Virtuella extrafunktioner

Beteendet hos datorgenererade folkmassor i filmer och videospel kan snart verka mycket mer realistiskt, tack vare ny programvara som ger varje karaktär en egen komplex personlighet.

Platser att besöka, folk att se: Att ge animerade karaktärer sina egna personligheter kan göra datorgenererade publikscener i filmer och videospel mer realistiska.

Mjukvaran har demonstrerats i en simulering av Pennsylvania Station, i New York City, som visar mer än 1 000 pendlare, poliser, underhållare och turister som ägnar sig åt sina affärer. Varje individ visar komplexa, rationella beteenden som tillsammans skapar en mycket mer verklighetstrogen representation av mänsklig aktivitet, säger Demetri Terzopoulos , professor i datavetenskap vid University of California, Los Angeles.

Denna typ av realism är viktig i spel och filmer, säger Norm Badler , chef för Center for Human Modeling and Simulation vid University of Pennsylvania. Även om simulerade folkmassor tenderar att utgöra en del av bakgrunden till handlingen i förgrunden, kommer de att sticka ut om deras beteende är orealistiskt, säger han. Hela animationen borde se rimlig ut.

Fram till nyligen har algoritmer för publikanimering vanligtvis varit baserade på någon form av flockningsaktivitet, där varje karaktär rör sig på ett speciellt sätt beroende på hur dess grannar rör sig. Detta fungerar bra för skildringar av djurbeteende, som den välkända gnu-stampen i Disneys Lejonkungen , säger Terzopoulos. Men hos simulerade människor som borde visa en viss kognitiv kapacitet, kan den här sortens rörelser verka planlösa och slumpmässiga, säger Badler.

Multimedia

• Spåra en enda autonom agent genom en publikscen.

• Se virtuella folkmassor strömma genom New York Citys Penn Station.

• Se en simulering av Petras stora tempel i Jordanien.

De autonoma fotgängarna designade av Terzopoulos och doktoranden Wei Shao, å andra sidan, styrs av tre olika lager av beteende. Ett rörelselager hanterar grundläggande rörelser, som att gå, springa, stå och sitta. Ovanpå detta sitter ett reaktivt lager, som gör att karaktärerna kan svara på hinder eller andra karaktärer de möter; det gör det också möjligt för dem att utföra enkla beteenden som människor normalt tar för givet, som att gå runt en bänk för att sitta på den.

Men där den verkliga komplexiteten kommer ifrån är det övre, kognitiva lagret. Det är här agenten kan tänka framåt om vad den kommer att göra i framtiden, säger Terzopoulos. Det är en omfattande kognitiv modell av människor från grunden.

Till exempel kan en karaktär bli belastad med den enkla uppgiften att fånga ett tåg. Men den vet att den, för att utföra denna uppgift, måste utföra ett antal delmål, som att köpa en biljett och hitta tågperrongen. Faktum är att även dessa delmål kan ha ytterligare delmål, som att hitta biljettkontoret och välja den kortaste biljettraden att stå i.

Det här är ett komplext planeringsproblem som kan förvärras av en karaktärs misslyckande eller framgång med att uppfylla vart och ett av dess delmål, säger Terzopoulos. Om du vill ta ett tåg, men det finns inga biljetter kvar, så måste du planera om och kanske köpa en biljett till ett senare tåg.

För att göra karaktärernas beteende ännu rikare kan animatörer också ge dem önskningar, vilket kan få dem att sluta för att köpa en läsk från en varuautomat eller pausa för att titta på några gatuunderhållare. Terzopoulos mjukvara lyckas till och med fånga det sätt på vilket två skaror av människor, som rör sig genom en smal korridor, naturligt bildar två motsatta körfält.

Mjukvara utvecklad av Massive Software, baserad i Nya Zeeland, som användes för att animera de enorma stridsscenerna i Sagan om ringen-trilogin, kan också ge animerade agenter kognitiva beteenden, säger företagets grundare. Stephen Regelous . Såvitt jag kan säga är det inget särskilt nytt med det här arbetet, säger han.

Men Badler håller inte med: I slutändan lägger Massives programvara en stor börda på animatören eller programmeraren för att skapa beteenden. Däremot, säger han, kan Terzopoulos autonoma fotgängare skapas med stor lätthet. Du kan tilldela individuella mål, eller så kan du tilldela dem slumpmässigt, säger Terzopoulos.

Dessutom, enligt Badler, är Massives mjukvara praktisk för att animera endast relativt korta scener; efter det blir den tid som animatören måste lägga på karaktärerna oöverkomlig.

Med mjukvaran för autonoma fotgängare, säger Terzopoulos, är det möjligt att animera relativt långa scener som dikterar rörelsen och beteendet för 1 400 tecken i realtid. Hur krävande detta än kan verka, säger han, är det möjligt eftersom samma uppsättning mekanismer används för varje karaktär – det är bara parametrarna som varierar. Den största beräkningskostnaden är simuleringen av deras uppfattning, eftersom de måste titta på andra objekt från sitt synfält, säger han.

Slutresultatet är ganska realistiskt, säger Terzopoulos. Du kan följa och granska en enskild karaktär i Penn Station-animationen på nära håll i perioder på upp till 20 minuter. Och det du hittar, säger Terzopoulos, är beteende som är ganska typiskt för någon på en tågstation.

Utöver filmer och spel ökar intresset för att använda publiksimulering för att göra brand- och katastrofbedömningar av stora offentliga utrymmen, säger Jian Zhang , chef för Computer Animation Research Center vid Bournemouth University, i England.

Faktum är att Terzopoulos redan har använt sin programvara för att hjälpa arkeologer att analysera och lära sig mer om användningen av en gammal byggnad, det stora templet i Petra, i Jordanien. De överskattade teaterns kapacitet, säger han.

Terzopoulos arbetar nu med att använda simuleringar för att designa smarta övervakningsnätverk. De logistiska problemen med att skapa enorma nätverk av säkerhetskameror, tillsammans med integritetsproblem, gör det svårt för synforskare att genomföra praktiska experiment inom detta område, säger Terzopoulos. Så den nuvarande trenden är att istället börja använda simulerade offentliga utrymmen.

Dölj