[论文解读] Heter-Sim: Heterogeneous multi-agent systems simulation by interactive data-driven optimization

Jiaping Ren, Wei Xiang+4 more|arXiv (Cornell University)|Dec 2, 2018

Evacuation and Crowd Dynamics参考文献 22被引用 8

一句话总结

Heter-Sim 提出了一种数据驱动、基于优化的框架，用于模拟异构多智能体系统（如行人、车辆和混合交通），通过将智能体行为建模为能量最小化问题，并整合真实世界运动数据，实现交互式性能（数十至数百个智能体），即使在输入数据集之外的场景中也能生成合理且多样的行为，用户研究和虚拟现实评估均表明其优于先前方法。

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.

研究动机与目标

• 开发一种通用模拟框架，能够在同一环境中建模多种类型的智能体（如行人和车辆）。
• 通过利用真实世界运动数据，减少多智能体模拟中对手动参数调优的需求。
• 即使在输入数据集稀疏或有限的情况下，也能生成合理且非周期性的行为。
• 实现在数十至数百个异构智能体的复杂混合交通环境中，达到交互式模拟速率（实时性能）。
• 通过桌面和虚拟现实环境中的用户研究，评估模拟行为的感知合理性。

提出的方法

• 将智能体决策建模为带约束的优化问题，使用包含碰撞避免、速度连续性、吸引力和方向控制的能量函数。
• 从真实世界数据集中提取运动状态（位置、速度、控制方向），并通过对齐真实与模拟智能体的控制方向，增强行为多样性。
• 通过空间和速度连续性减少碰撞避免与最优速度选择的搜索空间，以加速计算。
• 使用前向欧拉积分进行动力学模拟，未来可扩展至隐式格式以提升稳定性。
• 将智能体表示为简单几何形状（圆形或矩形）以进行碰撞检测，并可扩展至更复杂的几何形态。
• 整合用户自定义或合成的模拟数据作为输入，以扩展真实数据集之外的行为多样性。

实验结果

研究问题

• RQ1 统一的基于优化的框架是否能够以高合理性和交互性模拟异构智能体（如行人和车辆）？
• RQ2 与先前的数据驱动和物理驱动模拟方法相比，该方法在行为真实感方面表现如何？
• RQ3 该方法在输入数据集中未包含的场景中，其泛化能力达到何种程度？
• RQ4 与桌面渲染相比，基于虚拟现实的可视化是否能显著提升模拟智能体行为的感知合理性？
• RQ5 通过空间和速度连续性，该方法在保持模拟质量的同时，是否能有效降低计算成本？

主要发现

• 在桌面和虚拟现实评估中，Heter-Sim 的用户感知合理性显著高于基线方法，所有 t 检验的 p 值均小于 0.001。
• 用户研究表明，虚拟现实渲染的模拟在合理性评分上显著高于桌面渲染（t(111) = -9.3485，p < 0.001）。
• 即使在输入数据稀疏的情况下，该方法仍能生成更多样化且非周期性的行为，避免了基于补丁的数据驱动方法常见的单调性问题。
• 在无输入数据集的场景中，Heter-Sim 仍能生成合理的行为，其评分与假设总体均值存在显著差异（t(55) = -5.0281，p < 0.001）。
• 在有真实数据集的场景中，Heter-Sim 在用户评分中优于先前方法（t(27) = 6.4890，p < 0.001）。
• 该模拟在标准桌面电脑上实现了交互式速率，支持在复杂混合交通环境中同时运行数十至数百个异构智能体。