[논문]이미지 기반의 유도장과 항해장을 활용한 실시간 대규모 군중 시뮬레이션

옥수열

doi:10.9717/kmms.2014.17.9.1104

이미지 기반의 유도장과 항해장을 활용한 실시간 대규모 군중 시뮬레이션
Large-Scale Realtime Crowd Simulation Using Image-Based Affordance and Navigation Potential Fields 원문보기

멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.17 no.9, 2014년, pp.1104 - 1114

옥수열 (Dept. of Game Eng., School of Digital Entertainment, TongMyong University)

Abstract ▼ AI-Helper

In large-scale crowd simulations, it is very important for the decision-making system of manipulating interactive behaviors to minimize the computational cost for controlling realistic behaviors such as collision avoidance. In this paper, we propose a large-scale realtime crowd simulation method using the affordance and navigation potential fields such as attractive and repulsive forces of electromagnetic fields. In particular, the model that we propose locally handles the realistic interactions between agents, and thus radically reduces the cost of expensive computation on interactions which has been the most problematic in crowd simulation. Our method is widely applicable to the expression and analysis of various crowd behaviors that are needed in behavior control in computer games, crowd scenes in movies, emergent behaviors of evacuation, etc.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 군중의 조종행동에 대한 의사결정 시스템에서 가장 많은 계산 비용을 차지하는 에이전트끼리 상호작용을 자기장과 같은 역장(Force Field)개념을 이용하여 계산비용을 최소화하는 기법이 핵심요소이다. 이를 위해 에이전트의 상호작용에 대한 영향도를 각 에이전트 특성에 따른 상태, 모양 및 크기를 수식 형태의 포텐셜장으로 표현하는 대신에 이미지 기반의 개별 에이전트의 유도 포텐셜장(Affordance Potential Field:이하 AF)형태로 변환하여 적용한다.
본 논문에서는 대규모 군중행동 시뮬레이션에서 복잡한 연산 시간을 필요로 하는 에이전트 간 상호작용을 AF과 NF이라는 이미지기반의 포텐셜 역장을 이용하여 실시간 시뮬레이션이 가능한 방법을 제안하였다.
이에 본 논문에서는 멀티 에이전트의 의사결정 시스템과 파티클 시스템의 역장(Force Field)개념을 기반으로 하여 대규모 군중시뮬레이션에서 거시적인 행동표현 특성과 미시적인 행동표현 특성의 두 가지 특성을 모두 표현할 수 있고 또한 군중행동 시뮬레이션의 고속화 기법과 이에 따른 다양한 행동 제어방법을 제안하고자 한다.

