| Interaction field : a new intuitive method to sketch collective behaviors (Champ d’interaction : une nouvelle méthode intuitive pour esquisser des comportements collectifs) Colas, Adèle - (2022-11-18) / Universite de Rennes 1 Interaction field : a new intuitive method to sketch collective behaviors
| |||
Langue : Anglais Directeur(s) de thèse: Pettré, Julien; Olivier, Anne-Hélène Discipline : Informatique Laboratoire : INRIA-RENNES Ecole Doctorale : MATHSTIC Classification : Informatique Mots-clés : Champ d’interaction, RV, esquisse, intuitif, simulation de comportement, Interface utilisateur, simulation en temps réel, foule
| |||
Résumé : La simulation en temps réel de foules humaines a de nombreuses applications. Dans une simulation de foule typique, chaque personne ("agent") dans la foule se déplace vers un but tout en adhérant à des contraintes locales. De nombreux algorithmes existent pour des tâches locales spécifiques de "pilotage" telles que l’évitement des collisions ou le comportement de groupe. Cependant, ils ne s’étendent pas facilement à des types de comportement complètement nouveaux, comme tourner autour d’un autre agent ou se cacher derrière un obstacle. Ils ont également tendance à se concentrer uniquement sur la vitesse d’un agent sans contrôler explicitement son orientation. Cette thèse présente une nouvelle méthode basée sur des esquisses pour modéliser et simuler de nombreux comportements de pilotage pour les agents dans une foule. Le concept de champ d’interaction (CI) est central : un champ vectoriel qui décrit les vitesses ou les orientations que les agents doivent utiliser autour d’un agent ou d’un obstacle "source" donné. Un champ d’interaction peut également changer dynamiquement en fonction de paramètres, tels que la vitesse de marche de l’agent source. Les CIs peuvent être facilement combinés avec d’autres aspects de la simulation de foule, comme l’évitement de collision. En utilisant une implémentation des CIs dans un cadre de simulation de foule en temps réel, nous démontrons les capacités des CIs dans divers scénarios. Il s’agit notamment de scénarios de type jeu où la foule réagit à un avatar contrôlé par l’utilisateur. Nous présentons également un outil interactif qui calcule un CI à partir de croquis d’entrée. Cet éditeur de CI permet aux utilisateurs de concevoir intuitivement et rapidement de nouveaux types de comportement, sans qu’il soit nécessaire de programmer des règles comportementales supplémentaires. Nous évaluons en détail l’efficacité de l’éditeur de CI à travers une étude d’utilisateurs, qui démontre que notre méthode permet à des utilisateurs non experts d’enrichir facilement toute simulation de foule basée sur des agents avec de nouvelles interactions d’agents. Abstract : The real-time simulation of human crowds has many applications. In a typical crowd simulation, each person (‘agent’) in the crowd moves towards a goal while adhering to local constraints. Many algorithms exist for specific local ‘steering’ tasks such as collision avoidance or group behavior. However, these do not easily extend to completely new types of behaviors, such as circling around another agent or hiding behind an obstacle. They also tend to focus purely on an agent’s velocity without explicitly controlling its orientation. This thesis presents a novel sketch-based method for modelling and simulating many steering behaviors for agents in a crowd. Central to this is the concept of an Interaction Field (IF): a vector field that describes the velocities or orientations that agents should use around a given ‘source’ agent or obstacle. An IF can also change dynamically according to parameters, such as the walking speed of the source agent. IFs can be easily combined with other aspects of crowd simulation, such as collision avoidance. Following a review of the state of the art, this manuscript details the theoretical and practical concept associated with IF. We then demonstrate the capabilities of IF by illustrating several scenarios, as well as through a user evaluation of the principle. A final chapter then explores the possibilities of extending the approach in VR and present a proof of concept. Overall, our novel method enables non-expert users to easily enrich any agent-based crowd simulation with new agent interactions. | |||