l’animation comportementale - u-bourgogne.fr

L’animation comportementaleUn survol et quelques exemples

inspirés essentiellement des travaux de l’équipe SIAMES — IRISA, Renneswww.game-research.com

www.igda.org/writing/virtualStorytelling.htmwww.openmask.org

De quoi parle t-on ?

3

Animation physiologique réaliste d’êtres vivants

De quoi parle t-on ?Demetri Terzopouloshttp://www.mrl.nyu.edu/%7Edt/alife.html

4


Modèles de comportements individuels

5


Modèles de comportements sociétaux

interaction de comportements individuels

Stéphane DonikianLe musée virtuel

http://www.irisa.fr/prive/donikian/virtual_museum.html

6



individus en interaction

http://www.irisa.fr/siames/OpenMASK/

7



véhicules en interaction — ou pas

8

activité d'acteurs virtuels autonomes qui évoluent dans un environnement lui-même virtuel

Les acteurs sont capables de percevoir, de décider et d'agir par eux-mêmes dans un certain cadre qui leur est imposé.Le système représenté par les acteurs et leur environnement évolue d'une manière qui n'est pas prédéterminée..

Animation comportementale

9

L’animation comportementale s’attache à décrire la raison d’un mouvement plutôt que le mouvement lui-même. L’idée est de doter les entités de comportements et d’une certaine autonomie.

Deux familles d’approches : Agents réactifs, cognitifs, hybrides

Automates

10

biomécanique et physique

réactif

cognitif

rationnel

syst

ème

perce

ptuel

système

locomoteursocial

Niveaux de comportements

système organique

11

À modéliser

Environnementle “paysage” dans lequel se déroule l’“action”

ActeursLes acteurs de l’action

ScénariosLa trame de l’action

12

À modéliser

EnvironnementMonde virtuel,objets manipulables ou non, entités, avatars

13

À modéliser

ActeursAutomates (comportements stéréotypés souvent indépendants du contexte)Agents réactifs (jeu de règles de comportement pour des situations pré-définies). Exemple : évitement.Agents cognitifs (mécanismes de décision). Exemple : choix entre plusieurs priorités,Agents hybrides (réactifs et cognitifs)

14

À modéliser

ScénariosAutomate : description précise du comportement individuel de l’agent : scriptAgent (réactif et cognitif) : Spécification des tâches à accomplir — sans dire comment ; c’est à l’agent de se “débrouiller”Groupes d’agents (foules) : spécification du comportement global de la foule, qui induit des comportements individuels pour les agents en fonction de leurs caractéristiques propres.

15

Animation comportementale

Disciplines concernéesanimation classique par ordinateurréalité virtuelleintelligence artificielle (vie artificielle)

mais aussipsychologie comportementaleneurosciencesbiologiephysique

16

Les automates

Un automateréagit aux stimuli suivant un schéma pré-défini en fonction de son état interne.Peu d’autonomie / aisément contrôlable

Domaines d’applicationcomportements concurrents / parallèlescomportements hiérarchiques / organisés

17

Les automatesSpécification complète et précise du comportement

eachtime(c1) {A} until(c2)

#/start loopc2/#

c2/#

end(A1,A2,…)/#

!c1.!c2/#

c1.!c2/start new(Ai);timegate

loop

18

Les automates

Langages de description de comportement (exemple : HPTS, équipe SIAMES)

Systèmes d’automates hiérarchiques et parallèlesPossibilité de temporisation sur les états et les transitions, transitions aléatoires

19

Les agents

Un agent est une entité active, autonome mais sociable, qui peut être (pseudo-)intelligente et qui interagit avec un environnement dynamique (son comportement dépend du contexte). Un agent minimal fonctionne selon un cycle de

perception, de décision et d’actions et dispose d’une connaissance de son état interne.

20

Les agents

Autonomie d’un agentla réaction aux stimuli en provenance de son environnement et de son état interne provoque des actions sur son environnement et sur son état interne.

Récepteurs Décision Effecteurs

État interne

Agent minimal

stimuli actions

21

Les agents

Agent communiquantil reçoit et émet des messages.

“Intelligence” d’un agent communiquantcapacité à raisonner sur des données symboliques.Un agent peut être pseudo-intelligent : agent cognitif par opposition aux agents réactifs qui ont des comportements réflexes.