제안 방법

(a)과 같이 에이전트의 주변 8방향(S1∼S8) 센서는 근접 상황에서 충돌회피와 같은 상황을 효과적으로 대응하도록 주변을 둘러싸는 형태로 설계하였다.
그리고 전방(VS1∼VS3) 센서는 사람의 이동속도에 따른 시야범위 조절과 같이 에이전트의 속도에 증감에 따른 센서의 위치조절과 함께 전방에 대한 사전감지를 통해 충돌회피 방향 전환과 감속처리가 가능하도록 설계하였다.
특히, 제안한 유도장과 항해장 모델은 기존의 복잡한 수식 및 함수를 사용하지 않고 에이전트 간 사실적인 상호작용을 국소적으로 처리할 수 있어 군중 시뮬레이션에서 가장 문제가 되는 상호작용 연산 비용을 획기적으로 줄일 수 있다. 또한 제안 방법은 대규모 군중시뮬레이션에서 중요한 두 가지 필수 요소인 거시적인 군중의 흐름제어와 미시적인 에이전트 간 상호작용을 동시에 실시간으로 표현할 수 특징이 있다. 단, 본 연구에서는 평면상에서 시뮬레이션 결과로 다양한 임의지형상에서 적용가능성에 대해서 검토할 필요가 있고 또한 향후, 제안한 방법을 토대로 사실적인 데이터를 기반으로 한 교통시뮬레이션 및 재난 시뮬레이션에 적용하여 그 타당성을 보다 심도 있게 검토하고자 한다.
1과 같다. 먼저, 사용자로 부터 에이전트 및 장애물과 같은 가상 환경을 구성하는 오브젝트에 대한 이미지 또는 수식 입력값을 받아 AF를 생성하고, 생성된 AF는 가상공간상의 오브젝트 위치에 맵핑하여 NF를 생성한다. NF는 에이전트의 상호작용을 위한 가상환경의 전체 포텐셜장 이미지를 나타낸다.
본 논문에서는 충돌회피를 위해 AF, NF와 같은 역장(Force Field)형식의 컬러코드화된 이미지를 이용함으로써 기존 O(N²)수준의 에이전트간 상호작용 계산량을 O(N)수준의 실시간처리 방법을 제안한다. AF를 이용한 충돌회피방법은 에이전트 자신이 척력장과 같은 충돌회피를 위한 AF를 가지는 것이다.
본 연구에서는 복잡한 대규모 군중 시뮬레이션 환경에서 적응적으로 상호작용하면서 행동하도록 에이전트의 센서를 시야센서(Visual Sensor)로 간주하여 에이전트의 속도 및 상태에 따라 위치나 감지 범위가 적응적으로 변동 가능하도록 용장성있게 설계하였다. Fig.
AF를 이용한 충돌회피방법은 에이전트 자신이 척력장과 같은 충돌회피를 위한 AF를 가지는 것이다. 이는 에이전트를 움직이는 자성체로 간주하고 같은 극을 가진 에이전트들이 상호 회피하려는 동작을 하도록 설계하였다.
본 논문에서는 군중의 조종행동에 대한 의사결정 시스템에서 가장 많은 계산 비용을 차지하는 에이전트끼리 상호작용을 자기장과 같은 역장(Force Field)개념을 이용하여 계산비용을 최소화하는 기법이 핵심요소이다. 이를 위해 에이전트의 상호작용에 대한 영향도를 각 에이전트 특성에 따른 상태, 모양 및 크기를 수식 형태의 포텐셜장으로 표현하는 대신에 이미지 기반의 개별 에이전트의 유도 포텐셜장(Affordance Potential Field:이하 AF)형태로 변환하여 적용한다. 각각 에이전트의 AF는 에이전트의 위치에 맞게 가상공간에 맵핑된다.
하지만 이들 연구의 대부분은 장애물 회피나 목표 위치로 유도하기 위해 방정식 형태의 포텐셜장을 적용하는데 이는 상태의 변화에 따 포텐셜장을 실시간으로 변경해야 한다든지 혹은 오브젝트와의 상호작용 범위가 바뀔 때 마나 새로운 방정식 모델을 도입해야하는 문제가 발생한다. 이에 본 연구에서는 AF를 기반으로 해서 설계하였다. AF를 이미지로 사용함으로써의 이점은 다음과 같다.
이에 에이전트의 AF는 에이전트 상태에 따라 여러 가지 심리적인 포텐셜장으로 표현이 가능하지만, 본 논문에서는 크게 두 가지 상태의 장으로서 표현한다. 하나는 가상 환경에서 에이전트가 다른 에이전트나 장애물에 대한 충돌회피를 위한 척력장, 그리고 다른 하나는 에이전트가 목표물을 찾아가기 위한 인력장이다.
인력장은 에이전트 자신의 중심으로 다른 에이전트를 끌어 들이는 힘을 계산할 때 사용한다. 인력장의 힘은 척력장의 힘 계산과 동일하지만 힘의 방향이 역으로 향하도록 SensorValue와 AgentValue의 위치를 바꾸어 반대가 되도록 하였다. 아래의 식 (3)은 NF에 매핑된 인력장의 AF로부터 힘을 계산하는 식이다.
제안 방법은 군중의 세밀한 행동 제어뿐만 아니라 상호작용을 포텔셜장의 집합 연산을 통해 충돌체크 및 회피에 대한 계산량을 O(N²)에서 수준에서 O(N)으로 최소화하여 고밀집 군중 시뮬레이션이 실시간으로 가능한 새로운 방법이다. 특히, 제안한 유도장과 항해장 모델은 기존의 복잡한 수식 및 함수를 사용하지 않고 에이전트 간 사실적인 상호작용을 국소적으로 처리할 수 있어 군중 시뮬레이션에서 가장 문제가 되는 상호작용 연산 비용을 획기적으로 줄일 수 있다.
제안한 충돌회피는 사전충돌영역 감지단계와 이를 기반으로 한 상호충돌회피 단계로 진행된다. 먼저, 사전충돌영역 감지단계는 Fig.

대상 데이터

본 시뮬레이션에서는 에이전트기반의 대규모 군중행동 시뮬레이션에서 많이 사용되는 횡단보도와 같은 교차환경을 대상으로 실험하였다. 먼저, A,B 두개의 에이전트 그룹으로 나누고 각각의 에이전트그룹이 목적지로 하는 목적장의 NF를 Fig.

