[尾下研究室][研究テーマ] [English]


操作ログからの動作ルールの学習


[mpeg (15,735 KB)] demo animation (mpeg1, 15,735 KB)
映画のコンピュータグラフィックスによる群衆やコンピュータゲームには，自律的に動作する仮想人間が使われている．これらの仮想人間の動作制御は，どのような状況でどの動作を実行するかといった，動作の開始条件を定義した動作ルールを用いて行なう．現在，動作ルールはプログラミングやツールを用いて手作業で作成されている．しかし，複数の人間を考慮した動作を実現するためには，多数の動作・特徴量・条件を組み合わせる必要があり，手作業での動作ルールの作成は困難である． 本研究では，ユーザーが仮想人間を操作できるアプリケーションを作成し，ユーザーが操作したときの操作ログを解析することで，ユーザーが操作した通りに動作する動作ルールを自動的に抽出することを目的とする． 本研究では，動作ルールを抽出したい仮想人間や状況において，ユーザーが仮想人間を操作できるアプリケーションをあらかじめ作成しておく．ユーザーにこのアプリケーションを操作してもらい，そのときの操作ログから動作ルールを自動抽出する手法を提案する． 本研究では仮想人間の操作ログからSVMを用いて動作ルールを抽出する．このとき，1つのSVMのみを使用すると，以下の2つの問題があり，不自然な動作が選択されてしまう．そこで，本研究では，複数のSVMを組み合わせることで，このような問題を解決する手法を提案する．1つ目の問題として，様々な状況に対応するために多くの特徴量を用いると，多くの教師データが必要となり，教師テータの数が不十分な領域では，予期しない動作となることがある．2つ目の問題として，一般的に用いられるRBFカーネルを用いたSVMでは，特徴空間を動作ごとに分類するときに，一定の半径でしか分類できないため，部分的に分類の細かさを変更することができないことがある．1つ目の問題について，本手法では，特徴の次元が異なる複数のSVMを作成し，特徴次元数の高い順で階層化したものを，動作の決定に用いることで解決する．2つ目の問題について，本手法では，1つ目の問題の解決策で紹介した各次元のSVMについて，特徴空間を動作で分類するときの半径を変えた，複数のSVMを用いることで解決する．各次元のSVMごとに，特徴空間をメッシュで区切り，メッシュの各セルにおいて，教師データの動作と，各SVMを用いて判定した動作が一致するかを判定し，認識率が最大になるSVMを使用する．

Publications

e-mail address