22

Les agents

Récepteurs Planification Émetteurs

État interne

Agent communicant

stimuli actionsCapteurs EffecteursDécision

Connaissances

messages messages

23

Description de scénarios

Mots clés :virtual storytelling,

virtual drama,

interactive narrative

But : maîtriser le déroulement d’une séquence en tenant compte :

de l’autonomie des entités

des diverses possibilités d’interactions

24


Quelques enjeux de la scénarisation :Fournir des outils adaptés pour la scénarisation de jeux vidéos dans le but de réduire le temps et les coûts de développements.Créer automatiquement des histoires (virtual storytelling)Concevoir et piloter des systèmes complexes.

25

Approche orientée script

L’histoire est entièrement décrite, les entités n’ont aucune autonomie et les interactions de l’utilisateur n’ont pas de conséquence sur l’histoire.

26


Langage SLuHrG : fondé sur HPTS et possède les mêmes caractéristiques.

Interface d’ acteur :Héritée de classes génériques C++.Composée d’évènements et de méthodes.Système de communication par messages.Manipulation par ensemble.

Scénario et Instructions :Instructions d’insertion de code C++Instructions de contrôle : if, else, repeat, waitfor, eachtime, aslongas, etc.Instruction d’ordonnancement : schedule.

27


Avantages :Tous les éléments sont décrits et apparaissent dans le code. Les situations incohérentes sont donc impossibles.Aptitude à décrire des scénarios très complexes.

Inconvénients :Quantité conséquente de code ou de scripts à produire.Processus de réécriture complexe en cas de modification.

28

Approche orientée comportements

Pas de scénario en tant que tel :Par leurs interactions mutuelles et avec l’environnement, ce sont les acteurs, dotés de comportements, qui créent l’histoire.

La description des comportements doit donc être en rapport avec le type d’histoires souhaitéesLe choix du mécanisme de sélection de l’action des acteurs est important.

L’utilisateur est complètement intégré à l’histoire et peut avoir un rôle déterminant sur son déroulement.

29


Les acteurs possèdent un rôle qui peut être décomposé en buts, sous buts, et actions terminales ; il est représenté par un réseau de tâches hiérarchiques (HTN).

Le système de planification parcours l’arbre en profondeur d’abord et les actions terminales de gauche a droite. Des heuristiques sur les noeuds, des pré-conditions sur les actions terminales et l’état interne de l’acteur influent sur la planification.

30


réseau de tâches hiérarchiques (HTN).

31


Avantages :L’histoire est générée par l’interaction entre les acteurs et l’utilisateur.La quantité de code à produire est réduite.

Inconvénients :L’histoire peut devenir incohérente.Des fins prématurées peuvent survenir.

32

Approche intermédiaire

Combine les approches orientée acteurs et orientée script pour offrir aux acteurs une certaine autonomie tout en conservant un contrôle de l’action relatif au type d’histoire souhaitée.Principe : guider les actions des acteurs pour arriver à construire une histoire semi structurée et consistante.

33


Virtual StoryTeller :Les acteurs disposent de rôles, sont autonomes mais n’ont aucune connaissance de l’histoire.Un directeur ne connaît pas le scénario mais dispose de connaissances sur la création d’une bonne histoire.Les acteurs, avant de faire une action, demandent au directeur la permission qui juge de la pertinence de l’action et l’autorise ou non.

34


Avantages :L’histoire restera cohérente.Le déroulement n’est pas pré-déterminé mais la ou les fins seront respectées.Expression plus au niveau des scénarios.

Inconvénients :La description du directeur peut être assez difficile.

35


Comparaison des approchesApproche orientée script :

ne permet pas de réelles innovations.code de grande taille en général.

Approche orientée comportement :semble offrir beaucoup de possibilités,mais son indéterminisme n’offre pas une solution fiable pour la création de jeux scénarisés.

Approche intermédiaire semble être une solution plus propice pour créer des scénarios dynamiques intégrant l’utilisateur, avec l’assurance d’une cohérence.

36

Simulation de foules humaines

But: Simuler de façon réaliste une foule humaine dans des environnements spécifiques

37

Foules humaines

Foules de passants, de badauds, d'individus ayant un but, de groupes d'individus…

pas nécessairement de cohésionLes individus sont ensemble parce que leurs objectifs propres leur font adopter des trajectoires proches, mais il n'y a pas nécessairement de facteur de cohésion.

sauf dans certains cas…cas d'une manif. politique (on retrouve la grégarité).cas de familles, groupes d'amis : cohésion de groupes au sein de la foule mais pas cohésion de la foule elle-même

38

Comportement de foules basé sur descomportements de groupes

Simulation de foules humaines

comportement émergent

comportementde groupe

comportement de foule




comportementsindividuels

39

Comportement de groupe

Objectifs (buts)

buts

pointsd’action

pointsd’intérêt

points qui peuvent avoir

une action associée

points utilisés pour déterminer

le chemin du groupe

40


Objectifs (buts)

41


CollectifCapacité à fonctionner ensemble (de concert)

42


GrégaritéCapacité à suivre un “leader”

43

• Dispertion / agrégation


Modélisation du comportement humain

Besoin de modéliser les différentes facultés qui constituent ensemble l’esprit humain, sans oublier leur relation avec le corps :

le langage (production et perception),la mémoire,la perception,le contrôle musculaire,les émotions.

