MétaCan
Menu
Retour à la cohorte
Enregistrement W7028217537

Efficient Octree-based 3 Dimensional Pathfinding

2024· dissertation· en· W7028217537 sur OpenAlexaff

Notice bibliographique

RevueeScholarship@McGill (McGill) · 2024
Typedissertation
Langueen
DomaineEngineering
ThématiqueVLSI and FPGA Design Techniques
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésPathfindingOctreeRepresentation (politics)Path (computing)GridGraphFlexibility (engineering)ComputationComputer graphics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Three-dimensional virtual environments are commonplace in modern games.Nonplayer character (NPC) character movement planning, however, is still largely 2D, with off-plane or vertical movement modeled through limited, and frequently custom connections between 2D surfaces.Naive extension of 2D pathfinding methods to 3D by building a full 3D grid (voxelization) is possible but easily becomes too expensive for non-trivial 3D spaces.In this thesis we develop an efficient solution to 3D pathfinding by building a reduced, hierarchical grid representation within which we can extend traditional 2D navigation mesh (navmesh) pathing.Our design begins with an octree representation, which already provides more flexibility than a more traditional voxelization.By merging adjacent cells while preserving their convexity, we obtain a coarser representation that greatly reduces path computation costs.We then build a navigation graph from this octree within which we can search for paths using the popular A* search algorithm.To increase the quality of the paths we obtain we implemented two forms of path refinement: a visibility-based path pruning heuristic, and a novel implementation of the classic "funnel" algorithm that computes minimal homotopic paths, in our case extended to our 3D environment.We further extend our work to handle dynamic environments with local and efficient updates to the octree and the movement graph.Experiments on a variety of scenarios show that our approach remains fast and efficient even for very large 3D maps and could be used for real-time pathfinding in video i games.We implemented our work in Unity, one of the most popular game engines, as an effort to make pathfinding in 3D environments accessible to game developers.First and foremost I want to thank my supervisor, Clark Verbrugge, for his invaluable help and support throughout these last two years.This thesis would not exist without him.I also thank Thomas Nobes for providing his results and code on the 3D JPS algorithm and his openness to discuss his work.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,283
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,011
Tête enseignante GPT0,219
Écart entre enseignants0,208 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeScholarship@McGill (McGill)Même sujetVLSI and FPGA Design TechniquesTravaux en français237 207