[01472282]数据和模型混合驱动的虚拟人仿真技术研究

随着社会不安定因素的增多，突发安全事件特别是国内群体性事件的频繁发生给社会造成了巨大破坏和人员伤亡。在此背景之下，提高应对突发事件的能力对于保障公共安全具有重要意义。项目以群体性事件作为代表性的军事应用背景，开展虚拟人个体和人群行为仿真关键技术研究，提出了相应的行为模型和控制策略，主要研究内容概括如下： (1)对于人群行为仿真框架设计问题，将基于行为的智能体体系结构和慎思式智能体体系结构相结合，提出一种行为/认知混合式体系结构。该体系结构能通过在行为模块中加入一定程度的规划从而生成更复杂的行为模块，实现了数据驱动方法和模型驱动方法的结合，从而能支撑产生更为真实的人群行为模型。 (2)对于独立个体的导航行为生成问题，利用解耦式轨迹规划方法，提出一种具有最大速度和加速度约束的多样性轨迹设计策略。同时，为了提高避碰行为的真实性，提出利用虚拟人的社会学角色参数和个性参数改进避碰行为模型，从而根据不同的虚拟人内在属性生成多样性的避碰行为。 (3)针对虚拟人特定动作生成所面临的工作繁杂、可控性和适应性差等难题，采用数据和模型混合驱动的策略，分别从人体运动系统的建模仿真方法、考虑全身姿态变化的虚拟人抓取、操作类动作快速生成、虚拟人关键帧姿态的自动交互生成以及虚拟人全身运动的多优先级编辑合成与交互控制等方面对虚拟人的运动生成与控制技术进行了深入研究，提出了相应的控制策略和模型。 (4)针对组行为生成问题，分别对平民组行为和士兵组行为进行研究。提出将可视-Voronoi图用于组运动路径的生成，进而利用平滑方法、多样性轨迹生成策略以及修改评价函数三种方式产生组的运动轨迹。针对非一致性平民组，基于分布式控制算法，提出了一种具有多个leader和全局轨迹约束的组行为生成方法。同时，对一致性平民组和士兵组行为进行了研究，提出利用组外形结合组队形对具有严格队形约束的士兵组行为进行模拟。 (5)为了实现日常人群管理和对骚乱人群的控制，针对组控制问题，提出了一种改进的shepherding行为。根据已有shepherding行为的不足，引入具有最大速度和最大加速度约束的时间最优轨迹规划方法，生成控制智能体的运动轨迹，使得控制智能体在满足最大速度和最大加速度约束的前提下尽快运动至目标位置，从而对人群进行更有效的管理和控制。 经过仿真验证，该项目提出的方法能够真实地模拟群体性事件中人群的各种行为，从而为群体性事件中人群的管理、人群行为的分析提供有价值的参考。