44

45


Besoin de modéliser des facultés spécifiquesà un métier,à une activité particulière : conduite automobile par exemple.

46


Par le basmodélisation de l’activité cérébrale elle-même en fonction des stimuli divers auxquels est soumis le cerveau.

On utilise souvent les réseaux de neurones

Par le hautmodélisation de l’émanation symbolique de l’activité cérébrale (pensée, émotion, raisonnement,…) en fonction des interactions de même nature

Définition de modules décrivant chacun un mécanisme et des relations de séquencialité ou de parallélisme existant entre eux

47


PerspectivePas de modélisation de l’intelligence humaineModélisation crédible d’acteurs virtuels anthropomorphes évoluant en temps réel dans des mondes virtuels.

48


Plusieurs types de retour des effecteurs vers les capteurs :

1. l’homéostasie : boucle de régulation interne de l’organisme correspondant au maintien des paramètres biologiques face aux variations du milieu ambiant ;

2. le comportement d’acquisition : partie du comportement utilisée pour améliorer la perception ;

3. les interactions avec l’environnement : boucle de retour la plus importante.

49


Environnement

Effecteurs

Unités detraitement

Récepteurs

homéostasie (régulation interne)

comportement d’acquisition

50


Capacités de l’être humainperception

extéroceptiveperception de l’environnement par les cinq sens.

proprioceptiveperception de son propre état interne, en particulier la faim, la soif, la fatigue…

traitementraisonnements plus ou moins intuitifs basés sur les données perçues mais aussi sur ses propres connaissancesdécision : fondée sur le résultat du raisonnement

actionsmémorisation des expériences vécues

51

Cognition

se réfère généralement à des processus mentaux variés tels que :

l’attention,la reconnaissance des lieux,la reconnaissance des objets,la planificationle raisonnement.

52

Cognition

Constat :pas de notion de comportement alors que la plupart des fonctions cérébrales servent à organiser le comportement d’un organisme vis-à-vis de son environnement

Conclusion :nécessité d’une théorie de la cognition orientée comportement

✘ reconnaissance de l’existence de représentations mentales

53

Modèle comportemental de la cognition

Premier principe :Choisir le mécanisme et la représentation les plus simples requis pour expliquer un comportement observé

Inutile de mettre en place une “usine à gaz” à base d’intelligence artificielle avancée, alors que de simples mécanismes réflexes peuvent parfois suffire.Exemple : comportement réflexe — qui paraît sophistiqué — d’une guêpe maçonnière

54

Modèle comportemental de la cognition

Deuxième principe :Déterminer quel est le comportement le plus simple qui requiert un type donné de représentation mentale.

Ce n’est pas la peine de mettre en place un certain type de représentation mentale si le comportement le plus simple qui lui correspond n’a pas à être modélisé.

55

Théorie du contrôle

Concept de base : l’asservissementlorsque les résultats du comportement d’un système sont différents de celui désiré, le système modifie son comportement via une boucle de rétroaction de la sortie du système sur son entrée

système : organismerésultat du comportement : résultat des actions effectuées par l’organisme

56


Boucle de rétroaction1. comparaison entre un état perçu et un état attendu2. maintien de l’erreur dans des limites acceptables

57


Effecteurs

Unités de traitement

Récepteurs

objectif

réalité

agentcomparaison

perception

traitement de la perception décision

représentationmentale

action

boucle de rétroaction

58


Boucle de rétroaction : notion génériquefonde tous les processus d’adaptations à tous niveaux

asservissement musculaireplanification d’actionprise en compte du contexterégulation des comportements sociaux

59

Concurrence

Concurrencedans l'accès à des ressources

internes (au sein d'un même acteur)externes (ressource commune à plusieurs acteurs)

entre des buts (concurrences fonctionnelles (?))certains buts sont contradictoires

chercher de la nourriture vs fuir un prédateur

logiquedeux actions sont techniquement combinables mais le faire serait absurde (elles concourent à des buts contradictoires)

pression sur la pédale d'accélération versus utilisation du frein à main.

