Welcome to the UPF Digital Repository

Automating crowd simulation: from parameter tuning to dynamic context-to-policy adaptation

Show simple item record

dc.contributor.author Cabrero Daniel, Beatriz
dc.contributor.other Blat, Josep
dc.contributor.other Marqués, Ricardo
dc.contributor.other Universitat Pompeu Fabra. Departament de Tecnologies de la Informació i les Comunicacions
dc.date.accessioned 2024-03-16T02:34:28Z
dc.date.available 2024-03-16T02:34:28Z
dc.date.issued 2022-01-25T12:57:06Z
dc.date.issued 2022-07-11T01:00:19Z
dc.date.issued 2022-01-12
dc.identifier http://hdl.handle.net/10803/673251
dc.identifier.uri http://hdl.handle.net/10230/52333
dc.description.abstract Computer-generated crowds are becoming more and more frequent in films, video games and safety assessment applications. Many crowd simulation algorithms exist to address the needs of this diverse range of industries. Even though the underlying principles are similar, there are large differences between the resulting synthetic trajectories. Each algorithm has strengths and weaknesses that need to be weighted, and appropriate parameter values for them must be selected as well. These are not easy tasks and Machine Learning algorithms are often used to guide these decisions. In this work we study three of these tasks: parameter tuning, trajectory evaluation, and character policy selection and adaptation. Our results show the usefulness of the proposed methods to evaluate previously unseen synthetic trajectories to find appropriate parameter values for the algorithms without directly relying on real data. Moreover, by classifying the context of characters, we propose a policy adaptation strategy to improve crowd simulations.
dc.description.abstract Les multituds simulades per ordinador són cada cop més habituals en cinema, vídeo jocs i en aplicacions relacionades amb la seguretat. Existeixen molts algoritmes per simular multituds per adreçar tal varietat d’indústries. Tot i que els principis subjacents són similars, hi ha diferències entre les simulacions resultants. Cada algoritme té avantatges i inconvenients que s’han de valorar, i, a més a més, cal trobar valors pels seus paràmetres. Aquestes no són tasques senzilles i, sovint, es fan servir algoritmes d’aprenentatge automàtic per guiar aquestes decisions. Estudiem tres d’aquestes tasques: donar valor als paràmetres, avaluar trajectòries, i adaptar les polítiques. Els resultats demostren la utilitat dels mètodes proposats per avaluar trajectòries noves per tal de trobar valors apropiats pels paràmetres dels algorismes sense fer servir dades reals directament. A més a més, proposem una estratègia per adaptar la política de cada agent a través del reconeixement del context, millorant les simulacions.
dc.description.abstract Programa de doctorat en Tecnologies de la Informació i les Comunicacions
dc.format 112 p.
dc.format application/pdf
dc.format application/pdf
dc.language.iso eng
dc.publisher Universitat Pompeu Fabra
dc.rights L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-sa/4.0/
dc.rights http://creativecommons.org/licenses/by-sa/4.0/
dc.rights info:eu-repo/semantics/openAccess
dc.source TDX (Tesis Doctorals en Xarxa)
dc.title Automating crowd simulation: from parameter tuning to dynamic context-to-policy adaptation
dc.type info:eu-repo/semantics/doctoralThesis
dc.type info:eu-repo/semantics/publishedVersion
dc.date.modified 2024-03-15T10:58:00Z
dc.subject.keyword Crowd simulation
dc.subject.keyword Quality evaluation
dc.subject.keyword Parameter tuning
dc.subject.keyword Steering algorithms
dc.subject.keyword Pedestrian trajectories
dc.subject.keyword Simulació de multituds
dc.subject.keyword Avaluació de la qualitat
dc.subject.keyword Ajust de paràmetres
dc.subject.keyword Algorismes de moviment
dc.subject.keyword Trajectòries de vianants
dc.subject.keyword 62


Files in this item

Files Size Format View

There are no files associated with this item.

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Advanced Search

Browse

My Account

Statistics

In collaboration with Compliant to Partaking