Représentation abstraite pour l'animation automatique de scènes virtuelles par planification classique

La génération d'animations dans des scènes 3D nécessite un travail manuel important de la part des créateurs. Pour cette raison, nous tentons d'obtenir une certaine automatisation du processus d'animation d'une scène virtuelle. Parmi les diverses techniques possibles, nous nous intéressons à la planification classique, dont le but est de générer un plan à partir d'un problème donné en formulant les buts spécifiques à atteindre. Notre projet s'inscrit dans les travaux du projet GITAN, dont l'objectif global est la génération automatique d'animations 3D à partir de texte. Le but de notre projet est de démontrer la faisabilité de la génération automatique d'un plan d'animation par planification classique à partir d'une représentation conceptuelle abstraite. Notre solution est d'abord basée sur la définition d'un format de description de scène inspiré de concepts définis par l'ontologie GUM-Space ainsi qu'une représentation des actions basée sur la ressource sémantique FrameNet. Selon le type d'action, plusieurs attributs peuvent qualifier le déroulement de celle-ci en fonction des objets concernés où encore selon des modalités spatiales. Afin d'ajouter l'information nécessaire à la formulation d'un problème de planification, nous avons conçu et développé une ontologie d'objets du monde réel et de contrôleurs en langage OWL. Cette dernière permet d'enrichir chaque situation décrite par de l'information concrète sur les fonctionnalités offertes par les objets de la scène. Elle fournit également de l'information utile au déroulement de l'action dans la scène. Cette base de connaissances est combinée à la définition d'un domaine d'actions en langage PDDL pour la résolution du problème de planification formulé à partir de la représentation conceptuelle abstraite. Nous avons mis au point une méthodologie d'évaluation impliquant l'implémentation de 16 scénarios de tests divers que nous avons validés manuellement afin de vérifier la validité de notre solution. Nous avons ensuite procédé à une analyse de la couverture du domaine d'actions du monde réel. Cette dernière a révélé des taux de couverture potentielle de 50\% à 100\% pour chacune des catégories d'actions auxquelles nous nous intéressions, avec un taux global de 88\%. Au terme de l'analyse des résultats de notre expérimentation, nous sommes en mesure d'affirmer qu'il est possible de générer automatiquement un plan d'animation par planification classique à partir d'une représentation conceptuelle abstraite. Nous affirmons cela sous certaines limitations posées par notre solution et notre méthodologie d'évaluation, mais nous pouvons tout de même affirmer que nous avons atteint nos objectifs de recherche.

Abstract

Creation of 3D animations in virtual environments implies a lot of manual work from the hands of creators. Considering that, we aim to automate a part of this animation process by including an automated planning approach. The purpose of such an approach is to generate a plan from a given problem by formulating specific goals to reach. Our project is included in the GITAN project, whose goal is to generate 3D animations automatically from textual inputs. The specific goal of our project is to demonstrate the feasibility of animation plan generation from a conceptual representation offering a high level of abstraction, while using an automated planning approach. The solution we suggest involves defining a scene description format inspired from classes defined by the GUM-Space ontology. The resource used for the classification of actions is FrameNet, from which we can add parameters to describe the action's progress such as object-using constraints or spatial modalities. In order to add the required information for the formulation of a planning problem, we developed an OWL ontology to represent real-world objects and controllers. Using this ontology allows us to enhance each scene description by adding information on objects' features and action's progress. To get along with this knowledge base, we also defined an action domain in PDDL language for resolving the formulated planning problem. Our evaluation methodology involved the implementation of 16 test cases, from which we validated the results manually in order to confirm the validity of our solution. We then conducted an analysis of the action domain's potential coverage, which revealed coverage rates from 50\% to 100\% for the categories that we focused on, with a global coverage rate of 88\%. After our results' analysis, we can confirm the feasibility of our automated planning approach for animation plan generation from a conceptual representation. We consider a few limitations to our solution and evaluation methodology that are restricting our work's scope, but we can still assert that we have reached our research objectives.