60

Sélection de comportements

Problème essentiel :Choix entre les comportements concurrents possibles

fuir ou attaquer,boire ou fumer,accélérer ou s’arrêter à un feu,respecter la cohésion ou éviter les collisions,…

61


Nécessité d’une stratégie de sélection des comportements

automate,règles de déclenchement,excitation ou inhibition,…

Représentation par un automate

Un comportement est un état de l’automate

Systèmed’excitation/inhibition

Les comportements sont excités ou inhibés

64

Système d’excitation/inhibition

Influence mutuellesystème de vote,

Influence externe,Contextes,Planificateur,Module de sélection,

Sélection par la perception(comportements réactifs)

réseaux de neurones

65


Influence externe suivant des points de vueSources de recommandations de comportements

plusieurs points de vue (ici des niveaux d’analyse)situation externe globale : conditions particulières de l’environnement pouvant influer sur le comportement de l’acteurModule de cognition : envisage les interactions de l'entité avec l'environnement externe et ses modules de recommandationsModule de besoin : pour ajuster le comportement de l'entité en fonction de ses objectifs propres et du rôle qu’elle a à jouer

Module de sélection finaleunifie les recommandations pour choisir les comportements à adopter.

SIR-LABORIUSUniversité de Sherbrooke, CANADA

mailto:[email protected]


























Effecteurs

Influence externe suivant des points de vue


SIR-LABORIUS

Université de

Sherbrooke,

CANADA

État de l’acteurE

nviro

nnem

ent

Sélection finale

Sélection du comportement

Module decognition

Module debesoins

Situation externe globale

ContexteC1

C2

C4

C3

C5

C6

C7

recommandent



















67


Influence externe suivant des points de vueCentres d’intérêt : expriment un point de vue

expriment leur “avis” (intérêt) à propos d’un comportement potentiel par :

excitation énergétique : les excitations se cumulent, ce qui peut favoriser certains comportements “éclairés” par plusieurs centres d’intérêtinhibition énergétique : réduit une excitation déjà présente

Chaque centre d’intérêt ne concourt qu’à un seul objectifégoïsme

Le calcul de l’intérêt d’un centre d’intérêt provientde motivations : facteur interne, fonction de l’état et des butsd’opportunités : facteur externe, issu de l’environnement

Alex BuendiaSociété

SPIROPS


















Effecteurs


Env

ironn

emen

t


Centre d’intérêt 1

ContexteC1

C2

C4

C3

C5

C6

C7

excitation/inhibitionénergétique









Éta

t de

l’act

eur


SPIROPS


















Effecteurs


Env

ironn

emen

t



Contexte

C1

C2

C4

C3C5

C6

C7

excitation/inhibitionénergétique









Éta

t de

l’act

eur


SPIROPS

















70


Sélection directe par le contexte

Xiaolin HuGeorgia State University Atlanta USA

Effecteurs

Contexte 1

Couche contexte

C1

C2

C4

C3C5

C6

C7

inhibition mutuelle

Contexte 2

Contexte 3

Contexte 4

Couche comportements




























71


Sélection directe par le contexte

Xiaolin HuGeorgia State University Atlanta USA

Effecteurs

Contexte 1

Couche contexte

C1

C2

C4

C3C5

C6

C7

inhibition mutuelle déterminée par le contexte

Contexte 2

Contexte 3

Contexte 4

Couche comportements




























72


Sélection par la perception

Utilisation des réseaux de neuronessuivant les couches :

capacités réactivescapacités d’“anticipation”(couche associative)

David PANZOLI

[email protected]










Représentation par règlesÀ chaque comportement possible, est associé une règle

74


Potentialité d’action (comportement)décrite dans le système cognitif sous la forme

mais l’apparition de la situation n’induit pas forcément l’action

ces règles servent juste à filtrer, dans l’ensemble des actions “imaginables”, celles qui sont susceptible d’être effectuée dans une situation donnée

Le processus de décision proprement dit est en aval

si situation alors action

75


coopérationcombinaison de plusieurs potentialités d’actions

compétitionune seule potentialité d’action conservée parmi les actions possibles dans une situation donnée

76


Propriétés des règlesseuil d’activationpondération

priorité en cas de concurrenceRessources

nécessitées par l’actionPréférence

préférence consciente pour un comportement

77


Relations statiques entre les règlescompatibilité ou incompatibilitéinclusion partielle des effets

Relations dynamiques entre règlesinhibition (concurrence ou redondance des effets)renforcement (coopération)

