Project/Area Number |
22K12332
|
Research Category |
Grant-in-Aid for Scientific Research (C)
|
Allocation Type | Multi-year Fund |
Section | 一般 |
Review Section |
Basic Section 62040:Entertainment and game informatics-related
|
Research Institution | Meiji University |
Principal Investigator |
三武 裕玄 明治大学, 総合数理学部, 専任准教授 (30613939)
|
Project Period (FY) |
2022-04-01 – 2025-03-31
|
Project Status |
Granted (Fiscal Year 2023)
|
Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2024: ¥130,000 (Direct Cost: ¥100,000、Indirect Cost: ¥30,000)
Fiscal Year 2023: ¥2,470,000 (Direct Cost: ¥1,900,000、Indirect Cost: ¥570,000)
Fiscal Year 2022: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
|
Keywords | 確率的記憶モデル / マイクロスリップ / 動作生成 / ビヘイビアツリー / キャラクタアニメーション / 感覚運動協応 / 躍度最小軌道 / 自律エージェント / 感覚運動供応 |
Outline of Research at the Start |
本研究では運動に必要となる情報(対象物の位置等)を得るために感覚器の運動が生じるなど、認知機能と運動機能が相互作用する現象である「感覚運動供応」に着目し、感覚運動協応およびそのメカニズムである感覚・記憶・予測・運動の相互作用を、手作りのアニメーションのための仕組みの基盤とし、キャラクタの性格・感情の表現に応用する。 そのためにおもに以下の3点に分けて研究を行う。 A. 感覚・記憶・予測・運動の相互作用を再現した動作・行動生成モデルの構築 B. 動作・行動生成モデルの可視化、および動作の例示や直接調整によるデザイン手法 C. 提案手法を用いてキャラクタエージェントを創作するワークフローの確立
|
Outline of Annual Research Achievements |
本年度は、確率的記憶モデルとビヘイビアツリーを用いて、行動中に状況に応じて起きうる小さな失敗とそれを修正しようとする動作を自動生成する手法の研究を前年度に引き続き行い、システムの構築と検証を行った。 人の感覚や記憶には不確実さがあるが、人は行動の際に確実でなくとも試しに行動してみてわずかな失敗を引き起こし、失敗を検知してはじめてより精密な観測行動に出たうえで再度修正動作を行うようなことが多い。こうした行動はマイクロスリップの一種として知られる。状況に応じたマイクロスリップ動作を行うことは、動作に生き物や人らしさを感じさせる上で有用と考え、自動生成を試みてきた。 そこで本研究ではまずキャラクタの動作を駆動するエージェントモデルにおいて、感覚した情報を蓄積する記憶モデルに対しガウス分布に基づく位置の不確実さを付与した。行動における手や頭の動作を記憶に基づいて行う際に不確実な位置情報を参照することにより、動作に失敗を引き起こす。また、記憶はカルマンフィルタにより時間発展するものとし、観測を伴わない記憶が時間経過とともにより不確実になる要素を再現した。その上で、動作の手順において失敗した場合に失敗を引き起こした原因を観測してからその影響下にあった動作要素のみを再実行する仕組みを、動作をビヘイビアツリーで記述することで実現した。 提案する仕組みによって動作を生成し、単一のビヘイビアツリーによって定義された行動から状況に応じて様々な地点で失敗修正を行う動作が生成されることを検証した。また、行動実行前にどの程度の確実さを要求するかのパラメータを変化させることで慎重・大雑把といった性格の違いが表現されることも示唆された。
|
Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
確率的記憶モデルを用いて実際に感覚と運動の協応の一例を再現するような動作生成モデルを実現し、生成された動作の性質について初歩的な検証を行うことができた。このような動作生成モデルは本研究で実現を目指したものの一例である。 一方で、現時点で構築できたシステムは特定の動作にやや特化したものとなっており、クリエイターの作成する多彩な動作においてマイクロスリップ様の動作を挟み込めるようにするような手法や制作環境の実現は今後の課題である。
|
Strategy for Future Research Activity |
今後の研究の推進にあたっては多彩な動作への適用が必要になる。これまでの研究で動作データを躍度最小軌道列に変換する手法を実現した。今後の研究では躍度最小軌道列に変換された動作データから記憶された目標位置に由来する成分を抽出し、記憶の不確実さに基づく失敗と修正を半自動的に組み込むことができるようにする手法を目指す。動作データと目標位置の関連性の抽出手法としてインタラクションメッシュ等の手法を適用することを試みたい。
|