nÃo hà / Most recent crowd simulation algorithms equip agents with a synthetic vision component for steering. They offer promising perspectives by more realistically imitating the way humans navigate according to what they perceive of their environment. In this thesis, it is proposed a new perception/motion loop to steer agents along collision free trajectories that significantly improves the quality of vision-based crowd simulators. In contrast with previous solutions - which make agents avoid collisions in a purely reactive way - it is suggested exploring the full range of possible adaptations and to retain the locally optimal one. To this end, it is introduced a cost function, based on perceptual variables, which estimates an agentâs situation considering both the risks of future collision and a desired destination. It is then computed the partial derivatives of that function with respect to all possible motion adaptations. The agent adapts its motion to follow the steepest gradient. This thesis has thus two main contributions: the definition of a general purpose control scheme for steering synthetic vision-based agents; and the proposition of cost functions for evaluating the dangerousness of the current situation. Improvements are demonstrated in several cases. / Alguns dos algoritmos mais recentes para simulaÃÃo de multidÃo equipam agentes com um sistema visual sintÃtico para auxiliÃ-los em sua locomoÃÃo. Eles oferecem perspectivas promissoras ao imitarem de forma mais realista a forma como os humanos navegam de acordo com o que eles percebem do seu ambiente. Nesta tese, à proposto um novo laÃo de percepÃÃo/aÃÃo para dirigir agentes ao longo de trajetÃrias livres de colisÃes que melhoram significativamente a qualidade dos simuladores de multidÃo baseados em visÃo. Em contraste com abordagens anteriores - que fazem agentes evitarem colisÃes de maneira puramente reativa - à sugerida a exploraÃÃo de toda gama de adaptaÃÃes possÃveis e a retenÃÃo da que for Ãtima localmente. Para isto, à introduzida uma funÃÃo de custo, baseada em variÃveis de percepÃÃo, que estima a situaÃÃo atual do agente considerando tanto os riscos de futuras colisÃes como o destino desejado. SÃo entÃo computadas as derivadas parciais dessa funÃÃo com respeito a todas adaptaÃÃes de movimento possÃveis. O agente adapta seu movimento de forma a seguir o gradiente descendente. Esta tese possui assim duas principais contribuiÃÃes: a definiÃÃo de um esquema de controle de propÃsito geral para a orientaÃÃo de agentes baseados em visÃo sintÃtica; e a proposiÃÃo de funÃÃes de custo para avaliar o perigo da situaÃÃo atual. As melhorias obtidas com o modelo sÃo demonstradas em diversos casos.

nÃo hà / Simular uma multidÃo à uma tarefa custosa computacionalmente, onde hà a necessidade de reproduzir o comportamento de vÃrios (dezenas a milhares) agentes realisticamente em um ambiente bidimensional ou tridimensional. Os agentes precisam interagir entre si e com o ambiente, reagindo a situaÃÃes, alternando comportamentos e/ou aprendendo novos comportamentos durante sua âvidaâ. Muitos modelos para simulaÃÃo de multidÃo foram desenvolvidos nos Ãltimos anos e podem ser classificados em dois grandes grupos (macroscÃpico e microscÃpico) de acordo com a forma como os agente sÃo gerenciados. Existem alguns trabalhos na literatura baseados em modelos macroscÃpicos, onde os agentes sÃo agrupados e guiados pelo campo potencial gerado para seu grupo. A construÃÃo desses campos à o gargalo desse tipo de modelo, sendo necessÃria a utilizaÃÃo de poucos grupos para que uma simulaÃÃo execute a taxas de quadros interativas. Neste trabalho à proposto um modelo baseado em um modelo macroscÃpico, que tem como objetivo principal diminuir o custo do cÃlculo dos campos potenciais dos grupos, discretizando os mesmos de acordo com a necessidade do ambiente. Ao mesmo tempo à proposta a adiÃÃo de grupos que podem dirigir os agentes de uma simulaÃÃo a objetivos momentÃneos, o que fornece à multidÃo uma maior variedade de comportamentos. Por fim, propÃe-se a utilizaÃÃo de um modelo de forÃas sociais para a prevenÃÃo de colisÃes entre os agentes e entre agentes e obstÃculos / Crowd simulation is a computationally expensive task, where there is the need to reproduce the behavior of many (tens to thousands) agents in a two-dimensional or three-dimensional environment realistically. The agents need to interact to each other and with the environment, reacting to situations, alternating behaviors and/or learning new behaviors during his âlifetimeâ. Many models to simulate crowds have been developed over the years and can be classified into two big groups (macroscopic and microscopic) according to how the agents are managed. There are some works in the literature based on macroscopic models, where the agents are grouped and guided by the potential field of their group. The construction of these fields is the bottleneck of these models, so it is necessary to use few groups if it is needed for a simulation to run at interactive frame rates. In this work is proposed a model based on a macroscopic model, which aims mainly to reduce the cost of calculating the potential fields of the groups, by using groups discretized according to the needs of the environment. At the same time it is proposed the addition of groups that can steer the agents of a simulation to momentary goals, which gives the crowd a wider variety of behaviors. Finally, it is proposed the use of a social forces model to prevent collisions between agents and between agents and obstacles