Abstracto

Machine Learning 2018: Simulación de multitudes: Visión general y aplicaciones- Leonel Antonio Toledo Daaz- Instituto Tecnológico y de Estudios Superiores de Monterrey

Leonel Antonio Toledo Díaz

La recreación grupal se puede clasificar en dos áreas más amplias y distintivas. La primera se centra en la autenticidad de los ángulos de conducta, que normalmente se realiza utilizando percepciones 2D básicas como sistemas de pruebas de compensación, modelos de grupos sociológicos o modelos de dinámica de grupo. En este caso, las prácticas reproducidas suelen abordarse desde un rango extremadamente restringido y controlado (por ejemplo, personas que simplemente intentan abandonar una estructura o personas que forman estructuras grupales en forma de anillo) con el objetivo de probar cuantitativamente la correspondencia de los resultados con las percepciones reales de circunstancias específicas. En el segundo campo, el objetivo fundamental es la representación de alta calidad (por ejemplo, la creación de películas y los juegos de computadora), pero en la mayoría de los casos la autenticidad del modelo de conducta no es el requisito. Lo importante es un resultado visual persuasivo, que se logra de forma incompleta mediante modelos de conducta, a medias mediante la intervención humana en el proceso de creación. Una comunidad virtual debe verse bien y estar animada de una manera concebible. Recrear grupos densos que están formados por muchos miles de personas virtuales es imposible sin la guía de las estrategias de Nivel de Detalle (LOD). La necesidad de sistemas inteligentes para velocidades de borde constantes implica que un número determinado de polígonos puede ser mostrado por el motor de gráficos en cada borde de un juego. De esta manera, las redes con un alto recuento de polígonos a menudo deben ser desenredadas para lograr tasas de visualización satisfactorias. La reproducción de grupos ha ganado atención últimamente en la industria del cine y los juegos de computadora, pero hay aplicaciones más amplias en las que se relaciona la recreación de grupos. El tratamiento de la agorafobia, el legado virtual, la planificación urbana, la reproducción del tráfico pueden ser algunos de los usos de esta investigación y los gobiernos y las empresas privadas, por ejemplo, las compañías de juegos de computadora o películas pueden beneficiarse de ella. La simulación de multitudes es el proceso de simular el movimiento (o dinámica) de un gran número de entidades o personajes. Se usa comúnmente para crear escenas virtuales para medios visuales como películas y videojuegos, y también se usa en capacitación en crisis, arquitectura y planificación urbana y simulación de evacuación. La simulación de multitudes puede especializarse en aspectos que se centran en diferentes aplicaciones. Para lograr una representación realista y rápida de una multitud para medios visuales o cinematografía virtual, se utiliza la reducción de la complejidad de la escena 3D y la representación basada en imágenes, mientras que las variaciones en la apariencia ayudan a presentar una población realista. En juegos y aplicaciones destinadas a duplicar el movimiento de multitudes humanas en la vida real, como en las simulaciones de evacuación, los agentes simulados pueden tener que navegar hacia un objetivo, evitar colisiones y exhibir otro comportamiento similar al humano. Se desarrollan muchos algoritmos de dirección de multitudes para dirigir multitudes simuladas hacia sus objetivos de manera realista. Se investigan algunos sistemas más generales que pueden admitir diferentes tipos de agentes (como automóviles y peatones).Diferentes niveles de abstracción (como individual y continuo), agentes interactuando con objetos inteligentes y dinámicas físicas y sociales más complejas. Las simulaciones de multitudes y grupos están adquiriendo cada vez más importancia dentro de la industria de los juegos de computadora y en la simulación de emergencias. Las aplicaciones varían desde el entretenimiento hasta usos más serios como el comportamiento de los peatones en el mundo o en situaciones de pánico. Este artículo resume una síntesis de lo que se ha aprendido en los últimos años en este campo, discutiendo los diversos aspectos involucrados, desde las ciencias sociales hasta la implementación de computadoras de modelado y simulación utilizando sistemas multiagente. Se propone un marco basado en el trabajo de Fangqin y Aizhu con extensiones para incorporar algunos aspectos de BDI. El trabajo futuro incluye la expansión de las características del modelo y la implementación de un prototipo para la validación de la metodología propuesta.

Biografía:

Leonel Antonio Toledo Díaz recibió su doctorado en el Instituto Tecnológico de Estudios Superiores de Monterrey Campus Estado de México en 2014, donde actualmente es profesor de tiempo completo. De 2012 a 2014 fue profesor asistente e investigador. Ha dedicado la mayor parte de su trabajo de investigación a la simulación de multitudes y la optimización de la visualización. Ha trabajado en el Barcelona Supercomputing Center utilizando procesadores gráficos de propósito general para gráficos de alto rendimiento. Su trabajo de tesis fue sobre el nivel de detalle utilizado para crear multitudes animadas variadas. Sus intereses de investigación incluyen la simulación de multitudes, la animación, la visualización y la computación de alto rendimiento.