Řízení virtuálních lidí ve velkých virtuálních světech
Action Selection for Virtual Humans in Large Environments
dissertation thesis (DEFENDED)

View/ Open
Permanent link
http://hdl.handle.net/20.500.11956/10829Identifiers
Study Information System: 40819
Collections
- Kvalifikační práce [11322]
Author
Advisor
Referee
Neruda, Roman
Kelemen, Jozef
Faculty / Institute
Faculty of Mathematics and Physics
Discipline
Software Systems
Department
Department of Software and Computer Science Education
Date of defense
1. 6. 2007
Publisher
Univerzita Karlova, Matematicko-fyzikální fakultaLanguage
Czech
Grade
Pass
Tato práce pojednává o řízení virtuálních lidí s komplexním chováním ve velkých virtuálních světech. Představuje původní representaci ISMA, která slouží pro popis toho, co a jak mohou virtuální lidé ve svém prostředí provádět, a algoritmus SGHRP, jenž řeší, jak na základě popisu v ISMA generovat konkrétní akce. Od jiných podobných přístupů se ISMA a S-GHRP liší právě v tom, že jsou zaměřeny na popis velkých světů a řízení virtuálních lidí se složitým chováním. Mezi nejdůležitější vlastnosti representace a algoritmu patří to, že (1) umožňují nahrávat do simulace nové komponenty (akce, objety, místa) jako plug-iny, přičemž virtuální lidé se na ně dokáží okamžitě adaptovat bez potřeby mechanismu strojového učení, (2) umožňují automatické pozvolné zjednodušování simulace v místech, které jsou v daný okamžik mimo střed dění, pomocí tzv. level-of-detail techniky pro chování a prostor, (3) pracují s tzv. přechodným chováním. ISMA a S-GHRP vychází z percepční teorie afordancí J. J. Gibsona a aparátu praktického rozhodování M. E. Bratmana. Vedle vlastního představení ISMA a SGHRP jsou v práci rovněž popsány jejich dvě prototypové implementace.
This thesis presents ISMA - a representation of procedural knowledge of virtual humans - and S-GHRP, an algorithm for controlling virtual humans exploiting this representation. ISMA and S-GHRP departs from similar approaches in that they are aimed at virtual humans with complex behaviour acting in large environments. Specifically, ISMA and S-GHRP cope with (1) supplying the simulation in run-time with new components (i.e., objects, actions, places), but without necessity of using any machine learning mechanism at the side of virtual humans, (2) simplifying the simulation at the places out of centre of attention using a smooth level-of detail technique for behaviour and space, (3) supporting transition behaviours. ISMA and S-GHRP are based on the perceptual theory of affordances of J. J. Gibson, and practical reasoning framework of M. E. Bratman. Actually, ISMA and S-GHRP present their implementable refinement. Besides presenting the conceptual description of ISMA and S-GHRP, two particular prototype implementations are described.