이론/모형

에이전트의 조종력은 상호작용을 필요로 하지 않는 도착하기, 회피하기, 배회하기 등의 기본 행동 조종력과 에이전트간이나 장애물과의 상호작용에 따른 조종력으로 크게 두 가지로 나눌 수 있다. 먼저, 에이전트의 기본 행동 조종력은 Reynolds[5]가 제안한 모델을 적용하였다. 그리고 상호작용에 따른 조종력은 본 논문에서 제안한 NF에 의한 조종력이다.

성능/효과

그리고 기존의 제안 방법[18]에서는 200명 정도의 군중 시뮬레이션을 실시간 처리하지 못하는 반면에 본 연구에서는 Fig. 12(h)에서 보는 것과 같이 20000명 정도의 대규모 군중 교차 시뮬레이션에 있어서도 실시간으로 상호 충돌 없이 잘 회피하고 있음을 알 수 있었다.
에이전트는 항해 계획(Navigation Planning)을 위해 가상공간상에 맵핑된 AF를 바탕으로 항해 포텐셜장(Navigation Potential Field:이하 NF)을 생성하고 자신의 여러 감지센서를 이용하여 생성된 NF 로부터 값을 읽어와 행동에 필요한 조종력을 결정하게 된다. 본 논문에서 제안한 방법은 에이전트의 의사결정 시스템과 파티클 시스템의 역장 개념을 기반으로 하여 대규모 군중시뮬레이션에서 거시적인 행동표현 특성과 미시적인 행동표현 특성의 두 가지 특성을 모두 표현할 수 있고 또한 군중행동 시뮬레이션의 고속화가 가능하다.
)에서 수준에서 O(N)으로 최소화하여 고밀집 군중 시뮬레이션이 실시간으로 가능한 새로운 방법이다. 특히, 제안한 유도장과 항해장 모델은 기존의 복잡한 수식 및 함수를 사용하지 않고 에이전트 간 사실적인 상호작용을 국소적으로 처리할 수 있어 군중 시뮬레이션에서 가장 문제가 되는 상호작용 연산 비용을 획기적으로 줄일 수 있다. 또한 제안 방법은 대규모 군중시뮬레이션에서 중요한 두 가지 필수 요소인 거시적인 군중의 흐름제어와 미시적인 에이전트 간 상호작용을 동시에 실시간으로 표현할 수 특징이 있다.

후속연구

또한 제안 방법은 대규모 군중시뮬레이션에서 중요한 두 가지 필수 요소인 거시적인 군중의 흐름제어와 미시적인 에이전트 간 상호작용을 동시에 실시간으로 표현할 수 특징이 있다. 단, 본 연구에서는 평면상에서 시뮬레이션 결과로 다양한 임의지형상에서 적용가능성에 대해서 검토할 필요가 있고 또한 향후, 제안한 방법을 토대로 사실적인 데이터를 기반으로 한 교통시뮬레이션 및 재난 시뮬레이션에 적용하여 그 타당성을 보다 심도 있게 검토하고자 한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	사전 충돌영역의 역장으로 충돌회피를 처리할 수 없는 이유는 무엇인가?	왜냐하면, Fig. 9(a)와 같이 에이전트간 거리가 멀거나 가깝더라도 동일한 컬러코드 값을 읽어오기 때문에 충돌회피 움직임이 표현되지 않는다. 그래서 다음 단계인 상호충돌회피 단계에서 충돌회피를 처리한다. 상호충돌회피 단계는 Fig.
	본 논문에서 제안한 충돌회피는 어떤 단계로 진행되는가?	제안한 충돌회피는 사전충돌영역 감지단계와 이를 기반으로 한 상호충돌회피 단계로 진행된다. 먼저, 사전충돌영역 감지단계는 Fig.
	군중행동 시뮬레이션 모델은 어떻게 분류할 수 있나?	이 뿐만 아니라 로봇공학[2], 교통공학[3], 그리고 사회과학[4] 등을 포함하여 다양한 분야에 걸쳐 많은 연구가 진행되고 있다. 이러한 군중행동 시뮬레이션 모델은 크게 군중 모델의 접근방법과 특징에 따라서 군중의 규모와 시간 크기에 따라서 분류할 수 있다. 군중 규모에 따른 미지적인 모델은 주로 규칙기반 플로킹 모델[5], 사회적인 힘 모델[6-7], 셀룰라 오토마타 모델[8], 속도-장애물 기반 공식화모델[9] 등 다양한 방법들이 제안되어왔다.

