Abstrait

Machine Learning 2018 : Simulation de foule : aperçu et applications - Leonel Antonio Toledo Daaz - Institut technologique et d'enseignement supérieur de Monterrey

Leonel Antonio Toledo Daaz

La reconstitution de groupe peut être classée en deux domaines distincts plus vastes. Le premier met l'accent sur l'authenticité des angles de comportement, cela se fait généralement en utilisant des perceptions 2D de base comme des systèmes de test de nettoyage, des modèles de groupe sociologiques ou des modèles de dynamique de groupe. Dans ce domaine, les pratiques reproduites sont généralement évoquées à partir d'une gamme extrêmement restreinte et contrôlée (par exemple, des individus essayant simplement de quitter une structure ou des individus encadrant des structures de groupe en forme d'anneau) avec des efforts pour confirmer quantitativement la correspondance des résultats avec les perceptions réelles de circonstances spécifiques. Dans le domaine suivant, l'objectif principal est la représentation de qualité (par exemple la création de films et de jeux PC), mais la plupart du temps, l'authenticité du modèle de comportement n'est pas la priorité. Ce qui est important, c'est un résultat visuel convaincant, qui est réalisé en partie par des modèles de comportement, en partie par une intervention humaine dans le processus de création. Un groupe virtuel doit à la fois avoir une belle apparence et être animé de manière imaginable. Recréer des groupes épais constitués de plusieurs milliers de personnes virtuelles est impossible sans l'aide des stratégies de niveau de détail (LOD). La nécessité de taux de bordure constants dans les systèmes intelligents implique qu'un nombre défini de polygones peut être affiché par le moteur d'affichage à chaque bord d'un jeu. De cette manière, les réseaux avec un nombre élevé de polygones doivent souvent être démêlés afin d'obtenir des taux de présentation satisfaisants. La reproduction de groupe a récemment attiré l'attention dans l'industrie du cinéma et du jeu vidéo, mais il existe des applications plus vastes dans lesquelles le jeu en essaim est associé. Le traitement de l'agoraphobie, l'héritage virtuel, l'aménagement urbain, la reproduction du trafic peuvent être quelques-unes des utilisations de cette étude et les gouvernements et les entreprises privées, par exemple les sociétés de jeux vidéo ou de films, peuvent en tirer profit. La simulation de foule est le processus de simulation du mouvement (ou de la dynamique) d'un grand nombre d'entités ou de personnages. Elle est couramment utilisée pour créer des scènes virtuelles pour les médias visuels comme les films et les jeux vidéo, et est également utilisée dans la formation aux situations d'urgence, l'architecture et l'urbanisme et la simulation d'évacuation. La simulation de foule peut se spécialiser dans des aspects qui se concentrent sur différentes applications. Pour un rendu réaliste et rapide d'une foule pour les médias visuels ou la cinématographie virtuelle, la réduction de la complexité de la scène 3D et le rendu basé sur l'image sont utilisés, tandis que les variations d'apparence aident à présenter une population réaliste. Dans les jeux et les applications destinés à reproduire le mouvement d'une foule humaine réelle, comme dans les simulations d'évacuation, les agents simulés peuvent avoir à naviguer vers un objectif, éviter les collisions et présenter d'autres comportements humains. De nombreux algorithmes de pilotage de foule sont développés pour diriger les foules simulées vers leurs objectifs de manière réaliste. Certains systèmes plus généraux sont étudiés et peuvent prendre en charge différents types d'agents (comme les voitures et les piétons),Différents niveaux d'abstraction (comme l'individu et le continuum), des agents interagissant avec des objets intelligents et des dynamiques physiques et sociales plus complexes. Les simulations de foule et de groupe deviennent de plus en plus importantes dans l'industrie des jeux informatiques et dans la simulation d'urgence. Les applications vont du divertissement à une utilisation plus sérieuse comme le comportement des piétons dans le monde ou dans des situations de panique. Cet article résume une synthèse de ce qui a été effacé ces dernières années dans ce domaine, en discutant des divers aspects impliqués, des sciences sociales à la mise en œuvre informatique de la modélisation et de la simulation à l'aide de systèmes multi-agents. Un cadre est proposé en prenant en charge les travaux de Fangqin et Aizhu avec des extensions pour incorporer certains aspects BDI. Les travaux futurs comprennent l'extension des fonctionnalités du modèle et la mise en œuvre d'un prototype pour la validation de la méthodologie proposée.

Biographie:

Leonel Antonio Toledo Díaz a obtenu son doctorat à l'Instituto Tecnológico de Estudios Superiores de Monterrey Campus Estado de México en 2014, où il est actuellement professeur à temps plein. De 2012 à 2014, il a été professeur adjoint et chercheur. Il a consacré la majeure partie de ses travaux de recherche à la simulation de foules et à l'optimisation de la visualisation. Il a travaillé au Barcelona Supercomputing Center en utilisant des processeurs graphiques à usage général pour des graphiques hautes performances. Son travail de thèse portait sur le niveau de détail utilisé pour créer des foules animées variées. Ses intérêts de recherche comprennent la simulation de foules, l'animation, la visualisation et le calcul haute performance.