[논문 리뷰] Dynamic Group Behaviors for Interactive Crowd Simulation

Liang He, Jia Pan외 3명|arXiv (Cornell University)|2016. 02. 11.

Evacuation and Crowd Dynamics참고 문헌 29인용 수 6

한 줄 요약

이 논문은 최소 노력 원칙과 확장된 상호 운동 장애물 기반의 에이전트-그룹 및 그룹-그룹 충돌 회피를 사용하여 상호작용적 인파 시뮬레이션에서 동적 그룹 행동을 시뮬레이션하기 위한 일반적이고 효율적인 알고리즘을 제시한다. 이는 최소한의 계산 오버헤드로 매끄럽고 일관되며 현실적인 그룹 경로를 가능하게 하며, 수백 명의 에이전트가 포함된 고밀도, 복잡한 시나리오에서 충돌 회피 및 경로 현실성 면에서 이전 방법들을 능가한다.

ABSTRACT

We present a new algorithm to simulate dynamic group behaviors for interactive multi-agent crowd simulation. Our approach is general and makes no assumption about the environment, shape, or size of the groups. We use the least effort principle to perform coherent group navigation and present efficient inter-group and intra-group maintenance techniques. We extend the reciprocal collision avoidance scheme to perform agent-group and group-group collision avoidance that can generate collision-free as well as coherent and trajectories. The additional overhead of dynamic group simulation is relatively small. We highlight its interactive performance on complex scenarios with hundreds of agents and compare the trajectory behaviors with real-world videos.

연구 동기 및 목표

• 에이전트의 그룹 크기, 형태, 환경에 대한 가정 없이도 상호작용적 인파 시뮬레이션에서 융합, 분할, 재할당 등의 동적 그룹 행동을 모델링하기 위해.
• 밀도가 높고 복잡한 환경에서 내부 그룹 및 외부 그룹 간 상호작용에 대해 일관되고 충돌 없는 항법을 가능하게 하기 위해.
• 다중 에이전트 시뮬레이션에서 높은 성능과 현실성을 유지하면서도 계산 오버헤드를 최소화하기 위해.

제안 방법

• 사전에 정의된 그룹 구조 없이도 에이전트의 위치와 속도를 기반으로 공간 클러스터링을 사용해 동적으로 에이전트를 그룹에 할당하기 위해.
• 그룹의 결속을 유지하면서도 개별 에이전트의 목표 향한 노력 최소화를 위해 최소 노력 원칙을 적용하여 그룹 항법을 안내하기 위해.
• 에이전트 위치의 볼록 껍질을 보수적인 장애물로 사용하여 상호 운동 장애물(RVO) 프레임워크를 확장해 에이전트-그룹 및 그룹-그룹 충돌 회피를 처리하기 위해.
• 현재 에이전트 위치의 볼록 껍질을 기반으로 그룹 수준의 속도 장애물을 정의하여 보수적이고 충돌 없는 항법을 보장하기 위해.
• 에이전트가 그룹에 가입하거나 이탈하거나 그룹을 전환하는 동안 실시간으로 그룹의 형태와 크기를 동적으로 갱신하기 위해.
• 실시간 시뮬레이션 파이프라인에 이 방법을 통합하여 수백 명의 에이전트에서 초당 밀리초 수준의 성능를 달성하기 위해.

실험 결과

연구 질문

• RQ1 에이전트의 그룹 크기, 형태, 환경에 대한 사전 가정 없이도 상호작용적 인파 시뮬레이션에서 형성, 융합, 분할, 재할당 등의 그룹 행동을 어떻게 동적으로 모델링할 수 있는가?
• RQ2 그룹의 일관성을 유지하면서도 효율적이고 보수적인 방법으로 에이전트-그룹 및 그룹-그룹 충돌 회피를 수행할 수 있는 방법은 무엇인가?
• RQ3 기존의 에이전트 기반 및 메조 스케일 접근법과 비교할 때, 제안된 방법은 경로 현실성, 충돌 회피 및 성능 면에서 어떻게 다른가?
• RQ4 고밀도 조건과 복잡한 환경 제약 조건 하에서도 알고리즘이 매끄럽고 일관된 경로를 유지할 수 있는가?
• RQ5 모의된 그룹 행동이 영상 데이터에서 관찰된 실제 보행자 경로와 얼마나 유사한가?

주요 결과

• 베이지너치 5에서 제안된 방법은 평균적으로 에이전트당 약 2회의 쌍방향 충돌을 기록했으며, ORCA 및 메조 스케일 방법은 500건 이상의 충돌을 기록하여 뛰어난 충돌 회피 성능을 입증했다.
• 모든 벤치마크에서 제안된 방법은 목표에 도달하기 위해 훨씬 적은 시뮬레이션 스텝을 필요로 했으며(예: 베이지너치 5에서 387단계 대비 ORCA의 5000단계 이상), 더 나은 수렴성과 경로 탐색 효율성을 나타냈다.
• 베이지너치 5에서 제안된 방법의 평균 프레임당 실행 시간은 10.4ms로, 동적 그룹 처리에도 불구하고 낮은 계산 오버헤드를 보였다.
• 이 방법이 생성한 경로는 특히 협동 이동 및 리더-팔로워 다이내믹스와 같은 그룹 수준 행동에서 실제 영상 데이터와 강한 유사성을 보였다.
• ORCA 및 메조 스케일 방법은 고밀도 시나리오에서 자주 목표에 도달하지 못하고 갇히는 문제가 있었지만, 제안된 방법은 이러한 상황에서도 에이전트가 갇히는 것을 성공적으로 방지했다. 5000단계가 넘는 시뮬레이션 후에도 목표에 도달하지 못한 경우가 빈번했다.
• 볼록 껍질 기반의 그룹 속도 장애물 사용은 보수적이고 효과적인 그룹-그룹 충돌 회피를 가능하게 하였으며, 성능을 희생시키지 않은 채 그룹의 통합성을 유지했다.