참고문헌 (19)

R. McDonnell, S. Dobbyn, and C. O'Sullivan, "Crowd Creation Pipeline for Games," Proceeding of International Conference on Computer Games, pp. 183-190, 2006.
J. Snape, J.V. Berg, S.J. Guy, and D. Manocha, "Independent Navigation of Multiple Mobile Robots with Hybrid Reciprocal Velocity Obstacles," Proceeding of IEEE/RSJ International Conference on Intelligent Robots and Systems, pp. 5917-5922, 2009.
M.C. Lin and D. Manocha, "Virtual Cityscapes: Recent Advances in Crowd Modeling and Traffic Simulation," Frontiers of Computer Science in China, Vol. 4, No. 3, pp. 405-416, 2010.

상세보기
S. Paris and S. Donikian, "Activity-Driven Populace: A Cognitive Approach to Crowd Simulation," IEEE Computer Graphics and Applications, Vol. 29, No. 4, pp. 34-43, 2009.

상세보기
C.W. Reynolds, "Flocks, Herds and Schools: A Distributed Behavioral Model," Proceeding of the 14th Annual Conference on Computer Graphics and Interactive Techniques, Vol. 21, No. 4, pp. 25-34, 1987.
D. Helbing and P. Molnar, "A Social Force Model for Pedestrian Dynamics," Physical Review E, Vol. 51, No. 5, pp. 4284-4286, 1995.

상세보기
D. Helbing, I. Farkas, and T. Viscek, "Simulating Dynamical Features of Escape Panic," Nature, Vol. 407, No. 6803, pp. 487-490, 2000.

상세보기
K. Yamamoto, S. Kokubo, H. Yamashita, and K. Nishinari, "Simulation of Fire Evacuation by Real-Coded Cellular Automata(rca)," Proceeding of the 8th international conference on Cellular Automata for Research and Industry, pp. 447-454, 2008.
J.P. Berg, M.C. Lin, and D. Manocha, "Reciprocal Velocity Obstacles for Real-Time Multi-Agent Navigation," Proceeding of IEEE International Conference on Robotics and Automation, pp. 1928-1935, 2008.
L.F. Henderson, "On the Fluid Mechanics of Human Crowd Motion," Transportation Research, Vol. 8, No. 6, pp. 509-515, 1974.

상세보기
D. Helbing, "A Fluid-Dynamic Model for the Movement of Pedestrians," Complex Systems, Vol. 6, No. 5, pp. 391-415, 1992.

상세보기
D. Helbing. "Traffic and Related Self-driven Many Particle Systems," Reviews of Modern Physics, Vol. 73, No. 4, pp. 1067-1141, 2001.

상세보기
J. Ondrej, J. Pettre, A.Olivier, and S. Donikian, "A Synthetic-Vision Based Steering Approach for Crowd Simulation," ACM Transactions on Graphics, Vol. 29, No 4, Article No. 123, pp. 1-9, 2010.
L. Kratz and K. Nishino, "Going with the Flow: Pedestrian Efficiency in Crowded Scenes," Proceeding of the 12th European conference on Computer Vision, Vol. 4, pp. 558-572, 2012.
S. Patil, J. Berg, S. Curtis, M.C. Lin, and D. Manocha, "Directing Crowd Simulations using Navigation Fields," IEEE Transactions on Visualization and Computer Graphics, Vol. 17, No. 2, pp. 244-254, 2011.

상세보기
S. Shimoda, Y. Kuroda, and K. Iagnemma, "High-Speed Navigation of Unmanned Ground Vehicles on Uneven Terrain using Potential Fields," Robotica, Vol. 25, No. 4, pp. 409-424, 2007.

상세보기
C. PeTreS, M.A. Romero-Ramirez, and F. Plumet, "A Potential Field Approach for Reactive Navigation of Autonomous Sailboats," Robotics and Autonomous Systems, Vol. 60, No. 12, pp. 1520-1527, 2012.

상세보기
A. Golas, R. Naraina, and M.C. Lin, "Hybrid Long-Range Collision Avoidance for Crowd Simulation," Proceeding of ACM SIGGRAPH Symposium on Interactive 3D Graphics and Games, pp. 29-36, 2013.
M.K. Sung, "3D Character Motion Synthesis and Control Method for Navigating Virtual Environment using Depth Sensor," Journal of Korea Multimedia Society, Vol. 15, No. 6, pp. 827-836, 2012.

원문보기 상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증