des cibles de rendu. La scène est un arbre de parents et d'enfants. Pense à une main qui tient une tasse : tu bouges la main, la tasse suit, parce que sa position est décrite par rapport à la main.

Thierry : Bien vu. Et séparer le natif du web ?

Sylvie : Le code de plateforme a sa propre couche, à part de la scène et des calculs, donc les deux cibles partagent les mêmes briques. Il y a aussi une sérialisation optionnelle avec la fonctionnalité serde, et des fonctions GPU optionnelles derrière un drapeau.

Thierry : C'est seulement des maths et du rendu ?

Sylvie : Le workspace est plus large. Le manifeste d'Antoine liste des crates pour la géométrie, les collisions, la cinématique, la physique, le réseau, le parsing et le calcul neuronal, à côté de mathlib. Il s'appuie sur ce manifeste et sur les points d'entrée des modules pour voir comment tout s'assemble.

Thierry : Donc on retient un chemin clair des matrices aux pixels.

Sylvie : Oui : stockage, transformations, scène, rendu. Et pas besoin de le croire sur parole : la page fait tourner les démos directement dans le navigateur. On appuie sur lancer et on a le rendu, les maillages de géométrie, la bibliothèque mathématique et les plongements, le tout compilé en WebAssembly. L’article complet a le schéma d’architecture et les liens vers chaque fichier source.

Table des matières

Dimension est mon workspace Rust pour mes expériences en mathématiques et en infographie. Le point de départ est mathlib : la bibliothèque expose le stockage matriciel, des solveurs numériques et les transformations utilisées côté CPU par le module de rendu.

Architecture du projet

Vue d’architecture du projet. Cliquer sur l’image pour examiner les détails.

1. Architecture

flowchart LR
  Geometry["Géométrie"] --> Math["Transformations CPU<br/>mathlib"]
  Math --> Scene["Scène et caméras"]
  Scene --> Render["Rendu wgpu"]
  Render --> Native["Fenêtre native"]
  Render --> Web["Canvas web"]

L’application fournit la géométrie et les transformations. La scène organise les entités et les caméras; le moteur prépare le travail GPU pour une fenêtre native ou un canevas web. Ce parcours de rendu ne signifie pas que tous les calculs numériques passent sur le GPU.

Lire le parcours du code, composant par composant.

2. L’essayer dans le navigateur

Les mêmes crates se compilent en WebAssembly, et le dépôt publie chaque démo comme une page statique. Choisissez-en une ci-dessous et lancez-la : elle tourne dans votre navigateur, sans rien installer.

Démo en direct

Dimension dans votre navigateur

Un cube, un tétraèdre et un cylindre dessinés par le moteur wgpu, avec un gizmo de transformation et la sélection d’objets.

Se charge depuis antoinebou12.github.io seulement quand vous cliquez. WebAssembly ; les démos 3D demandent un navigateur avec WebGPU.

Ouvrir dans un nouvel onglet

Le dépôt publie aussi une démo de cinématique[1] (un bras à trois articulations résolu par cinématique inverse) et une démo de physique[2] (corps rigides avec XPBD). Elles demandent un navigateur avec WebGPU et s’ouvrent dans leur propre onglet.

3. Commencer par le stockage

mathlib/src/lib.rs[3] expose du stockage dense et des formats creux comme CRS et CCS. L’API comprend aussi des matrices, des vecteurs, des vues et des sous-matrices. Ces choix interviennent avant le premier dessin : ils déterminent comment le code représente et transmet ses données.

Le même point d’entrée expose les décompositions LU, Cholesky et SVD, ainsi que la recherche de racines et l’intégration numérique. Les fonctions GPU sont optionnelles. L’abstraction d’exécution représente un choix de conception ; elle ne constitue pas une mesure de gain de vitesse. Je ne présente pas de comparaison de performance ici.

4. Suivre une transformation dans la scène

render/src/lib.rs[4] décrit un moteur wgpu qui utilise mathlib pour les transformations CPU et les calculs de caméra. Il expose notamment World, EntityId, Transform, les caméras et les cibles de rendu.

La scène représente les relations parent-enfant dans un arbre. Une transformation locale s’inscrit donc dans une hiérarchie : déplacer un parent modifie le repère dans lequel ses enfants sont rendus. La sérialisation est optionnelle, sous la fonctionnalité serde.

La couche plateforme prend en charge les fenêtres natives et les cibles WebAssembly avec canvas. Séparer cette couche du code de scène et des calculs permet de partager des composants, sans pour autant prouver un comportement identique sur chaque GPU ou navigateur.

5. Lire le workspace au-delà du README

Le Cargo.toml[5] racine contient des crates de rendu, géométrie, collision, cinématique, physique, réseau, parsing et calcul neuronal, en plus de mathlib. Le README reste centré sur les mathématiques. Le manifeste et les points d’entrée des modules donnent une vue plus complète de la structure actuelle.

Ce code reste exploratoire. Pour justifier un résultat de performance, il faudrait un benchmark reproductible avec la taille des données et le matériel utilisé. Le dépôt montre pour l’instant comment je relie les calculs numériques à mes travaux d’infographie.

Voir Dimension sur GitHub[6].

Références

  1. démo de cinématique. (). [Web page] antoinebou12.github.io.
  2. démo de physique. (). [Web page] antoinebou12.github.io.
  3. antoinebou12. (). mathlib/src/lib.rs. [Source file or documentation] github.com.
  4. antoinebou12. (). render/src/lib.rs. [Source file or documentation] github.com.
  5. antoinebou12. (). Cargo.toml. [Source file or documentation] github.com.
  6. antoinebou12. (). Dimension. [Software repository] github.com.

Les références utilisent la date de publication de cet article.