Le langage HPTS(Hierarchical Parallel Transition Systems)

Fonctionnalités requises

Langage de description des comportements

79

Contrainte ObjectifModularité mise à jour

Réactivité simulation temps réelHiérarchie structure de contrôle

Simultanéité, concurrence activités parallèles incompatiblesPréemption résolution des conflitsExceptions gestion des situations d’exception

Gestion du temps activités de durées différentesGestion des flux de données communication entre les unités

Représentation par des automates

Exemple d’automate pour modéliser la conduite

81

attendre

libre

suivre

conduite stopper

ralentirpour tourner

distance frontaleacceptable le signal

arrêtacceptable

distance lattérale

à gauchetourner

tournerà droite

ne pastourner

Représentation par automates

Système de transitions

82

A B

C

e2 e2

e1 (c)

événement condition

transition

états


A B

C

e2 e2

e1 (c)


83

¬c, e1



84

A B

C

e2 e2

e1 (c)

c


c, e1


85

A B

C

e2 e2

e1 (c)


e2


86

A B

C

e2 e2

e1 (c)

Mécanisme d’abstractionavant


87

A Be1 (c)

C

e2 e2

Mécanisme d’abstractionaprès

A Be1 (c)

C

e2

D


88

OrthogonalitéA2 et C2 sont simultanément actifs


89

e1

e2

A1

B1

A2 B2

C2 D2

F0

e1 ou e3

e1


Un exemple d’utilisation sommaire

90

rouler normalement

freiner

événement : le feu passe au rouge

Syntaxe de HPTS

Exemple 1

92

simple

init

run

fin

ev2

ev1/ev3

AUTOMATE simple;{

//état initialINITIAL init;//état finalFINAL fin;//liste des étatsETATS{

init;run;fin;

}//liste des transitionsTRANSITION t1;{

ORIGINE init;EXTREMITE run;MSGEVT(ev1)/MSGEVT(ev3);

}TRANSITION t2;{

ORIGINE run;EXTREMITE fin;MSGEVT(ev2)/#;

}}

Exemple 2

93

AUTOMATE simple_flots;{

VARIABLES{

int a;int b;}//données de sortieOUT b;INITIAL init;FINAL fin;ETATS{

init;{a=0;b=0;}run;{a=a+1;b=a;}run2;{a=a+1;b=2*a;}fin;

}TRANSITION t1;{

ORIGINE init;EXTREMITE run;MSGEVT(ev1)/#;

}

TRANSITION t2;{

ORIGINE init;EXTREMITE run2;MSGEVT(ev2)/#;

}TRANSITION t3;{

ORIGINE run;EXTREMITE fin;MSGEVT(ev2)/#;

}}

simple_flots

ev3

ev2

fin

run2

ev1

ev2

run

init

b : entier

Sorties

a : entier

Variables localessimple_flots

ev3

ev2

fin

run2

ev1

ev2

run

init

a=a+1b=a

a=0b=0

a=a+1b=2*a

macro

simple

init

rundebut

ev1

ev2

final

fin

a

Exemple 3

94

AUTOMATE macro;{

INITIAL debut;FINAL final;ETATS{

debut;simple;final;

}TRANSITION t1;{

ORIGINE debut;EXTREMITE simple;MSGEVT(a)/AUTO(start,simple);

}TRANSITION t2;{

ORIGINE simple;EXTREMITE final;AUTO(end,simple)/#;

}}

concurrent

simple1

simple2

debut finala

Exemple 4

95

AUTOMATE concurrent;{

INITIAL debut;FINAL final;ETATS{

debut;simple;final;

}TRANSITION t1;{

ORIGINE debut;EXTREMITE simple;MSGEVT(a)/AUTO(start,simple1),AUTO(start,simple2);

}TRANSITION t2;{

ORIGINE simple;EXTREMITE final;AUTO(end,simple1)AUTO(end,simple2)/#;

}

simple

Dépassement véhicule

96

Libre

SuiviDéboiter Rabattre

97

f_1(a) / AUTO(start,JVL[a])

f_4(a) / AUTO(start,JVL[a])

f_4(b) / AUTO(start,JVL[b])

f_1(b)AUTO(start,JVL[b])

notf() / # VUTb / AUTO(start,VUT[b])

VUTa / AUTO(start,VUT[a])

AUTO(end,VUT) / #

AUTO(end,JVL) / #

JVLa

Automate feu_tram

JVLb

VVL_rallonge

6s

VVL_mini

VUTb

VUTa

l’animation comportementale - u-bourgogne.fr

Documents