[논문 리뷰] Heter-Sim: Heterogeneous multi-agent systems simulation by interactive data-driven optimization

Jiaping Ren, Wei Xiang외 4명|arXiv (Cornell University)|2018. 12. 02.

Evacuation and Crowd Dynamics참고 문헌 22인용 수 8

한 줄 요약

Heter-Sim는 실제 운동 데이터를 통합하는 에너지 최소화 문제로 에이전트 행동을 모델링함으로써, 보행자, 차량, 혼합 교통 등 이질적인 다중에이전트 시스템을 데이터 기반, 최적화 기반으로 시뮬레이션하는 프레임워크를 제안한다. 이는 수십에서 수백 명의 에이전트를 대상으로 인터랙티브 성능(인터랙티브 레이트)을 달성하면서도 입력 데이터셋 외부의 상황에서도 현실적이며 다양한 행동을 생성하며, 사용자 연구 및 VR 평가에서 기존 방법들을 능가한다.

ABSTRACT

Interactive multi-agent simulation algorithms are used to compute the trajectories and behaviors of different entities in virtual reality scenarios. However, current methods involve considerable parameter tweaking to generate plausible behaviors. We introduce a novel approach (Heter-Sim) that combines physics-based simulation methods with data-driven techniques using an optimization-based formulation. Our approach is general and can simulate heterogeneous agents corresponding to human crowds, traffic, vehicles, or combinations of different agents with varying dynamics. We estimate motion states from real-world datasets that include information about position, velocity, and control direction. Our optimization algorithm considers several constraints, including velocity continuity, collision avoidance, attraction, and direction control. To accelerate the computations, we reduce the search space for both collision avoidance and optimal solution computation. Heter-Sim can simulate tens or hundreds of agents at interactive rates and we compare its accuracy with real-world datasets and prior algorithms. We also perform user studies that evaluate the plausible behaviors generated by our algorithm and a user study that evaluates the plausibility of our algorithm via VR.

연구 동기 및 목표

• 다양한 에이전트 유형(예: 보행자 및 차량 등)을 동일한 환경 내에서 모델링할 수 있는 일반 목적의 시뮬레이션 프레임워크를 개발하는 것.
• 실제 운동 데이터를 활용하여 다중에이전트 시뮬레이션에서 수동적 파rameter 조정의 필요성을 줄이는 것.
• 희소하거나 제한된 입력 데이터셋이 존재하는 상황에서도 현실적이며 비주기적인 행동을 생성하는 것.
• 수십에서 수백 명의 이질적 에이전트를 대상으로 인터랙티브 시뮬레이션 속도(실시간 성능)를 지원하는 것.
• 데스크톱 및 VR 환경에서의 사용자 연구를 통해 시뮬레이션된 행동의 지각적 현실성( perceptual plausibility )을 평가하는 것.

제안 방법

• 충돌 회피, 속도 연속성, 유인, 방향 제어를 포함한 에너지 함수를 사용하여 제약 조건이 있는 최적화 문제로 에이전트 의사결정을 수립한다.
• 실제 데이터셋에서 운동 상태(위치, 속도, 제어 방향)를 추출하고, 실제 및 시뮬레이션된 에이전트 간의 제어 방향을 정렬하여 행동의 다양성을 향상시킨다.
• 공간적 및 속도 연속성을 활용해 충돌 회피 및 최적 속도 선택의 탐색 공간을 줄여 계산 속도를 향상시킨다.
• 역동성 시뮬레이션에 전진 오일러 적분을 사용하며, 안정성 향상을 위해 암시적 방법으로의 확장도 고려한다.
• 충돌 검출을 위해 에이전트를 단순한 기하학적 형태(원 또는 직사각형)로 표현하며, 더 복잡한 기하학적 형태로의 확장도 가능하도록 설계한다.
• 사용자 정의 또는 합성된 시뮬레이션 데이터를 입력으로 통합하여 실제 데이터셋 외의 행동 다양성을 확장한다.

실험 결과

연구 질문

• RQ1 통합된 최적화 기반 프레임워크는 보행자 및 차량 등 이질적 에이전트를 높은 현실성과 상호작용성을 갖추고 시뮬레이션할 수 있는가?
• RQ2 제안된 방법은 기존의 데이터 기반 및 물리 기반 시뮬레이션 방법과 비교해 행동의 현실성 면에서 어떻게 성능을 발휘하는가?
• RQ3 입력 데이터셋에 존재하지 않는 상황으로의 일반화 능력은 어느 정도인가?
• RQ4 VR 기반 렌더링은 데스크톱 렌더링에 비해 시뮬레이션된 에이전트 행동의 지각적 현실성을 향상시키는가?
• RQ5 공간적 및 속도 연속성을 통해 계산 비용을 줄이면서도 시뮬레이션 품질을 유지하는 데에 얼마나 효과적인가?

주요 결과

• 모든 t-검정에서 p-값이 0.001 이하인 바에 따라, Heter-Sim는 데스크톱 및 VR 평가에서 기준 방법보다 사용자 인식 현실성에서 유의미하게 높은 성능을 보였다.
• 사용자 연구 결과, VR로 렌더링된 시뮬레이션은 데스크톱 렌더링 대비 유의미하게 더 현실적으로 평가되었다 (t(111) = -9.3485, p < 0.001).
• 희소한 입력 데이터로도 Heter-Sim는 더 다양한 비주기적 행동을 생성하여, 패치 기반 데이터 기반 방법에서 흔히 발생하는 반복성과 단조로움을 피했다.
• 입력 데이터셋이 없는 상황에서도 Heter-Sim는 현실적인 행동을 생성하였으며, 가짜 평균과의 차이가 유의미하게 높았다 (t(55) = -5.0281, p < 0.001).
• 실제 데이터셋이 존재하는 상황에서는 Heter-Sim가 사용자 평가에서 기존 방법을 능가했다 (t(27) = 6.4890, p < 0.001).
• 표준 데스크톱 PC에서 Heter-Sim는 복잡한 혼합 교통 환경에서 수십에서 수백 명의 이질적 에이전트를 대상으로 인터랙티브 레이트를 달성했다.