論文の概要: RESCUE: Crowd Evacuation Simulation via Controlling SDM-United Characters

• arxiv url: http://arxiv.org/abs/2507.20117v1
• Date: Sun, 27 Jul 2025 03:50:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-29 16:23:56.972617
• Title: RESCUE: Crowd Evacuation Simulation via Controlling SDM-United Characters
• Title（参考訳）: ReSCUE: SDM対応キャラクタの制御による集団避難シミュレーション
• Authors: Xiaolin Liu, Tianyi Zhou, Hongbo Kang, Jian Ma, Ziwen Wang, Jing Huang, Wenguo Weng, Yu-Kun Lai, Kun Li,
• Abstract要約: 現在の避難モデルは、避難中に起こる複雑な人間の行動を見渡す。 本研究では,3次元適応型SFM(Social Force Model)決定機構とパーソナライズされた歩行制御モータを統合したリアルタイム3次元集団避難シミュレーションフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 48.356346584588906
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Crowd evacuation simulation is critical for enhancing public safety, and demanded for realistic virtual environments. Current mainstream evacuation models overlook the complex human behaviors that occur during evacuation, such as pedestrian collisions, interpersonal interactions, and variations in behavior influenced by terrain types or individual body shapes. This results in the failure to accurately simulate the escape of people in the real world. In this paper, aligned with the sensory-decision-motor (SDM) flow of the human brain, we propose a real-time 3D crowd evacuation simulation framework that integrates a 3D-adaptive SFM (Social Force Model) Decision Mechanism and a Personalized Gait Control Motor. This framework allows multiple agents to move in parallel and is suitable for various scenarios, with dynamic crowd awareness. Additionally, we introduce Part-level Force Visualization to assist in evacuation analysis. Experimental results demonstrate that our framework supports dynamic trajectory planning and personalized behavior for each agent throughout the evacuation process, and is compatible with uneven terrain. Visually, our method generates evacuation results that are more realistic and plausible, providing enhanced insights for crowd simulation. The code is available at http://cic.tju.edu.cn/faculty/likun/projects/RESCUE.
• Abstract（参考訳）: 群衆避難シミュレーションは、公共の安全を高めるために重要であり、現実的な仮想環境に要求される。 現在の主流の避難モデルは、歩行者の衝突、対人関係、地形タイプや個人の身体形状に影響された行動の変化など、避難中に起こる複雑な人間の行動を見渡す。 これにより、現実世界の人々の脱出を正確にシミュレートすることができない。 本稿では,人間の脳の知覚決定運動(SDM)の流れに合わせて,3次元適応型SFM(Social Force Model)決定機構とパーソナライズされた歩行制御モータを統合したリアルタイム3次元集団避難シミュレーションフレームワークを提案する。 このフレームワークは複数のエージェントを並列に動かすことができ、動的に群衆を意識する様々なシナリオに適している。 また,避難支援のための部分レベル力可視化も導入した。 提案手法は,避難過程を通じて各エージェントの動的軌道計画とパーソナライズ行動をサポートし,不均一な地形と互換性があることが実験的に証明された。 提案手法は, より現実的で, 確実な避難結果を生成し, 群集シミュレーションのための洞察力を高めた。 コードはhttp://cic.tju.edu.cn/faculty/likun/projects/RESCUEで入手できる。

関連論文リスト

• SceneDiffuser++: City-Scale Traffic Simulation via a Generative World Model [30.561378506172698]
  SceneDiffuser++は、都市規模でA-to-Bシミュレーションを行うことができる単一損失関数に基づいて訓練された最初のエンドツーエンド生成世界モデルである。 本研究では,SceneDiffuser++の都市交通シミュレーション能力を実証し,その長大なシミュレーション条件下での優れたリアリズムについて検討する。
  論文  参考訳（メタデータ） (2025-06-27T07:35:04Z)
• DrivingSphere: Building a High-fidelity 4D World for Closed-loop Simulation [54.02069690134526]
  本研究では,現実的でクローズドループなシミュレーションフレームワークであるDrivingSphereを提案する。 その中核となる考え方は、4Dの世界表現を構築し、実生活と制御可能な運転シナリオを生成することである。 動的で現実的なシミュレーション環境を提供することで、DrivingSphereは自律運転アルゴリズムの包括的なテストと検証を可能にする。
  論文  参考訳（メタデータ） (2024-11-18T03:00:33Z)
• OmniRe: Omni Urban Scene Reconstruction [78.99262488964423]
  OmniReはデバイス上でのログから動的現実シーンの高忠実なデジタルツインを作成するための総合システムである。 提案手法は3DGS上にシーングラフを構築し,様々な動的アクターをモデル化する標準空間内に複数のガウス表現を構築する。
  論文  参考訳（メタデータ） (2024-08-29T17:56:33Z)
• SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
  制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。 提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。 複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
  論文  参考訳（メタデータ） (2023-12-31T04:14:43Z)
• Adv3D: Generating Safety-Critical 3D Objects through Closed-Loop Simulation [41.24263342397263]
  自動運転車(SDV)は安全な配置を確保するために、幅広いシナリオで厳格にテストされなければならない。 業界は通常、SDVが合成シナリオと実際のシナリオのコーパスでどのように相互作用するかを評価するためにクローズドループシミュレーションに依存している。 クローズドループにおける完全自律システムの評価と,アクターの形状などのシーンの外観に基づくセンサデータの変動がシステムパフォーマンスに与える影響を理解することが重要である。
  論文  参考訳（メタデータ） (2023-11-02T17:56:44Z)
• VISTA 2.0: An Open, Data-driven Simulator for Multimodal Sensing and Policy Learning for Autonomous Vehicles [131.2240621036954]
  VISTAはオープンソースのデータ駆動シミュレータで、複数のタイプのセンサーを自律走行車に組み込む。 高忠実で実世界のデータセットを使用して、VISTAはRGBカメラ、3D LiDAR、イベントベースのカメラを表現し、シミュレートする。 センサタイプ毎に知覚制御ポリシーをトレーニングし,テストする能力を示し,フルスケールの自律走行車への展開を通じて,このアプローチのパワーを示す。
  論文  参考訳（メタデータ） (2021-11-23T18:58:10Z)
• Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
  本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。 連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。 我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
  論文  参考訳（メタデータ） (2021-11-15T18:50:04Z)
• TrafficSim: Learning to Simulate Realistic Multi-Agent Behaviors [74.67698916175614]
  リアル交通シミュレーションのためのマルチエージェント行動モデルであるTrafficSimを提案する。 特に、暗黙の潜在変数モデルを利用して、共同アクターポリシーをパラメータ化する。 TrafficSimは、多様なベースラインと比較して、より現実的で多様なトラフィックシナリオを生成します。
  論文  参考訳（メタデータ） (2021-01-17T00:29:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。