[论文解读] Dynamic Group Behaviors for Interactive Crowd Simulation

Liang He, Jia Pan+3 more|arXiv (Cornell University)|Feb 11, 2016

Evacuation and Crowd Dynamics参考文献 29被引用 6

一句话总结

本文提出了一种通用且高效的算法，用于在交互式人群模拟中模拟动态群体行为，采用最小努力原则和扩展的互惠速度障碍方法实现个体-群体及群体-群体的碰撞规避。该方法在计算开销极小的前提下，实现了平滑、连贯且逼真的群体轨迹，在包含数百名智能体的复杂高密度场景中，其碰撞规避能力和轨迹真实性优于以往方法。

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.

研究动机与目标

• 在不假设群体规模、形状或环境条件的前提下，对交互式人群模拟中的动态群体行为（如合并、分裂和重新分配）进行建模。
• 在密集复杂的环境中，实现群体内部与群体之间交互的连贯且无碰撞的导航。
• 在保持高性能和真实感的同时，降低多智能体模拟中的计算开销。

提出的方法

• 基于智能体位置和速度的空间聚类方法，动态分配智能体至群体，无需预设群体结构。
• 应用最小努力原则引导群体导航，在最小化个体努力的同时保持群体凝聚力。
• 将互惠速度障碍（RVO）框架扩展至处理个体-群体和群体-群体的碰撞规避，使用智能体位置的凸包作为保守障碍物。
• 基于当前智能体位置的凸包构建群体层级的速度障碍，以确保保守且无碰撞的导航。
• 在模拟过程中实时动态更新群体形状与大小，以应对智能体的加入、离开或切换群体。
• 将该方法集成至实时模拟流水线，在数百名智能体的场景下实现每帧毫秒级的性能表现。

实验结果

研究问题

• RQ1 如何在不预先假设群体结构的前提下，动态建模交互式人群模拟中的群体行为（如形成、合并、分裂和重新分配）？
• RQ2 是否存在一种高效且保守的方法，用于个体-群体与群体-群体的碰撞规避，同时保持群体连贯性？
• RQ3 与现有基于智能体和中观尺度的方法相比，所提方法在轨迹真实性、碰撞规避和性能方面表现如何？
• RQ4 该算法在高密度条件和复杂环境约束下是否能保持平滑且连贯的轨迹？
• RQ5 模拟生成的群体行为在多大程度上与视频数据中观察到的真实行人轨迹相匹配？

主要发现

• 在基准测试5中，所提方法平均每名智能体仅发生2次两两碰撞，而ORCA和中观尺度方法则超过500次，表明其具有显著优越的碰撞规避能力。
• 在所有基准测试中，该方法达到目标所需的模拟步数显著更少（例如，基准测试5中为387步，而ORCA超过5000步），表明其具有更好的收敛性与路径规划效率。
• 在基准测试5中，该方法每帧的平均运行时间为10.4毫秒，表明即使在动态群体处理下，计算开销依然极低。
• 该方法生成的轨迹与真实世界视频数据高度匹配，尤其在群体行为层面，如协同移动和领导者-跟随者动态。
• 该方法成功避免了智能体在高密度场景中陷入停滞，而ORCA和中观尺度方法在5000步模拟后仍频繁无法抵达目标，表现不佳。
• 基于凸包的群体速度障碍方法实现了保守且高效的群体-群体碰撞规避，在不牺牲性能的前提下有效维持了群体完整性。